遗传-模拟退火算法在数据库查询优化中的应用

将遗传算法与模拟退火算法相结合,导出了一种基于遗传-模拟退火算法的多连接查询优化算法.该算法将查询计划的一棵语法树看作是一个染色体,对于语法树上的连接操作后序遍历生成一个编码.在所有编码构成的种群进行完选择、交叉、变异操作之后,在其中引入模拟退火机制,从而进一步调整优化了种群,保持了群体的多样性,减少了用户查询的响应时间.     

遗传-模拟退火算法在数据库查询优化中的应用

将遗传算法与模拟退火算法相结合,导出了一种基于遗传0模拟退火算法的多连接查询优化算法．该算法将查询计划的一棵语法树看作是一个染色体,对于语法树上的连接操作后序遍历生成一个编码．在所有编码构成的种群进行完选择、交叉、变异操作之后,在其中引入模拟退火机制,从而进一步调整优化了种群,保持了群体的多样性,减少了用户查询的响应时间．     

模拟退火算法在配送中心选址中的应用

物流配送中心是现代物流系统的枢纽,而配送中心选址的确定是物流系统分析的核心内容,合理的配送中心选址可以降低企业的运营成本。根据配送中心地址问题的特点和要求,并结合实例验证,有关采用模拟退火算法解决选址模型的尝试,具有一定的有效性。     

模拟退火算法在军事运输路径优化中的应用及求解

提出运用模拟退火算法求解军事运输路径优化问题的技术思路,并根据部队运输实际问题,建立优化模型,利用MATLAB程序求出了优化路径。运算过程表明,在对计算参数进行了试验性的估计选择后,模拟退火算法的收敛性和有效性得到更大的提高,可以应用于军交运输的实践。     

基于分组优化和矩阵运算的自动排课算法

为解决目前高校自动排课系统设计复杂、排课效率低的问题,提出了一种基于分组优化和矩阵运算的自动排课算法.该算法首先对课时段进行分组优化,然后引入矩阵的迭加匹配运算,最终实现自动排课.结果表明,该算法能高效、快速、优化地实现自动排课,并简化了程序的复杂性.     

模拟退火算法在供应链生产调度中的应用

研究一个简单供应链中的生产调度问题,目的是找到一个合理生产排序使得单位时间的成本最小,建立该问题的单目标非线性规划模型。运用模拟退火算法,结合邻域搜索进行求解,最后举例验证算法的有效性。     

基于模拟退火算法的客运站到发线占用优化研究

结合客运站旅客列车在站技术作业的特点,以出发旅客列车正点为目标并且兼顾到发线固定使用方案和高等级列车优先接发建立客运站到发线占用优化模型。该模型为混合0-1整数规划模型,属于NP问题,直接求解较困难。文中用模拟退火算法(SA)设计求解方案,并用实例对模型和算法进行验证,生成到发线使用方案,说明其优化效果明显。     

一种改进的遗传模拟退火算法及其在QoS多播路由中的应用

描述了多QoS约束的多播路由问题的网络模型，针对遗传算法GA和模拟退火算法SA的优缺点，提出了一种混合遗传模拟退火算法MGASA．并将该算法应用于求解多QoS约束的多播路由选择问题，经仿真实验验证，MGASA算法优于普通的GA和SA算法．     

基于模拟退火算法的大型客运站到发线运用优化研究

铁路大型客运站到发线的运用进行科学地分析及合理地优化,对于提高客运站的工作效率及保证旅客列车正点到发具有重要的意义。通过分析影响到发线使用的到发线占用间隔时间等各项因素,以到发线均衡使用、列车占用到发线总时间最少和方便旅客乘降为目标,建立客运站到发线运用优化模型。通过采用模拟退火算法,实现到发线运用的合理优化。最后,以福州站一个阶段计划内的到发线使用情况作为实例,对模型和算法进行了验证。     

基于模拟退火算法的汽车悬架最优控制研究

设计了一种基于模拟退火算法优化常规线性二次最优控制器权值矩阵的方法。利用该算法的随机搜索特点,以主动悬架性能指标为目标函数对权值矩阵进行优化设计,提高了LQR控制器的设计效率和控制性能,解决了常规线性二次最优控制器的权值矩阵确定问题。应用该方法进行了汽车悬架主动控制仿真。研究结果表明:基于模拟退火算法优化的LQR控制器的汽车主动悬架相对于应用常规LQR控制器的主动悬架和被动悬架,能够大大改善主动悬架的性能;同时在充分利用常规LQR控制器优势的基础上,改善了其权值矩阵确定存在的问题。     

解决动态出租车"拼车"问题的模拟退火算法

"拼出租车"(Taxipooling)是基于人们到达同一目的地需求从而共享车辆的现象,它在一定程度上解决了"上班族"在上下班高峰期打车难的问题,而且费用经济(一般由顾客根据旅途长短来共同分担),同时很大程度上缓解了交通拥挤,减少道路车流出行量,节省能源.而且当今智能化交通系统为出租车"拼车"问题的优化,提供了良好的平台.应用了智能算法中的模拟退火算法来解决出租车"拼车"中"一对多"模型,以达到最优的顾客匹配及线路设计,并通过算例进行比较验证,证明算法的合理性和有效性.     

求解大规模不对称指派问题的通用模拟退火算法

指派问题是运筹学中的一类经典问题,在生产实践中有广泛的应用.对于高效求解大规模尤其是人数与任务数不一致的指派问题,匈牙利算法存在一些不足之处.根据模拟退火算法的基本思想,设计了解的表示形式和邻域构造方法,实现了一种求解各种指派问题的通用的模拟退火算法.仿真实验表示,该算法对可行解数量级在1080左右的指派问题进行求解时都有优异的性能.     

有限经济批量和排序问题的模拟退火搜索算法

采用模拟退火算法,解决一个简单供应链中经济批量和排序问题。在这个供应链中,单一的一个生产系统要生产多种产品来满足装配系统的需求,假定参数、产品的需求率、生产率、整备时间和费用都是给定的常数。目标是求解最优的生产批量和排序,使得整个供应链中单位时间的库存、运输的总费用最小。     

基于模拟退火算法的城市公交线路铺设分析

随着城市交通拥挤日益严重,发展城市公共交通成为解决交通拥挤的一个重要手段。土地资源日趋紧张,城市公交线路的铺设问题逐渐受到重视。拟在原有公交线网基础上铺设新的公交线路,以满足新产生的交通需求,再利用模拟退火算法优化线路,使新铺设的线路在长度不超过标准的情况下尽量满足更多的交通需求。     

基于模拟退火算法的快速登机序列特性研究

合理组织乘客的登机过程可以有效地缩短登机时间,从而降低航空公司和机场管理者的运营及管理成本.首先,在分析造成登机时间延误各种因素的基础上,建立了能够反映乘客登机特征的元胞自动机仿真模型.其次,将该登机仿真模型嵌入到模拟退火算法中,求解出具有最小登机时间的乘客登机序列.最后,通过分析优化序列中的相关特性,可以看出：过道干扰是造成登机延误的主要因素,只有当座位干扰演变为过道干扰后才会对整体的登机时间产生影响;此外,最优序列中相邻登机乘客间的座位距离会随着人均存放行李时间的变化表现出不同的数值分布.     

基于混合遗传模拟退火的模糊C-均值聚类算法

一般模糊C-均值聚类算法存在易于陷入局部最优的缺陷,基于此,提出了一种基于混合遗传模拟退火的模糊C-均值聚类算法,并利用UIC机器学习数据库中的Car、Iris和Wine数据集验证了算法的有效性。     

一致性车辆路径问题下基于模板路径的模拟退火法

根据一致性车辆路径问题的“服务一致性”特征,本文提出了基于模板路径的 模拟退火法（TSA）以更好地求解此问题.该算法求解分为2 个阶段：第1 阶段求解模板路 径,第2 阶段以所得模板路径为参考获得各天车辆具体配送路径方案,2 个阶段均采用模 拟退火法进行优化.借助小、中规模基准数据集,文章对TSA算法进行数值实验,并将实 验结果与ConRTR算法和TTS算法的结果作比较,利用TSA法求解一致性车辆路径问题 得到的配送路径方案和“服务一致性”指标均得到优化.实验结果表明,运用TSA算法规 划车辆配送路径方案,不仅能够降低运营成本,还能提高配送服务质量.