求解TSP问题一种混合进化算法

进化算法是解决优化问题的一种新型方法.与现存的优化算法相比,这种方法有几个优点:它不仅能用于非线性函数,还通常能以概率收敛到全局最优解.基于一种新的变异算子和局部搜索技术,提出了一个求解旅行商问题的的新的进化算法.新的进化算子可以保证约束条件自动满足,局部搜索技术简单易行.另外,对迭代方法做了收敛性分析,给出了收敛的必要条件和充分条件.并进行了计算机模拟.结果表明本文算法是有效的,是一种适用于很多类型组合优化问题的有效方法.     

基于OpenGL的求解函数优化的一种混合演化算法

在郭涛算法的基础上,设计出了一种求解函数优化问题的混合演化算法。测试函数表明,该算法计算过程简捷,寻优效果良好,能够快速可靠地求出函数的最优值,可有效地应用于多峰函数求最值问题,是一种较为理想的寻优方法,具有较大的实用价值。     

改进遗传算法求解TSP问题

遗传算法(GA)是由遗传进化理论指导的随机搜索寻优算法,传统GA的寻优能力与随机搜索能力之间存在着相互制约的关系,所以对地形极其复杂、极无规律的TSP的应用效果并不十分理想.通过利用互换启迪交叉算子加快局部搜索算法的收敛速度,利用模式增加修补算子防止算法早熟收敛,给出了一种求解TSP问题的新型遗传算法.仿真实验表明该算法是有效的和可行的.     

演化算法求解约束多目标优化问题

本文引入约束占优的定义，将约束条件与目标函数融合在一起，对有约束的多目标优化问题（MOP）建立了一种新的偏序关系。使用多父体杂交和非均匀变异来求解约束多目标优化问题，通过对测试函数的实验，验证了算法的可行性和有效性。     

基于细胞自动机演化算法求解无约束函数优化问题

在最优化领域目前广泛应用的智能优化算法有遗传算法、模拟退火算法、神经网络算法等。但这些算法的实现模式都还是基于串行模式。利用细胞自动机来解决优化问题,也就意味着能够建立极度并行的解决最优化问题的程序。提出了一种基于细胞自动机的演化算法,以求解无约束函数优化问题,并用实验分析了此算法的性能。     

基于并行模拟退火算法的TSP问题求解

针对标准模拟退火算法串行优化单个解，优化过程较长、效率较低的弱点，提出一种基于多种群群体优化的并行机制。该机制通过将单个解的串行优化转化为许多个解同时进行的并行优化来提高算法的整体优化效率。利用该算法求解TSP问题能够显著提高优化效率，仿真结果表明该算法是有效的。     

遗传算法编程求解TSP问题

利用基本遗传算法的思路解决旅行商问题,选择仍然采用轮盘选择方法;交叉算法采用一个启发式交叉算法,交叉位置随机,该算法以一定的概率生成一个比父代好的解,交叉概率取0.1;变异概率0.005。经多次运行,求得最优值。停止法则为循环最大遗传代数为止,另外如果30代解没有改进则停止。编程环境为Mat-lab6.5。     

基于交叉算子改进的遗传算法求解TSP问题

遗传算法容易产生早熟现象以及局部寻优能力较差的缺陷。针对遗传算法的这一缺点,就遗传算法的交叉算子进行改进．并应用于求解旅行商问题。传统的交叉算子操作方法寻优效率低,并易陷入局部最优,就顺序交叉方法进行改进。改进后的交叉算子是在随机选择交叉区域和交叉片断长度后．对重复节点和前后节点的路径长度进行比较后,再删除路径长的重复节点,有效地提高了算法的寻优效率。优化了解的质量。为了验证算法的有效性,对TSPLIB库中的两个公共实际事例ei151和gr202以及安徽省17个城市的数据进行了仿真实验。结果表明改进后的算法是有效的．     

基于遗传算法求解TSP问题的算法设计

TSP是一个典型的组合优化问题,并且是一个NP难题,其可能的路径总数与城市数目n是成指数型增长的,所以一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义.现提出一种求解TSP问题比较有效的遗传算法,从其数学模型、遗传算子、评估函数、种群多样性等方面对算法进行了分析,结果表明提出的算法在求解TSP问题上是有效的.     

模拟退火算法在TSP求解中的应用

模拟退火算法在处理全局优化、离散变量优化等困难问题中,具有传统优化算法无可比拟的优势。描述了模拟退火算法的原理及其基本框架结构,给出了用模拟退火算法求解TSP问题的具体实现方法,并分析说明了模拟退火算法的优缺点。     

一个求解有时限TSP问题的演化算法

为求出有时限TSP问题的最优解,文章采用基于演化计算的群体搜索技术,算法中引入了最差个体淘汰机制,将时限与每一条回路一起并入到适应函数中进行演化.实验表明,该算法能有效地找到全局最优解.     

基于进化策略的函数优化问题研究

针对进化策略算法在解决具体问题是熟练速度较慢这一问题的原因进行分析,提出自适应变异步长的方法,以在全局和局部范围内进行搜索．变异步长的值依赖于目标变量与全局最优解之间的距离．步长随距离自适应变化,可避免局部熟练和早熟．通过对经典dejong函数和Shubert函数的仿真试验,验证了文中算法的有效性．仿真结果表明,该算法收敛速度快,搜索精度高,且具有良好的全局搜索能力．     

一种基于DHT的实数插值并行新算法

提出了实数插值并行算法:采用一种高效优化的1-D插值替代经典公式插值,实现2-D插值,使得运算简便迅速,其计算模式类似于"流水"运行,不需要数据记录和数据暂存设施;而且插值运算时间的复杂性同插值单元因子的复杂性互不相关;每个插值计算周期持续时间相当于执行一个相应的加法运算和乘法运算时间;这为实现高速计算、存储共享的并行处理硬件设施提供了设计依据。     

遗传算法求解旅行商问题的一个新方法

提出了利用遗传算法求解TSP问题的一个新方法,该方法采用二进制编码,并巧妙地设计了一种解码算法,不仅可以使得种群进化,而且扩大了搜索的空间。实验表明,比起传统的遗传算法,新方法的性能有显著改善。     

多种群自适应模拟退火遗传算法求解TSP问题

TSP问题是一个具有广泛应用背景和重要理论价值的组合优化NP难题。遗传算法是求解NP完全问题的一种方法。针对传统遗传算法求解TSP问题的不足,提出了一种多种群自适应模拟退火遗传算法,并给出了多种群分级、混合变异算子的设计。最后,对CHN31、ATT48和EIL51的TSP问题进行求解．仿真结果表明该改进遗传算法具有更好的收敛性,可以得到更好的最优解。     

基于路段流量的交通分配模型的遗传算法

本文讨论了基于路段流量的交通分配问题,指出其最优解是满足wardrop平衡条件的。对这类问题本文采用了遗传算法,并给出了算法的基本思想及详细的实现过程。数值实验表明该方法是可行有效的,可以用于实际交通路网的配流计算。     

基于改进蚁群遗传算法的排课问题研究

提出了一种以蚁群算法为主,利用遗传算法经过交叉,变异,选择后产生进化的信息素作为蚁群使用的信息素.在遗传算法多次进化效果不明显时,引入模拟退火算法进行跳变的混合算法,使各种算法取长补短,改善了蚁群算法初始阶段运行缓慢和遗传算法局部搜索能力弱的缺点.提高了运行效率,同时运用这种改进的算法对高校排课问题进行仿真,从而比较算法改进的优缺点.     

遗传算法及其在TSP问题中的应用

遗传算法是一种模拟自然界生物进化过程的随机搜索算法;遗传算法目前已经在组合优化、机器学习和并行处理等领域得到了越来越广泛的应用;文章对遗传算法的理论与应用进行了一些研究和分析,介绍了遗传算法的理论,以及它在鸭P问题中的应用。     

一种改进的全局优化进化算法

提出了一种改进的全局优化进化算法.该算法采用实数编码,通过对可行域量子化用正交设计产生初始种群,用正交设计和因素分析设计杂交算子.在进行杂交之前,根据两个个体变量之间的距离恰当地应用高斯变异,平衡了算法的局部搜索能力和全局搜索能力,从而提高了算法的效率.最后的数值结果显示了该算法的有效性.