[发明专利]一种并行模拟退火进化方法

说明书

本发明公开一种并行模拟退火进化方法，包括以下步骤：S1：创建初始种群，随机生成具有第一解集的初始群体；S2：同时对第一解集运行模拟退火算法；S3：选取对所述第一解集运行所述模拟退火算法后产生的最优解集中的最优解；S4：判断最优解是否满足终止准则。本发明提供的一种并行模拟退火进化方法能够解决常规模拟退火算法优化速度较慢、优化效率较低的问题，提高了进行算法的优化效果和优化效率，加快了优化速度。

技术领域

本发明涉及进化计算领域。更具体地，涉及一种并行模拟退火进化方法。

背景技术

近年来，随着计算机技术的快速发展，为了在一定程度上解决大空间、非线性、全局寻优、组合优化等复杂问题，不少进化算法不断涌现，其中，模拟退火算法由于其强大的全局搜索性能，已在诸如生产调度、控制工程、机器学习、神经网络、模式识别、图像处理、离散/连续变量的结构优化问题等领域得到了广泛应用。它能有效地求解常规优化方法难以解决的组合优化问题和复杂函数优化问题，适用范围极广。

但常规的模拟退火算法是对单个解进行迭代优化，优化速度较慢、优化效率较低。

发明内容

为解决上述问题至少之一，本发明的一个目的在于提供一种并行模拟退火进化方法。

为达到上述目的，本发明采用下述技术方案：

一种并行模拟退火进化方法，包括以下步骤：

S1：创建初始种群，随机生成具有第一解集的初始群体；

S2：同时对第一解集运行模拟退火算法；

S3：选取对所述第一解集运行所述模拟退火算法后产生的最优解集中的全局最优解；

S4：判断所述全局最优解是否满足终止准则；

在S4步骤中，若全局最优解满足终止准则，则输出该全局最优解，若不满足，则对所述全局最优解运行模拟退火算法，并判断其结果是否满足终止准则，若满足，则输出该结果，若不满足，则对该结果继续运行模拟退火算法，以此类推。

优选地，所述终止准则包括：终止调节的阈值、迭代次数的阈值及当搜索到的全局最优解连续保持不变时停止搜索。

优选地，所述模拟退火算法的计算步骤包括：计算函数的最小值。其中，xi的值为-512至512。

优选地，所述第一解集中解的个数为10-100个。

本发明的有益效果如下：

本发明提供的一种并行模拟退火进化方法能够解决常规模拟退火算法优化速度较慢、优化效率较低的问题，提高了进行算法的优化效果和优化效率，加快了优化速度。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1示出本发明的实施例中的一种并行模拟退火进化方法流程示意图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

在本发明的一个实施方式中，一种并行模拟退火进化方法，如图1所示，包括以下步骤：