提出了一种基于遗传退火算法和RSSI的无线传感器网络的节点定位算法。首先利用RSSI测距技术收集网络中节点间的通信讯息和距离估计，并优选信标节点;其次通过将定位问题视为一种优化问题，采用遗传退火算法优化未知节点的定位结果。仿真实验结果表明，所提出的定位算法有较高的定位精度。

将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合，提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA)．以十杆桁架为例对此算法进行了数值实验，并将实验结果与其他优化方法相比较．算例结果表明，遗传模拟退火算法的寻优概率是100％，平均进化代数为35代，其稳定性和求解效率均高于改进的遗传算法．实验结果显示，遗传模拟退火算法在整体搜索同时，采用退火操作进行局部搜索，提高了算法的局部搜索能力，有效克服了遗传算法迭代缓慢的缺点，把遗传模拟退火算法用于钢桁架离散变量的

将模拟退火和遗传算法相结合用于聚类分析，两种算法可以相互取长补短。

代码解释的很详细，可以直接用，已经测试过了，很好用。

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.

解决经纬度坐标，一人旅行商求最短路径问题

TSP问题是典型的NP-hard组合优化问题，遗传算法是求解此类问题的一种方法，但它存在如何较快地找到全局最优解，并防止“早熟”收敛的问题。针对上述问题并结合TSP问题的特点，提出将遗传算法与模拟退火算法相结合形成遗传模拟退火算法。为了解决群体的多样性和收敛速度的矛盾，采用了部分近邻法来生成初始种群，生成的初始种群优于随机产生初始种群。仿真实验结果证明，该算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高。

遗传模拟退火算法源程序-chapter4 program.rar 觉得好的顶下哦，处女贴啊！

为了探索更高效的矩形件优化排样方法，提出了一种改进的自适应遗传模拟退火算法。设计了基于矩形件的排样次序及旋转变量的两层染色体编码方法，并采用基于临界多边形的BL定位策略实现矩形件的布局；通过构造启发式算法生成排样初始种群，然后各个种群之间通过相互竞争实现优秀个体的迁移与共享，最终搜索到最优解。标准测试问题的实验结果验证了所提算法的可行性与有效性。

集装箱装载是货物运输过程中重要的一步，其属于NP-hard问题。为了提高效率，降低成本，提出了以集装箱体积利用率最大化为目标建立三维装载模型，同时考虑体积约束、重量约束、重心约束、方向约束。利用混合遗传、模拟退火与三空间分割启发式装载算法求解模型，算法中融入局部最优解保存策略来避免局部较好解在后续的算法过程中出现适应度降低的情况。通过强异类算例与弱异类算例对算法进行性能测试，并结合具体的货物装载数据，得出三维装载图与目标函数值。结果表明，该算法应用于集装箱装载有着较好的效果。