遗传算法和模拟退火算法的改进和应用

《遗传算法和模拟退火算法的改进和应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、遗传算法和模拟退火算法的改进与应用摘要(遗传算法作为一种非确定性的模拟自然算法，为复杂系统的优化提供了～种新的j孚法．尽管遗传算法在很多领域具有广泛的应用价值，但它仍存在一些问题，可以归纳为以下几点：(1)目前遗传算法很多机制和现象还缺少理论的指导，(2)遗传算法自身理论的研究有待加强。如参数的自动设置、编码方式、收敛性分析、选择策略等，它们是完善遗传算法理论不可缺少的内容。(3)如何将遗传算法与其他算法或技术相结合，以扩展遗传算法的功能和应用，则是遗传算法研究的另一方向。(4)遗传算法理论研究的目的很大程度上是为了使遗传算法具有更广泛、更容易

2、、更可靠的应用。因此加强其应用研究，使其发挥更大的作用，是非常重要的研究内容之一。模拟退火算法是模拟金属退火过程中内能逐渐减小，结构逐渐优化的原理来解决优化问题。虽然近年来得到了较快得发展，但是仍然存在许多问题。具体有以下一些问题：1冷却进度表和停止策略的选择还有待进一步的研究。2虽然模拟退火算法理论上能收敛到全局最优解，考虑到网络优化中某些问题是NP完全问题，所以应加快算法的收敛速度，以便尽快收敛到近似最优解。另外，两种算法共同面临的问题是：在实际应用中做的还不够。针对遗传算法和模拟退火算法存在的问题，在已有的研究基础上，4本文对遗传算法和模

3、拟退火算法作了一定程度的改进，并运用改进的遗传算法和模拟退火算法对实际中的若干问题进行了研究。本文具体作了以下工作：1．分析了遗传算法在求解网络优化问题时存在的问题和解决的策略，并针对遗传算法的问题采取了若干改进措施。f爵传统的遗传算法进行了改进，针对网络拓扑结构优化中的典型问题有约束的最／Ji洼成树问题(CMST问题)，将遗传算法和最优化算法结合，提出了一种混合遗传算法的解决策略。仿真结果验证了分析的正确性和算法的有效性。针对进化过程中容易陷入局部最优解的缺陷，提出了两步遗传策略，仿真结果验证了分析的中正确性和算法的有效性。改进了赌轮方式的新

4、解搜索策略，提出了遍历匹配选择的方法，并结合有条件的最佳保留策略和动态变异策略，使得在进化过程中更具有针对性，改进了遗传算法的进化方式。j2．分析了模拟退火算法的能得到全局最优解的优点，指出模拟退火收敛速度慢的缺点，提出了一种改进的快速模拟退火方法；f测试结果表明，采用改进的快速模拟退火方法可以显著地提高求解全局优化问题的计算效率a13．将遗传算法和模拟退火算法相结合，在遗传算法的选择过程中引入模拟退火的选择策略，将传统的选择方法演化为随退火温度降低而变化的动态选择策略，较好地解决了网络优化问题。4．遗传算法的应用1，I运用混合遗传算法解决了网

5、络中的有约束的最小生成树问题，仿真结果表明算法是正确的。运用改进的两步遗传算法较好地解决了旅行商问题及有时间限制的旅行商问题运用最佳保留和动态变异策略的遗传算法较好地解决了网络路由优化问题。1／5模拟退火的应用．、运用快速模拟退火算法解决了路由优化问题及ATM虚拟网络优化问题彦6将遗传算法和模拟退火算法相结合，较好地解决了网络划分问题。关键词：网络优化，遗传算法，模拟退火，通信网络，路由IMPROVEMENTANDAPPLICATIONOFGENETICANDANNEALINGALGORITHMABSTRACTAsakindofindefini

6、tesimulatedalgorithm，geneticalgorithmprovidesanewmethodforcomplexsystemoptimization．AlthoughgeneticalgorithmhaswideIvusedinmanyfields，ithasmanyproblems，including：LeSStheorylnstructioninmanyquestions．NeedtoimproveitsOWtltheorystudy，suchasparametersetting，cod‘ingmethodandSelec

7、tStrategYandastringencYanalYSlS·Supplyandbroadengeneticalgorithmwithotheralgorithms，applythemintoindustryisanotherdirection一．TheaimoftheorystudyiStoapplyItmorewidely，SOhowto印plyge’neticandannealingalgorithmintonetworkoptimizationusefulISaverylm—portanttasktoUStosimulatedanne

8、alingalgontlam．Asforsimulatedannealingalgorithm：Annealingtableandstoppingco