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: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: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: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.