简介：多项式复杂程度的非确定性（NP）问题是一种组合优化问题,模拟退火算法（SA）是其中的一种搜索方法,同其它通用的有效近似算法相比,SA应用的范围较广,运行的效率也较高,还具有描述较简单、能够实现灵活使用的优点。本文首先分析了SA的基本原理,针对TSP问题,我们将SA应用到TSP上,并建立了TSP的数学模型,阐述了利用模拟退火算法解TSP的方法。最后通过实验实现了求解TSP的模拟退火算法。

简介：SMSA（单纯形模拟退火）算法针对单纯形和模拟退火算法的优缺点，将两种算法有机地结合起来，充分利用单纯形算法收敛速度快以及模拟退火算法的随机突跳，不易陷入局部极小点的特性．两种算法结合，互相补充不足，大大提高算法的效率，并削弱了对参数选择的苛刻性．

简介：研究了一类调度目标是最小化最大完成时间的并行机调度问题。考虑到此问题的NP-hard特性，引入模拟退火算法思想以获取高质量近优解。分析了现有此问题模拟退火算法的缺陷，定义了关键机器和非关键机器，设计了一个包含局部优化的模拟退火算法。除了交换变换，还引入插入变换以改变各子调度中作业个数。大量的随机数据实验用于验证算法解的质量和计算效率，实验结果表明该模拟退火算法能够在有限时间内为大规模问题求得高质量满意解。

简介：摘要：共享单车的快速发展解决了人们出行的最后一公里需求，同时也积极响应了节能减排倡议。然而，过度投放单车导致大量违章停放问题的出现。为解决这一难题，电子围栏技术应运而生。本文采用python数据分析和模拟退火算法相结合的方法，以实现电子围栏选址的最优化。通过深入分析共享单车使用情况和需求点分布等数据，模拟退火算法能够搜索最优的选址方案。关键问题是最大覆盖，即通过p-中心问题选择设施点，使每个需求点得到服务且距离最近的设施点最小。通过科学合理的选址方案，我们能提高共享单车的使用效率，减少违章停放问题，同时也降低企业运营成本，促进共享单车行业的可持续发展。

简介：摘要由于越来越多的组件和复杂的交互，拆卸线平衡问题在实际工作中变得越来越复杂。如何处理这些问题成为当今的热门话题之一。针对该问题的高度复杂性，目前在实际工作中还没有明确的方法去解决；在文中，我们提出了基于模拟退火的方法来有效的解决这个问题。实验结果表明，我们的方法对优化有一定的影响，并为拆卸线平衡问题提出了一些建议。

简介：针对传统聚类算法中存在的较易陷入局部最优解等问题,在传统的K均值算法中引入了遗传算法和模拟退火算法,将两种算法相结合,通过交叉、变异、模拟退火等操作,实现了聚类分析。通过模拟数据集的实验和UCI数据集的实验验证了算法的稳定性和获取全局最优解特性。

简介：目标分配问题是导弹防御系统研究的重要课题之一。针对现代导弹防御特点探讨了该问题，建立了在各项约束条件下，以拦截成功最大化为目标的遗传模拟退火算法的目标分配模型，并给出了算法求解步骤。最后通过仿真实例验证了该算法模型的可行性和有效性。

简介：摘要：交通分配是城市交通规划的一个重要环节。本文通过将 BPR 路阻函数作为路段的交通负荷和相对应的路段行驶的时间之间的函数关系，推导出整个系统的平均行程时间表达式，并利用模拟退火智能算法得到了系统平均行程最短时的交通分配方式的一般解法。

简介：则设施布置问题中的每个区段,布置规划的总成本由所有区段的物料搬运成本和与再布置成本之和组成,则其再布置成本就是把设施3移动到位置2所产生的成本与把设施5移动到位置1所产生的成本之和

简介：针对传统单一的物流配送模式已经难以满足互联网电商低成本物流配送需求的现状,本文通过综合考虑运输路线中的距离、费用、时间等多个因素,建立一个多目标的TSP优化模型,并利用模拟退火算法进行求解,以求得一个合理分配人力、物力、财力的最佳方案。实验结果表明：经过算法优化后的路径距离能更好的收敛于最优解,说明该算法是一种解决物流配送路径选择的有效算法。

简介：病态方程组的条件数较大,当输入数据有微小扰动或计算过程中的舍入误差都可能引起输出数据的很大扰动,使得解严重失真,因此求解此类方程组是相当困难的.本文尝试使用模拟退火算法来求解病态线性方程组,得到了较好的结果,并与传统的求解方法作了简单的比较.

简介：经济合理地使用客车车底，是编制铁路旅客列车运行方案要考虑的主要目标之一。为此针对铁路旅客列车车底运用现状，建立了车底运用的数学优化模型一指派模型，提出了针对指派模型的模拟退火求解算法。以南昌车站为实例，证明了算法的实用价值。

简介：为对DEM进行分析、管理和应用,有必要对DEM匹配技术进行研究。为此,提出一种基于ICP和模拟退火遗传算法的多源DEM无控匹配方法,利用扫描线生成DEM的点云并利用ICP进行粗匹配,并利用模拟退火遗传算法对参数精求解。实验结果表明,算法可以完成多源DEM的无控制匹配,运行效率优于遗传算法,求解精度优于ICP算法。

简介：在分析传统遗传算法和模拟退火算法各自优缺点的基础上，提出把模拟退火算法和传统遗传算法相结合的混和算法．有效避免了两种算法的不足之处，并将该混和模拟退火遗传算法用于非线性的参数估计中。

简介：摘要本文以GEP为基础，引入模拟退火算法当中的Metropolis准则，并且根据实际情况对GEP与SA的操作算子加以改进，结合。这样可以在一定程度上保持物种的多样性，抑制“早熟”现象的发生。本文以此理论为基础，建立基于基因表达式编程的模拟退火改进算法股票预测模型（GEP-SA-Stock，GSS）。

简介：本文以１９９８年全国大学生数模竞赛中的Ｂ题（即“灾情巡视路线”）为例，介绍一种最优路线问题的方法－－模拟退火法＾「１」。该法对旅行推销员、中国邮递员等问题，即使有约束条件，也能求得较好的近似解，具有适用范围广和可拓展的优点。

简介：序列比对是将蛋白质中的基因或氨基酸进行对齐的动作,目的是要找出两序列的相似程度,而多重序列比对则是同时比对多个DNA或蛋白质序列,找出此序列群组中最佳的比对结果.本研究结合遗传算法及模拟退火算法,先利用遗传算法优化种群的概念,随着世代演进逐渐产生近似最佳解,再利用模拟退火算法进行小区块内的比对修正.实验结果显示,利用遗传算法与模拟退火算法的结合,使得遗传算法在跳脱局部最佳解的时候能有更大空间移动,而且也让模拟退火算法能有效解决经由遗传算法初步比对之后所产生的不良区域.两种算法结合的序列比对结果比任何单一算法的结果好,因此可以提升整体比对效果,将来能够为生物学家在判断未知序列功能时提供适当的帮助.

简介：目前在空间关联规则挖掘研究中,对数据的处理和算法的改进主要针对布尔关联规则挖掘,存在对空间关联规则的量化表示不够重视等问题.在FP-growth算法的基础上增加规则的事务信息,并使用模拟退火算法,对得到的规则进行进一步挖掘,得到量化空间关联规则.

简介：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.

简介：为了在ad-hoc移动朵云中高效率地解决任务分配这一核心问题,提出了一种基于启发式算法的任务分配算法.粒子群优化和模拟退火优化的任务分配算法(PSO-SA)将任务之间的依赖关系转化为有向无环图(DAG)模型,其中各个节点上的数值表示任务产生的负载,DAG的各个边的数值表示传输产生的负载.为了模拟ad-hoc移动朵云的任务分配环境,建立了数学模型来描述各个子任务之间的依赖关系并定义各个子任务的卸载成本.PSO-SA用于任务分配决策并最小化所有移动设备的成本,能耗和时间延迟同时作为卸载成本.PSO-SA结合了粒子群优化和模拟退火优化的优势,通过以一定概率选取最优解的方式,避免算法过早落入局部最优解,同时保证算法收敛速度.仿真结果表明,与其他现有算法相比,PSO-SA算法产生的卸载成本较低并且其结果可以非常接近最优解.