企口硬木地板廠家在差異范圍的展開(kāi)

企口硬木地板廠家在差異范圍的展開(kāi)

同年，江加等人對(duì)模擬退火算法在連續(xù)變量全局優(yōu)化問(wèn)題中的應(yīng)用進(jìn)行了研究，并給出了具體的實(shí)現(xiàn)步驟，介紹了實(shí)用的選擇控制參數(shù)的方法，企口硬木地板廠家針對(duì)連續(xù)變量的特殊性，也給出了實(shí)用的新解產(chǎn)生方法；同年，楊慶之等人為了解決標(biāo)準(zhǔn)模擬退火算法搜索空間過(guò)大，難以利用領(lǐng)域知識(shí)等問(wèn)題，提出了具有約東指導(dǎo)的模糊退火算法，并給出了關(guān)于抽樣次數(shù)選擇、新解產(chǎn)生等問(wèn)題的一些新方法，以間歇過(guò)程生產(chǎn)調(diào)度為背景進(jìn)行的算法仿真實(shí)驗(yàn)表明，應(yīng)用該算法后，收斂速度有了較大的提高高齊圣等人于2002年基于均勻設(shè)計(jì)的思想，針對(duì)參數(shù)設(shè)計(jì)中的一類(lèi)非線性規(guī)劃問(wèn)題提出了一種用于全局優(yōu)化的模擬退火并行算法：同年，耿平等人使用人工神經(jīng)網(wǎng)絡(luò)的方法建立多變量與多目標(biāo)函數(shù)之間的關(guān)系，并將模擬退火算法與人工神經(jīng)網(wǎng)絡(luò)BP（ErrorbackPropagation）算法相結(jié)合，解決了這類(lèi)復(fù)雜系統(tǒng)中多函數(shù)變量與多目標(biāo)函數(shù)之間沒(méi)有確定的解析關(guān)系而無(wú)法直接優(yōu)化的難題，并為解決多變?cè)蔷€性復(fù)雜系統(tǒng)的優(yōu)化問(wèn)題提供了一種新的、的方法。

目前，模擬退火算法迎來(lái)了興盛時(shí)期，無(wú)論是理論研究還是應(yīng)用研究都成為了十分熱門(mén)的課題。尤其是模擬退火算法的應(yīng)用研究顯得格外活躍，已被用于經(jīng)濟(jì)、超大規(guī)模集成電路的計(jì)算機(jī)的輔助設(shè)計(jì)、模式識(shí)別和圖像處理、求解“NP完全問(wèn)題”、圖的分配問(wèn)題、人工智能和人工神經(jīng)網(wǎng)絡(luò)、離散/連續(xù)變量的結(jié)構(gòu)優(yōu)化問(wèn)題等，企口硬木地板廠家在化學(xué)工程、系統(tǒng)科學(xué)和管理、光學(xué)工程、地球物理反演等領(lǐng)域都得到了應(yīng)用。在它得到實(shí)際應(yīng)用后，由于在解決局部小問(wèn)題上的突出表現(xiàn)而迅速得到人們的青睞，也引起了眾多學(xué)者廣泛的研究興趣，使模擬退火算法得到了突飛猛進(jìn)的發(fā)展。

國(guó)內(nèi)引進(jìn)模擬退火算法的歷史較短，相比于遺傳算法、蚊群算法所進(jìn)行的研究也不是很多，而且大多數(shù)都是關(guān)于模擬退火在工程等方面的實(shí)際應(yīng)用以及考察算法的實(shí)際效果和效率，較少對(duì)其理論性有深入的研究下面介紹經(jīng)常在實(shí)際中被應(yīng)用的模擬退火算法的改進(jìn)算法模擬退火算法在迭代過(guò)程中不但能夠接受目標(biāo)函數(shù)向好的方向前進(jìn)的解，而且能夠在定限度內(nèi)接受使目標(biāo)函數(shù)惡化的解，這使得算法能夠地跳出局部小的陷，但對(duì)于具有多個(gè)值的工程問(wèn)題，該算法就很難保證終得到的優(yōu)解是整個(gè)搜索過(guò)程中曾經(jīng)到達(dá)過(guò)的優(yōu)解。為了解決這一問(wèn)題，企口硬木地板廠家可以為算法增加一個(gè)“記憶器”.通過(guò)“記憶器”來(lái)記住搜索過(guò)程中曾經(jīng)出現(xiàn)過(guò)的好結(jié)果，從而可以提高終得到的優(yōu)解的質(zhì)量具有記憶能力的模擬退火算法的詳細(xì)實(shí)現(xiàn)過(guò)程。