·
搜索结果:找到“遗传模拟退火算法”相关结果45285条
排序: 按相关 按相关 按时间降序
  • 【期刊】 改进遗传模拟退火算法求解TSP

    刊名:智能计算机与应用 作者:张雁翔 ; 祁育仙 关键词:遗传算法 ; 模拟退火算法 ; 旅行商问题(TSP) 机构:太原理工大学信息化管理与建设中心 ; 太原理工大学信息化管理与建设中心 ; 山西信息规划设计院有限公司 年份:2017
    摘要:遗传算法和模拟退火算法均是解决TSP的有效方法,分析2种算法各自的优缺点,在已有遗传模拟退火算法的基础上进行改进并用于求解TSP.引用部分最近插入法、部分随机产生初始种群,减小了群体多样性与收敛速度的矛盾.在遗传算法中,使用精英保留策略对选择操作进行改进,保证种群的质量;引入进化逆转算子,使子代继承亲代的较多信息,增强搜索能力.经过国际公认的TSPLIB实验数据仿真验证,改进后的遗传模拟退火算法搜索最优能力提高.
  • 【期刊】 遗传模拟退火算法 ——黑龙江TSP问题

    刊名:价值工程 作者:姚君 关键词:遗传模拟退火算法 ; 蚁群算法 机构:黑龙江科技大学理学院 ; 黑龙江科技大学理学院 年份:2016
    摘要:以黑龙江省29个城市构造TSP问题,通过对实验数据的分析,得出了遗传模拟退火算法在求解精度上优于遗传算法或模拟退火算法.遗传模拟退火算法利用了模拟退火算法局部精确的求解能力补充了遗传算法在局部求解不够精确的弊端,从而加快了求解TSP问题的效率,同时,又将蚁群算法和遗传模拟退火算法做比较,从结果可以看出遗传模拟退火算法求解效果较好.
  • 【期刊】 基于遗传模拟退火算法的改进K-medoids算法

    刊名:吉林大学学报(工学版) 作者:韩啸 ; 刘淑芬 ; 徐天琦 关键词:遗传模拟退火算法 ; 计算机应用 ; 聚类 ; K-medoids算法 机构:吉林大学计算机科学与技术学院 ; 吉林大学计算机科学与技术学院 ; 吉林大学学报编辑部 年份:2015
    摘要:针对标准K-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的K-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准K-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准K-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。
  • 【期刊】 遗传模拟退火算法在MATLAB上的编程实现

    刊名:福建电脑 作者:廖方茵 关键词:遗传模拟退火算法 ; 遗传算法 ; TSP ; Matlab 机构:延安大学计算机学院 ; 延安大学计算机学院 年份:2015
    摘要:遗传算法和模拟退火算法均为启发式搜索算法,结构互补,可将两者结合,使用遗传模拟退火算法来求解最优化问题。使用MATLAB语言来编程实现该算法,将遗传模拟退火算法与MATLAB强大的数据处理相结合,方便用户在MATLAB上建立模型,解决最优化问题。最后给出一个实例,运行结果证实了遗传模拟退火算法在求解最优化问题上优于单一的遗传算法。
  • 【期刊】 实数编码遗传模拟退火算法SHEPWM控制技术

    刊名:电机与控制学报 作者:叶满园 ; 黄凯峰 ; 宋平岗 ; 李宋 关键词:遗传模拟退火算法 ; 三电平逆变器 ; 特定谐波消除 ; 实数编码 机构:华东交通大学电气与自动化工程学院 ; 华东交通大学电气与自动化工程学院 ; 南昌铁路局 年份:2017
    摘要:针对多电平逆变器SHEPWM(selected harmonic elimination pulse width modulation,SHEPWM)消谐模型的求解问题,提出一种遗传算法模拟退火算法相融合的新型算法.该算法根据个体适应度值进行自适应交叉和变异操作,采用模拟退火算法进行个体更新,以增加种群的多样性,增强全局寻优能力,避免陷入局部最优,并以实数编码保存个体来提高计算精度.以二极管箝位三电平逆变器SHEPWM为例,给出了全调制度下的开关角度轨迹及较高调制度下的另外两组解,绘制了谐波失真含量(total harmonic distortion,THD)随调制度变化的曲线,并给出了详细的仿真结果.最后通过建立的二极管箝位三电平逆变器实验平台进行了实验验证,仿真和实验结果证明了该算法的正确性和可行性.
  • 【期刊】 基于遗传模拟退火算法的改进K-medoids算法

    刊名:吉林大学学报:工学版 作者:韩啸[1,2] 刘淑芬[1] 徐天琦[1] 关键词:计算机应用 聚类 K-medoids算法 遗传模拟退火算法 机构:吉林大学计算机科学与技术学院 ; 吉林大学计算机科学与技术学院 ; 吉林大学学报编辑部 年份:2015
    摘要:针对标准K-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的K-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准K-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准K-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。
  • 【期刊】 基于遗传模拟退火算法的改进K-medoids算法

    刊名:吉林大学学报:工学版 作者:韩啸[1,2] 刘淑芬[1] 徐天琦[1] 关键词:计算机应用 聚类 K-medoids算法 遗传模拟退火算法 机构:吉林大学计算机科学与技术学院 ; 吉林大学计算机科学与技术学院 ; 吉林大学学报编辑部 年份:2015
    摘要:针对标准K-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的K-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准K-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准K-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。
  • 【会议】 基于遗传模拟退火算法的MPPT研究

    作者:王亚楠 ; 康英伟 关键词:遗传模拟退火算法 ; 光伏阵列 ; 最大功率点跟踪 机构:上海电力学院自动化工程学院 ; 上海电力学院自动化工程学院 年份:2015
    摘要:在分析太阳能光伏阵列工作特性和常规最大功率点跟踪(MPPT)及控制方法基础之上,本文研究了一种基于遗传模拟退火算法(GASA)的光伏系统MPPT追踪方法。该算法是将遗传算法(GA)和模拟退火算法(SA)相结合,与现有方法比较,既减少了总的计算次数,又能获得全局最优解,且满足一定的精度要求。通过Matlab仿真与传统的遗传算法进行了对比分析。分析结果显示遗传模拟退火算法可快速、精确地跟踪光伏系统最大功率点。
  • 【期刊】 基于遗传模拟退火算法的布局优化研究

    刊名:图学学报 作者:周家智 ; 尹令 ; 张素敏 关键词:矩形件排样 ; 遗传算法 ; 模拟退火算法 ; 最低水平线改进算法 机构:华南农业大学数学与信息学院 ; 华南农业大学数学与信息学院 年份:2018
    摘要:为提高矩形件排样算法的利用率与时间效率,提出将遗传算法模拟退火算法融合优化的矩形排样算法。采用带符号的十进制编码,依据矩形件长宽比和面积而生成基因序列用于建立初始种群,以随机产生若干排样顺序与排样尺寸不一的个体,并以利用率为适应度函数,修改后的最低水平线搜索算法作为排样策略,保证较优个体得以保留,减少闲置区域的产生。采用10组随机产生的矩形数据将本算法与现有文献提出的GA算法进行对比实验,实验结果显示:该算法有效地提升了排样结果的利用率与时间效率。
  • 【期刊】 车辆路线问题的自适应遗传模拟退火算法

    刊名:中国科技论文 作者:高志波 ; 龙科军 ; 王倩 ; 李峰 关键词:遗传模拟退火算法 ; 车辆路线问题 ; 多车型 ; 时间窗 ; 遗传算法 ; 模拟退火算法 机构:长沙理工大学交通运输工程学院 ; 长沙理工大学交通运输工程学院 ; 中国民航大学空中交通管理学院 年份:2017
    摘要:针对目前大多数车辆路线问题的模型和及其算法都是针对单车型而设计,而对带有时间窗的多目标多车型车辆路线问题研究较少这一不足,在考虑了车辆载货状况、车辆类型、时间窗等约束条件的基础上,建立了基于总费用最小的双层目标规划模型,其中上层目标是车辆购买成本最小,下层目标为运输距离成本最小.综合考虑自适应遗传算法和模拟退火算法的优点,设计了1种自适应遗传模拟退火算法求解车辆路线问题.算例结果表明:相比于标准遗传算法,自适应遗传模拟退火算法减少了9%的运输成本,能跳出局部收敛获得最优解,从而提供更为合理的车辆数量和车辆路线.
  • 【期刊】 改进遗传模拟退火算法在TSP优化中的应用

    刊名:控制与决策 作者:何庆;吴意乐;徐同伟; 关键词:旅行商问题;;遗传算法;;模拟退火算法;;交叉变异算子;;Metropolis准则 机构:贵州大学大数据与信息工程学院 ; 贵州大学大数据与信息工程学院 年份:2018
    摘要:针对旅行商问题(TSP)优化中,遗传算法(GA)容易陷入局部最优、模拟退火算法(SA)收敛速度慢的问题,提出一种基于改进遗传模拟退火算法(IGSAA)的TSP优化算法.首先根据优化目标建立数学模型;然后对遗传算法部分中的适应度函数、交叉变异算子进行改进,使算法能够更加有效地避免陷入局部最优;最后根据旧种群和新种群每个对应个体的进化程度提出一种改进自适应的Metropolis准则,使模拟退火算法部分的染色体跳变更具有自适应性,利于算法寻优.对不同TSP实例的实验结果表明,与其他路径优化算法优化结果相比,所提出的IGSAA算法能够对不同TSP实例优化得到更优的旅行路径.
  • 【期刊】 改进遗传模拟退火算法在TSP优化中的应用

    刊名:控制与决策 作者:何庆 ; 吴意乐 ; 徐同伟 关键词:旅行商问题 ; 遗传算法 ; 模拟退火算法 ; 交叉变异算子 ; METROPOLIS准则 机构:贵州大学大数据与信息工程学院 ; 贵州大学大数据与信息工程学院 年份:2018
    摘要:针对旅行商问题(TSP)优化中,遗传算法(GA)容易陷入局部最优、模拟退火算法(SA)收敛速度慢的问题,提出一种基于改进遗传模拟退火算法(IGSAA)的TSP优化算法.首先根据优化目标建立数学模型;然后对遗传算法部分中的适应度函数、交叉变异算子进行改进,使算法能够更加有效地避免陷入局部最优;最后根据旧种群和新种群每个对应个体的进化程度提出一种改进自适应的Metropolis准则,使模拟退火算法部分的染色体跳变更具有自适应性,利于算法寻优.对不同TSP实例的实验结果表明,与其他路径优化算法优化结果相比,所提出的IGSAA算法能够对不同TSP实例优化得到更优的旅行路径.
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转