基于遗传模拟退火算法的约束求解.pdfVIP

2009年第O6期，第42卷 Vo1．42，No．06，2009 总第210期 No．210，Tota1ly 基于遗传模拟退火算法的约束求解 孙年芳①② (①湖南娄底职业技术学院，湖南 娄底 417000：②湖南大学 软件学院，湖南 长沙 410082) 【摘 要】简述了遗传算法和模拟退火算法的特点，提 出在约束求解中将两者结合起来，能大大提高算法的效率，并对 此进行了实例分析。 【关键词】几何约束求解；参数化设计；遗传模拟退火算法 【中图分类号】TP393 【文献标识码】A 【文章编号】1002-0802(2009)06-0216-03 m Constraint Solvingbased onGeneticandSimulatedAnnealingAlgorithm 岫 C 通 ∞ 信 S SUN Nian—fang①② (@LoudiVocational＆TechnicalCollege，LoudiHunan417000，China：②SoftwaresAcademy 技 C 术 ∞ 【Abstract1Thispaperdiscussescharacteristicsofthegeneticalgorithmandthesimulatedannealing y algorithm and proposes the method for integrating the two algorithms in the process of constraint solving． Experiment indicates that theproposedmethod iSmore efficient than other common methods． [Keywords】geometricconstraintsolving：parametricdesign；geneticsimulatedannealingalgorithm 0引言 2模拟退火算法 参数化设计是现代 CAD技术的一个极为重要的组成部 模拟退火算法(SimulateAnnealing)是一种适用于大型 分，其中又以约束求解主导整个系统的优 良。由于几何约束 组合优化问题的技术，算法的核心在于模拟热力学中液体的 求解过程中的多解性，如何准确捕获设计者的意图，找到满 冻结与结晶或金属溶液的冷却与退火过程。它能够以随机搜 足用户希望的解成为 目前研究的热点和难点问题。在求解优 索技术从概率的意义上找出目标函数的全局最小点[21。在搜 化过程中引了进了各种方法和人工智能技术。遗传算法就是 索最优解的过程中，模拟退火算法除了可以接受优化解外， 这些技术中的一种。 还用一个随机接受准则有限度的接受恶化解，并且接受恶化 解的概率慢慢趋向于零，这使得算法可能从局部最优中跳 1遗传算法 出，尽可能找到全局最优解，并保证了算法的收敛。但由于 随着科学技术的迅猛发展，生物遗传的方法不断的被应 模拟退火算法对整个搜索空间的状况了解不多，不便于使搜 用到机器学习Ⅲ、优化模型系统、数值优化问题当中来，遗 索过程进入最优希望的搜索区域，从而使得模拟退火算法的 传算法 (GeneticAlgorithms，简称GA)就是这样模拟生物 运算效率不高。 的进化算法，它是由