共查询到10条相似文献，搜索用时 15 毫秒
1.
李素萍 《襄樊职业技术学院学报》2007,6(4):15-16
装箱问题在现实生活中具有广泛的应用,如作业调度、最优任务分配等,是一个NP完全问题。针对一维装箱问题,提出了基于首次适应(FF)近似算法和模拟退火算法相结合的一种模拟退火算法,给出了具体的算法描述。实验结果分析表明,该算法是高效可行的。 相似文献
2.
基于模拟退火算法(SAA)和鲍威尔算法(PA)提出了一种新的混合优化算法——模拟退火鲍威尔算法(SAA-PA).该算法将模拟退火算法的随机搜索策略纳入到鲍威尔优化算法中,能使优化解不陷入局部最优从而获得全局优化解.该优化方法可以有效地解决多目标的优化问题,特别适用于拥有多个局部最优值的分布式多泵浦拉曼放大器(DMRA)的优化问题.仿真结果显示,在80km传输光纤上只要4个后向泵浦就能实现开关增益10dB,带宽大于80nm,增益平坦度小于1.25dB的平坦增益.与单纯的模拟退火算法的优化结果相比,在相同数目的泵浦条件下所得优化结果的增益谱特性有了显著的提高.同时,该方法可以较方便地仿真出信号增益带宽与泵浦数目的内在关系. 相似文献
3.
针对LM算法及模拟退火算法各自存在的不足,提出一种交替使用二者的混合优化算法（SALM算法）.该算法先通过模拟退火算法粗调得到一组全局最优近似解,再以该近似解为初值,交替使用模拟退火算法和LM算法,直至发现满意的最优解.实验结果表明,新算法不但具有模拟退火算法的全局收敛特性而且保留了LM算法的局部收敛速度,克服了单纯模拟退火算法所产生的随机性和概率性问题,也弱化LM算法对初始条件的依赖程度,保证了求解的速度和精度。 相似文献
4.
根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。 相似文献
5.
根据多维0/1背包问题的特点,结合遗传算法和模拟退火算法的优点,设计了一种Memetic算法。该算法以基于模式替换的改进遗传算法作为全局搜素算法,采用模拟退火算法进行局部搜索。全局搜索算法引入了模式替换,使每代种群中的最好基因个体保存下来形成模式,引导种群搜索方向,提高搜索性能,然后进行选择、均匀交叉和变异操作,最后采用最大化修复策略,对不可行解进行修复,并对可行解进行修正。模拟退火算法以一定概率接受较差的解,从而避免陷入局部最优解。通过实验仿真和算法比较验证了Memetic算法的优越性和有效性。 相似文献
6.
黄黎明 《贵州教育学院学报》2011,(9):25-28
根据模拟退化算法具有并行性的特点,设计并实现了并行的模拟退火算法,同时以给出不同的初始温度,进行结果的模拟,体现出模拟退火算法的一个特征：初温越大,计算所花费的时间越大。 相似文献
7.
为了使工业机器人在某个轨迹下执行焊接任务的时间最短,采用改进的模拟退火算法作为优化方法,对工业机器人关节轨迹进行时间最优规划。仿真结果表明,与其它同约束条件下的轨迹规划算法相比,采用新型算法后,机器人焊接时间缩短了1.24s,从而验证了该算法的有效性。 相似文献
8.
模拟退火算法具有较强的局部搜索能力,并能使搜索过程避免陷入局部最优解,但模拟退火算法是一种NP类算法,对整个搜索空间的状况却不能很好的搜索,收敛速度慢,从而使得模拟退火算法的运算效率不高。遗传算法来源于生物遗传学和自然选择机理,通过人工方式所构造的一类搜索算法。其局部搜索能力较差,但把握总体搜索过程的能力较强。若能将两者有机的结合,既加速了算法的收敛速度又避免陷入局部最优解。 相似文献
9.
针对混合蛙跳算法在进化过程中容易陷入局部最优的问题,使用群体适应度值判断算法在进化过程中是否陷入局部最优,如果陷入局部最优,则对整个种群的当前最优解Gb进行贪婪倒位变异,如果变异后的Gb(新)要优于Gb(旧),则使用Gb (新);否则,使用模拟退火算法判断是否接受Gb (旧)。通过实验,将改进前后的混合蛙跳算法用于对旅行商问题的求解,并通过对比,验证了改进后的算法较未改进的算法更有效。 相似文献
10.
针对差分进化算法求解函数优化问题存在过早收敛和不稳定等缺陷,提出一种基于距离度量的差分进化算法.该算法考虑各粒子的差异,利用欧式距离计算粒子与已知最优粒子的距离,然后根据差异自适应调整自身的交叉概率因子,同时增加柯西变异算子对部分个体进行变异操作,以提高种群多样性,增强算法跳出局部最优解的能力.用三种经典函数检验说明,新算法在收敛精度、速度上优于基本差分进化算法. 相似文献