模拟退火（SA）是解决多维全局优化问题的非常有用的随机方法，可确保收敛到全局最优。 本文提出了一种用于模拟退火程序的可变冷却因子（VCF）模型，作为一种确定最佳退火算法的新冷却方案，该算法称为Powell模拟退火（PSA）算法。 PSA算法旨在加快退火过程，并找到多个变量的测试函数的全局最小值，而无需计算其导数。 它已在二维的Rosenbrock谷和3、4和8的多极函数中被应用并与SA算法以及Nelder和Mead Simplex（NMS）方法进行了比较。 事实证明，PSA算法更可靠，并且始终能够以最少的迭代次数和计算时间找到最佳值或非常接近最佳值的点。 基于它们的相对冷却速率，VCF与Lundy和Mees，线性，指数和几何冷却方案相比具有优势。 PSA算法还经过编程，可以在可简化组合优化问题计算的android智能手机系统（ASS）上运行。
2021-11-09 11:02:55
579KB
1
【bp预测】基于模拟退火遗传算法优化BP神经网络的钢带厚度预测matlab源码.zip
2021-11-04 11:05:35
1.53MB
1
【路径规划】基于粒子群结合模拟退火算法求解无人机三维路径规划含障碍matlab源码.zip
2021-11-02 22:43:37
1.73MB
1
【VRP问题】基于模拟退火算法改进遗传算法实现带时间窗车辆路径规划问题VRPTW matlab源码.zip
2021-11-02 17:06:52
1.49MB
1
【VRP问题】基于模拟退火改进遗传算法求解带时间窗含充电站的车辆路径规划问题EVRPTW matlab源码.zip
2021-10-31 17:39:46
708KB
1