模拟退火遗传算法的性能评价

遗传算法和模拟退火算法的结合对遗传算法的性能有很大的改进．将遗传算法与模拟退火算法相结合，提出了模拟退火遗传算法．研究结果表明，该算法能较好地克服传统遗传算法存在的不足，并在进化速度和全局寻优能力方面有较大的突破．     

一种改进的遗传模拟退火算法解决函数优化问题

首先简要介绍了传统的遗传算法,然后分析了遗传算法的优点和不足。针对遗传算法容易产生早熟现象和局部寻优能力差的特点,通过引入改进的灾变操作和模拟退火算法跟遗传算法相结合,而增强了算法的全局收敛性,并且提高了算法的收敛速度。最后使用一个典型的遗传算法性能测试函数验证了改进算法对函数最优化的有效性,其性能明显优于传统的遗传算法和模拟退火算法。     

融合模拟退火的遗传算法研究与应用——以行程规划问题为例

遗传算法具有较强的全局搜索能力,但容易陷入局部最优.把模拟退火算法的思想融入到遗传算法中,在选择、交叉和变异的过程中加入退火过程,并使用改进后的算法求解行程规划问题,实验结果证明设计的算法是有效的.     

基于遗传退火算法的关联规则挖掘

把模拟退火算法具有全局平衡的特性引入到遗传算法中来,避免了遗传算法收敛性慢以及容易陷入早熟的特点,提出了一种基于遗传退火策略的关联规则挖掘模型。实验结果表明,与遗传算法相比,改进的算法更能有效挖掘大型数据集中的关联规则。     

基于模拟退火遗传算法的有时间窗军械物资运输车辆路径问题研究

本文将模拟退火算法与遗传算法相结合用于解决有时间窗军械物资运输车辆路径问题,避免了传统遗传算法常见的早熟收敛问题.实验结果证明,该算法可以有效求得有时间窗军械物资运输车辆路径问题的优化解,增强了算法的全局收敛性.     

求解多维0/1背包问题的Memetic算法

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。     

基于遗传模拟退火算法的移动机器人路径规划

针对移动机器人运动路径规划最优问题,提出了一种具有能进行整体搜索和全局最优计算的遗传算法,并将遗传算法与具有摆脱局部最优点能力的模拟退火算法相结合,解决了遗传算法在实际应用中产生的局部上并非最优的问题。在移动机器人的路径规划中,该算法能达到较高的路径规划效率和求解的质量。     

基于模拟退火遗传算法的公交区域调度研究

采用模拟退火算法和遗传算法相融合,建立公交区域调度中行车计划生成的模型,创建目标函数,将模拟退火算法应用于遗传算法的交叉、变异过程中,对模型进行求解,并用实际的运营数据对模型进行了验证,结果表明,此方法是可行且有效的。     

一种基于遗传算法的生物多序列比对方法

分析传统遗传算法、模拟退火算法,并将两者有机结合,提出了一种新型的基于遗传模拟退火的多序列比火算法,并通过程序与经典的比对算法进行比较分析,结果表明,本算法是可行的,有效的。     

求解TSP问题的几种算法比较

旅行售货商问题(简称TSP)是离散优化的一个经典的重要问题,对求解算法的研究非常重要。在介绍求解TSP问题的贪婪算法、禁忌搜索算法、模拟退火算法、遗传算法的基本思想之后,提出了相应的算法。针对测试库的四个典型算例,用程序实现这些算法,对这些算法的运行时间和结果进行比较研究。结果表明贪婪算法短时间就可以得出解,禁忌搜索算法与遗传算法的效果相当,模拟退火算法比遗传算法的结果好。     

Algorithm for solving the bi-level decision making problem with continuous variables in the upper level based on genetic algorithm

1 Introduction a The bi-level decision-making is a complex majorized problem. Its effective solution is not easy to obtain by traditional majorized methods. Reported methods to solve the bi-level decision making problem with continuous variables include neural network [1], Monte Carlo simulated annealing algorithm [2], etc. However, the efficiency and accuracy of such neural network methods are ideal and accompanied with a long iterative time and a slow convergence speed. In this paper, the …     

TSP问题的智能优化算法研究

智能优化算法比较常见的有模拟退火算法、遗传算法、人工鱼群算法、神经网络算法等。本文主要对前三种算法优化性能进行研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,以经典NP难题——TSP为例进行了仿真研究给出了未来针对TSP问题的研究重点。     

基于混合算法的快递问题优化研究

根据物流快递业中的优化问题特点建立其配送数学模型,提出了以模拟退火算法和遗传算法相结合的思想为基础对其方案进行解决。实际算例表明,用此混合算法来解决实际的快递优化问题,可以进一步提高快递配送效率,能够在短时间内找到最理想的分配方案并计算出最低的成本消耗,从而证明了该混合算法是可行的。     

智能搜索算法在线教学实验平台的设计与实现

为了更好地满足人工智能课程教学的需求,以一种低耦合、高可扩展性的架构,实现了一个以A*算法、模拟退火算法和遗传算法为主题的简洁易用的算法教学实验平台。该平台使用Flex技术来实现算法的演示,使用J2EE和XML相关技术完成后台的设计,并通过C/C++语言完成验证算法的实现。平台提供了A*算法、模拟退火算法和遗传算法的演示程序和验证程序,可以帮助学生直观地学习不同智能搜索算法,为教师和学生提供一个在线互动的教学实验平台,也方便学生开展各算法的自主实验设计。     

退火遗传算法及其在一维切割问题上的应用

针对标准遗传算法在解决优化问题中存在的问题,提出了改进标准遗传算法的退火遗传算法,并把该算法应用于一维最优切割问题上。通过与标准遗传算法求解一维切割问题的比较,验证了退火遗传算法的有效性。     

遗传算法交叉算子的性能研究

根据目前实际应用中遗传算法的基本概况 ,对遗传算法中起核心作用的交叉算子的性能进行了研究 ,分析了交叉算子对遗传算法收敛性的影响以及如何有效地设计高性能的交叉算子 .     

基于遗传算法的数据预处理组合方法

进行数据挖掘之前的原始数据经常是不完整或存在异常,针对这种情况,在众多数据预处理算法的基础之上,文中提出了一种基于遗传算法的数据预处理组合方法,能有效的利用各种方法的优点,提高了估计的精确度.通过实验证明,该方法优于其他各种单一方法.