遗传算法求解TSP问题的实现与改进

旅行商问题（Traveling Salesman Problem,简称TSP）已经被证明为NP难题。通过应用遗传算法求解TSP问题,给出了遗传算法中各算子的实现方法,并用遗传算法（Genetic Algorithm,简称GA）和穷举法分别求解了15个城市的TSP问题,结果表明,遗传算法具有明显的优越性。引入模拟退火的思想对遗传算法的变异算子进行改进,并求解了50个城市的TSP,得到了满意的结果。     

基于模拟退火遗传算法的主题爬虫搜索策略研究

以何种策略访问网络,提高搜索效率,是近年来主题搜索引擎研究的主要问题之一。本文对主题爬虫常用搜索策略进行了简单分析,提出了实用性较强的基于SAGA的主题爬虫搜索策略。     

一种改进的遗传模拟退火算法

遗传算法有早熟和局部搜索能力弱的缺点,而模拟退火算法没有较好的全局搜索效率。引入了一个新的选择机制来改进模拟遗传退火算法,使速度得到了提高并且可以避免早熟等缺陷。     

基于模拟退火遗传算法的我国创新型大企业的构建研究

针对构建中选择子企业的实际需要,提出改进的模拟退火遗传算法,引入倒位算子代替交叉操作,建立了企业间协同系数矩阵和相应的适应度函数,来提高算法的有效性.     

改进的遗传算法在TSP中的应用

分析了遗传算法和模拟算法的主要优缺点,提出一种用于求解旅行商问题（TSP）的改进遗传算法,该算法有效地将遗传算法和模拟退火算法相结合,在很大程度上缩短了算法的搜索时间;利用MATLAB对多种TSP问题进行仿真研究,实验结果证明了改进的遗传算法的有效性。     

模拟退火算法在矩阵实特征值求解中的应用

给出了矩阵特征值的定义及确定特征值范围的圆盘定理。基于模拟退火算法提出了一种新算法,新算法用于解决实特征值的求解问题,具有通用性,算法的稳定性也大大提高。数值实验表明,新算法的求解精度有了明显的提高。     

求解Flow Shop问题的改进遗传算法

在对FSP问题进行描述的基础上,提出了一种新的改进遗传算法。该算法针对遗传算法的弱点进行了一系列的改进:设计一个新的选择策略和一个新的多交叉算子策略来避免早熟并引入了兄弟竞争的策略来加快收敛速度和全局搜索能力。仿真计算表明了该算法的良好收敛性和有效性。     

遗传算法求解WebGIS环境下的TSP问题

TSP问题茁物流配送、选址等领域普遍存在,是当前相关领域研究的热点问题。本文提出在WebGIS环境下,利用遗传算法表求解该问题．首先,针对WebGIS数据,以实际地标经纬度信息作为初始点,提取路网拓扑结构,然后使用遗传算法采求解哈密顿路开最终给出优化路径。实验结装表明提出的方法具有良好的实际应用效果。     

基于并行遗传算法的车间调度问题求解

本文首先引入了车间调度问题的数学模型,并讨论了调度策略的设计,在此基础上提出了解决问题的设计思路,并给出了并行遗传算法的实现步骤,最后对本文解决问题的算法进行了实验结果分析,表明此算法可以得到较好的解.     

一种改进的求解TSP问题的遗传算法

TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。     

基于链式遗传——模拟退火算法的配电网络重构

以网损最小为目标函数,节点电压、网络辐射性和电源容量的限制为约束条件,建立了配电网络重构优化数学模型。针对各种单一算法的局限性,提出了一种基于链式遗传-模拟退火算法。该算法将环境压力映射为待优化问题,进化链（食物链）上每条染色体（个体）则对应问题的一个候选解,通过模拟退火Metropolis取舍准则控制算法搜索最优方案的进程。最后,在IEEE16节点系统上验证了所提方法的有效性。     

自适应遗传模拟退火的Web日志关联挖掘

提出一种基于自适应遗传模拟退火策略的Web日志关联规则挖掘算法。该算法在遗传模拟退火策略基础上,引入自适应的交叉概率和变异概率,使其具有较强的全局搜索能力,有效地避免了早熟的现象。实验结果证明,该算法能有效地解决Web日志关联规则挖掘问题。     

求旅行商(TSP)问题的几种改进遗传算法的比较分析

随着现代科技的发展,待研究问题的规模与难度越来越大,单一的算法已经不能很好地解决问题。本文在阅读了大量关于混合遗传算法论文的基础上,总结了三种能够比较有效地求解旅行商(TSP)问题的改进型遗传算法,并阐述了它们的基本思想以及操作步骤。最后指出了它们的优缺点和今后的研究方向。     

基于模拟退火算法的Tile集生成优化

纹理合成技术是计算机图形学、计算机视觉和图像处理领域的研究热点之一,其中因Wang-Tile纹理合成方法可以实时地生成任意大小的纹理而受到人们的关注。Tile集的生成是Wang-Tile纹理合成方法的一个重要方面,但由于其中样本纹理选择的随意性使得合成纹理出现明显的菱形接缝。采用模拟退火算法来实现样本纹理选择过程的全局优化,提高了Tile集的质量,得到了理想的合成结果,对此进行了论述。     

基于混合自适应的遗传工作流挖掘算法

针对遗传算法工作流挖掘容易过早收敛且局部寻优能力较差,导致得到的解不理想的情况,提出了一种基于混合遗传方法的工作流挖掘算法。该算法采用因果矩阵映射流程实例作为工作流模型的编码,在遗传算法的选择操作阶段采用锦标赛策略与精英保留策略相结合,在交叉变异阶段运用混合自适应方法,并结合模拟退火思想,使解的质量有了明显的提高。仿真实验表明,该算法与基于简单遗传方法的工作流挖掘算法相比效率更高。     

求解TSP问题的一种改进遗传算法

TSP问题是典型的NP完全问题,遗传算法是基于生物进化论的一种全局优化搜索算法。文中针对TSP问题传统遗传算法的缺点,提出了一种改进的遗传算法,并且给出选择、交叉和变异操作的设计。最后,以该算法求解中国旅行商问题(C-TSP)为例,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。     

一种求解非线性方程全部实根的算法与实现

本文将模拟退火算法与根的逐步搜索方法相结合,给出了求解非线性方程全部实根近似值的一种算法,在Matlab环境下实现了该算法,通过数值实验证明了该算法的有效性,所求得的根具有较高的精度。     

遗传算法在TSP问题中的应用

遗传算法是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法,旅行商问题(TSP)是著名的NP问题,也是组合优化、计算机科学界经典的问题之一。本文简介了遗传算法的原理、设计方法和基本步骤,并着重用遗传算法对TSP问题进行近似求解。     

基于模拟退火算法的机器人路径规划与研究

机器人技术作为20世纪自动控制领域的一项伟大成就已经取得了长足的发展,移动机器人也越来越多地应用到了各个行业中。移动机器人具有高度自规划、自组织和自适应能力,适合工作于复杂的非结构化环境中。本文以自主移动机器人为背景,着重对其关键的路径规划技术进行研究和探讨。