求解旅行商问题的模拟退火算法

旅行商问题TSP是一个典型的NP完全问题,模拟退火算法是求解此问题的一种理想方法.模拟退火算法是依赖邻域结构的迭代方法,模拟退火算法对选择试验解比较敏感.本文针对找领域解,提出6种策略.算法的分析和测试表明,策略F是一种简单有效的算法.     

引导进化模拟退火算法在船舶能优化设计中应用

引导进化模拟退火算法是一种采用全局优化策略的人工神经网络的平行技术，综合了遗传算法，模拟退火，模拟进化的思想，并在解空间实施区域引导，本文用该算法进行船舶性能优化计算，速度快捷，其全局化策略，可避免陷入局部最小值。     

引导进化模拟退火算法在船舶性能优化设计中应用

引导进化模拟退火等法是一种采用全局优化策略的人工神经网络的平行技术，综合了遗传算法、模拟退火、模拟进化的思想，并在解空间实施区域引导。本文用该算法进行船舶性能优化计算，速度快捷，其全局优化策略，可避免陷入局部最小值。     

基于模拟退火算法在尺度优化设计方法

详细介绍了神经网络的模拟退火算法法（以下简称ＳＡ）的特点，基本思想及步骤，它是基于ＭｏｎｔｅＣａｒｔｏ迭代精法的一种随机搜索算法，以主尺度优化设计为例，针对主尺度优化问题解的特性和状态，对模拟退火算法是具体应用的几个问题进行了探讨，仿真结果表明，ＳＡ算法能很好的姚离局部最优解的陷阱找到全局最优解，其优化与初始点的选择无关，从而为船舶主尺度优化问题提供了一个稳定的全局最优化算法。     

基于Memetic算法的动态武器目标分配问题研究

考虑时间和空间的影响,动态武器目标分配是一个复杂的问题。针对时间和空间对武器目标分配过程的约束,建立了动态武器目标分配数学模型;提出了一种Memetic算法来解该问题,采用遗传算法作为全局搜索策略,模拟退火算法作为局部搜索策略,根据Any-time算法的特性,设置了一种有限时间元级控制策略来响应分配动态过程。最后,通过仿真实例,验证了该算法的有效性和实用性。     

基于神经网络的船舶主尺度优化设计方法

详细介绍了神经网络的模拟退火算法的特点，基本思想及计算步骤，并以主尺度优化设计为例，针对主尺度优化问题解的特性和状态，对模拟退火算法具体应用中的几个问题进行了探讨。     

基于Petri网和模拟退火算法的生产调度

为解决生产调度问题,在增强赋时变迁Petri网和模拟退火算法的基础上,将两者结合起来,首先利用Petri网描述生产调度问题,为提高算法的通用性,以Petri网的系列变迁来作为调度问题解的表达方式,然后通过模拟退火算法求解问题的最优解或近优解.在模拟退火算法新解产生过程中通过引入记忆功能,避免迂回搜索,提高了搜索效率和解...     

用“模拟退火”算法实现船舶主尺度的全局最优化

本文把模拟退火（SA）法应用于舶舶主尺度优化问题中。针对船舶主尺度优化问题解的特性和状态，对SA算法具体应用中的几个问题进行了探讨。同时，与单纯形法进行了优化结果的比较。比较表明，SA算法能很好地逃离局部极值点的陷阱找到全局最优解，其优化结果与初始点的选择无关，从而为船舶主尺度优化问题提供了一种稳定可靠的全局最优化算法。     

分组选优交配与概率接受差解的两种模拟退火遗传算法

探讨对种群分组，优选交配，并以一定概率接受差解的两种模拟退火遗传算法，给出了其具体的算法思想，经过比照分析，说明这两种新的算法是有效的。     

非线性规划优化问题中的模拟退火算法

模拟退火SA(Simulated Annealing)算法,是一种仿金属退火物理过程的随机算法,对于复杂的组合优化问题的求解,表现出比其他传统优化算法更加独特和优越的性能。本文介绍了模拟退火算法的原理、实现方法及其求解步骤,并以一具体实例来说明模拟退火算法在解决非线性规划优化问题时的有效性和优越性。     

自适应步长EASI算法研究及改进

EASI算法（一种在线LMS）是很重要的盲信号分离（BSS）算法,总结了EASI算法应用于盲信号分离的优点与不足,并提出了利用模拟退火策略有效地结合两种步长的优点,在初期快速下降,在后期精确收敛。结果表明,在该实验中使用模拟退火策略来调整学习率简单有效。     

基于模拟退火-蚁群变步长优化算法的椭偏数据反演分析

椭圆偏振光谱方法是获取薄膜复光学常数和厚度的最优光学测量手段之一,椭偏方程作为超越方程,其逆向求解过程中的反演算法直接影响着椭偏数据的处理效率与精度.以前期的蚁群算法为基础,为进一步提高算法的收敛速度和跳出局部最优解的能力,研究了模拟退火算法和蚁群算法的融合策略,并提出了一种基于最优蚂蚁的变步长方法,通过动态改变最优蚂蚁的领域局部搜索步长,提升算法的精细化搜索能力,最终给出了模拟退火-蚁群变步长优化算法.应用该优化算法分析了高温超导薄膜FeSe的椭偏光谱,测试结果表明,该混合优化算法可以实现椭偏数据的精确反演分析,并且具有更快的收敛速度和更优的评价函数.     

基于遗传模拟退火策略的霍普菲尔德神经网络求解TSP问题

针对霍普菲尔德(Hopfield)神经网络在求解旅行商问题(Traveling Salesman Problem,TSP)中出现大量局部极小解问题,利用遗传算法的并行搜索优势和模拟退火算法的局部寻优优势,使用遗传模拟策略合理改进Hopfield神经网络的能量函数、固定出发城市以及压缩解空间,构造出一种求解TSP问题的新算法。实验结果表明:这种混合算法明显优于经典Hopfield神经网络,具有收敛速度快,迭代次数少等优点,且能在很大程度上避免经典Hopfield神经网络优化易陷入局部最优的缺陷。     

用“模拟退火”算法实现船舶主尺主工的全局最优化

本文把模拟退火（ＳＡ）法应用于船舶主尺优化问题中，针对船舶主尺优化问题的特性和状态，对ＳＡ算法具体应用中的几个问题进行了探讨，同时，与单纯形法进行了优化结果的比较，比较表明ＳＡ法算法能很好地逃离局部极值的陷阱找到全局最优解，其优化结果与初始点的选择无关，从而为船舶主尺度优化问题提供了一种稳定可靠的全局最优化算法。     

一种船舶结构优化的实用方法

本文针对船舶结构优化设计中普遍存在的混合离散变量的现象，应用一种简便而实用的估化新方法－模拟退火算法直接获得最优解，而需地离散散现象进行了“规格化”后处理，以舱口盖和槽形舱壁的结构优化为例，详细讨论了模拟退火过程中冷却过程进度表优化质量及效率的影响。     

双资源约束下的船舶管件柔性生产车间调度优化

针对船舶管件柔性车间的复杂制造环境，建立以完工时间为主要优化目标、以设备资源和辅助资源为约束条件的双资源约束柔性生产车间调度问题模型，设计一种改进布谷鸟算法对其进行求解。针对问题特征及复杂性，在布谷鸟算法核心框架不变的基础上，提出一种莱维飞行自适应步长因子；同时，设计基于2种局部搜索的巢寄生策略，并引入模拟退火算法，以解决工序维、设备维和资源维的调度优化问题。将该算法应用于企业实际生产模型，结果表明：改进算法能有效避免设备资源冲突，具备较好的综合调度特性。     

平面选址问题的一种混合算法

提出了一种把混沌优化方法Ｄｉｘｏｎ算法相结合的混合算法。该算法用于平面选址问题的求解比模拟退火算法更有效且更稳定。     

集装箱装箱优化研究

介绍了模拟退火算法、遗传算法和模拟退火遗传算法等几种使集装箱装箱优化的算法,通过比较与分析得出结论:利用模拟退火遗传算法解决装箱问题是较行之有效的。     

三维布局问题计算方法综述

布局问题是一个组合最优化问题,众多学者对此进行了深入的研究,并提出了许多算法,算法的选择直接影响布局问题的计算速度和求解精度.搜索策略的不同,介绍了以下几种算法基于规则的启发式算法;传统最优化算法;遗传算法;模拟退火算法;改进模式搜索算法;混合算法.     

船舶航行性能综合优化研究

船舶航行性能优化是一个非常复杂的问题,它具有多个设计变量,多个约束和多个极点.传统的优化方法通常无法解决该问题.文中采用了一种传统的优化方法一复合形法(CA)和遗传算法(GA),模拟退火算法(SA)来计算船舶航行性能优化问题,比较了三种优化方法的输出结果并选取最好的那个解作为最终的优化结果.通过这种方法.可以以更高的概率获得真实的最优解.应该指出的是,这三种算法都作了某种程度上的改进.作者采用C++语言基于面向对象思想开发了计算软件-ShipPO.文中列出的所有船舶航行性能优化计算结果都是在ShipPO平台上计算出来的,结果表明采用三种优化方法计算一次船舶航行性能优化问题耗时并不太多.最终的结果表明ShipPO具有很强的寻找全局最优解的能力,它能够很好地满足工程需要.