采用了爬山法、随机重启爬山法、模拟退火法、遗传算法，手算八皇后问题的整理

基于遗传算法和模拟退火算法改进的混合模拟退火算法（解决求函数极值问题，MATLAB代码已实现）混合模拟退火算法时遗传算法和模拟退火算法的结合，在混合模拟退火算法中使用了大量的样本作为问题的可能解决方案而不是将单个样本作为一个问题的可能解决方案。对遗传算法中适应的概念进行相应改进。

针对花朵授粉算法寻优精度低、收敛速度慢、易陷入局部极小的不足,提出一种把模拟退火(SA)融入到花朵授粉算法中的混合算法。该算法通过SA的概率突跳策略使其避免陷入局部最优,并利用SA的全域搜索的性能增强算法的全局寻优能力。通过6个标准测试函数进行测试,仿真结果表明,改进算法在4个测试函数中能够找到理论最优值,其收敛精度、收敛速度、鲁棒性均比基本的花朵授粉算法(FPA)、蝙蝠算法(BA)、粒子群优化(PSO)算法及改进的粒子群算法有较大的提高;同时,对非线性方程组问题进行求解的算例应用也验证了改进算法的有效性。

智能优化算法研究（模拟退火法、神经网络、蚁群算法、遗传算法）

博客https://blog.csdn.net/xs1997/article/details/103357654#comments缺少的所用的CROSSOVER函数、OBJFUNC函数的代码，提供给大家。

包含文档、源代码、测试结果展示

固溶处理的铟镓锌氧化物薄膜晶体管的红外辐照退火

对模拟算法的介绍和简单应用 适用于初学者和对算法研究者

常用的神经网络是通过固定的网络结构得到最优权值,使网络的实用性受到影响。引入了一种基于方向的交叉算子和变异算子,同时把模拟退火算法引入了遗传算法,结合遗传算法和模拟退火算法的优点,提出了一种优化神经网络结构的遗传——模拟退火混合算法,实现了网络结构和权值的同时优化。仿真实验表明,与遗传算法和模拟退火算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。

以Ta2O5为初始膜料, 采用电子束蒸发制备了Ta2O5薄膜, 以空气和氩气分别作退火保护气氛, 以X射线粉末衍射仪(XRD)为测试手段研究了退火后薄膜的结构, 用分光光度计测试了薄膜在可见光及近红外波段的透射率, 利用透射率极小值计算了几个典型波段的折射率。研究了保温时间、保温温度、保护气氛对Ta2O5薄膜透射率和折射率的影响。试验结果表明, 对Ta2O5薄膜进行300～600 ℃下保温2 h的退火处理, 对透射率影响不大; 500 ℃下保温4 h退火处理获得的薄膜折射率最大; 对Ta2O5薄膜进行氩气保护中400 ℃下保温2 h,4 h的退火处理, 近紫外波段内的透射率峰值降低, 可见光波段的透射率峰值升高, 折射率提高。与空气中处理的试样相比较, 氩气保护中试样的透射光谱发生红移, 折射率明显提高; Ta2O5薄膜在≤600 ℃下退火后仍为非晶态。