跳到内容
得到许可的 未经许可 需要身份验证 发布人:德古意特出版社 2022年5月31日

求解旅行商问题的精细描述性抽样模拟退火算法

  • 梅里姆·谢拉布里 , 梅格杜达·乌尔比·塔里 电子邮件徽标 梅里姆·布巴鲁

摘要

模拟退火算法是一种流行的智能优化算法,已成功应用于许多领域。在本文中,我们在Windows环境下提出了一个名为goRDS的软件组件,它用MATLAB编程语言实现了一个高质量的精细描述采样(RDS)数字生成器。该生成器的目的是通过RDS方法对随机输入进行采样,该方法用于带有交换运算符的Simple SA算法。通过这种方式,称为RDS-SA算法的新概率元神经算法将增强带有交换算子的简单SA算法、SA算法以及可能具有更好质量和精度的解决方案的变体。为此,通过充分的统计测试对goRDS生成器进行了高度测试,并与MATLAB的随机数生成器(RNG)进行了统计比较,证明goRDS较好地通过了所有测试。对基准旅行商问题(TSP)进行了仿真实验,结果表明,使用RDS-SA算法得到的解比使用交换算子的简单SA算法的解具有更好的质量和精度,因为软件组件goRDS比通常的RNG更好地表示SA输入随机变量的概率行为。

致谢

我们感谢阿尔及利亚高等教育和科学研究部科学研究和技术发展总局作为赞助机构。

工具书类

[1]A.Aloui和M.Ourbih-Tari,精细描述性抽样的使用及其在并行蒙特卡罗模拟中的应用,计算。通知。30(2011),第4期,681-700。在谷歌学者中搜索

[2]A.Aloui、A.Zioui、M.Ourbih-Tari和A.Alioui,使用精确描述性采样的通用模块,用于安装在仿真系统中,计算。统计师。30(2015),第2期,477–490。10.1007/s00180-014-0545-7在谷歌学者中搜索

[3]L.Baghdali-Ourbih、M.Ourbih-Tari和A.Dahmani,在三相离散事件模拟模型中实现精细的描述性采样,通信统计。模拟计算。46(2017),第5期,4035–4049。10.1080/03610918.2015.1085557在谷歌学者中搜索

[4]L.Baiche和M.Ourbih-Tari,使用精细描述性抽样进行模拟的大样本方差:自变量的情况,通信统计。理论方法46(2017),第1期,510-519。10.1080/03610926.2014.997362在谷歌学者中搜索

[5]H.Bayram和R.öahin,求解旅行商问题的一种新的模拟退火方法,数学。计算。申请。18(2013),第3期,313–322。10.3390/立方米18030313在谷歌学者中搜索

[6]M.Boubalou、M.Ourbih-Tari、A.Aloui和A.Zioui,通过测试生成器“getRDS”和使用方差缩减的拟议“getLHS”比较蒙特卡罗模拟中的M/G/1队列估计量,蒙特卡洛方法应用。第25期(2019年),第2期,177–186页。2019-2033年10.1515/mcma在谷歌学者中搜索

[7]B.Cakir、F.Altiparmak和B.Dengiz,随机装配线平衡的多目标优化:混合模拟退火算法,计算。工业。Eng.60(2011),376–384。2016年10月10日/j.cie.2010.08.013在谷歌学者中搜索

[8]V.乔恩,旅行推销员问题的热力学方法:一种有效的模拟算法,J.优化。理论应用。45(1985),第1期,第41–51页。2007年10月10日/BF00940812在谷歌学者中搜索

[9]I.T.Dimov,应用科学家蒙特卡罗方法,《世界科学》,哈肯萨克出版社,2008年。10.1142/2813在谷歌学者中搜索

[10]G.Dueck和T.Scheuer,阈值接受:一种通用优化算法,其性能优于模拟退火,J.计算。物理学。90(1990),第1期,161–175。10.1016/0021-9991(90)90201-B在谷歌学者中搜索

[11]R.W.Eglese,模拟退火:运筹学的工具,《欧洲期刊》。第46号决议(1990年),第3号,271–281。10.1016/0377-2217(90)90001-R在谷歌学者中搜索

[12]A.E.S.Ezugwu、A.O.Adewumi和M.E.Frincu,基于模拟退火的共生生物搜索优化算法求解旅行商问题,专家系统。应用77(2017),189–210。2016年10月10日/j.eswa.2017.01.053在谷歌学者中搜索

[13]X.Geng、Z.Chen、W.Yang、D.Shi和K.Zhao,基于贪婪搜索的自适应模拟退火算法求解旅行商问题,申请。软计算。11 (2011), 3680–3689.2016年10月10日/j.asoc.2011.01.039在谷歌学者中搜索

[14]J.Helton和F.Davis,拉丁超立方体采样和复杂系统分析中的不确定性传播,Reliab公司。工程系统。《安全》81(2003),23–69。10.2172/806696在谷歌学者中搜索

[15]K.Idjis、M.Ourbih-Tari和L.Baghdali-Ourbih,差异减少 M(M) / M(M) / 1 使用精细描述性抽样的再审队列,通信统计。仿真计算。46(2017),第6期,5002–5020。10.1080/03610918.2016.1140778在谷歌学者中搜索

[16]L.Ingber,非常快速的模拟重新连接,数学。计算。《建模12》(1989年),第8期,967–973。10.1016/0895-7177(89)90202-1在谷歌学者中搜索

[17]S.Kirkpatrick、C.D.Gelatt,Jr.和M.P.Vecchi,通过模拟退火进行优化,《科学》220(1983),第4598、671–680号。10.1126/科学220.4598.671在谷歌学者中搜索公共医学

[18]S.W.Lin、V.F.Yu和S.Y.Chou,基于模拟退火启发式算法求解卡车和拖车路径问题,计算。操作。第36号决议(2009年),1683-1692。10.1016/j.cor.2008.04.005在谷歌学者中搜索

[19]林毅、卞中、刘晓红,为自适应混合模拟退火禁忌搜索算法开发动态邻域结构,以解决对称旅行商问题,申请。软计算。49 (2016), 937–952.2016年10月10日/j.asoc.2016.08.036在谷歌学者中搜索

[20]P.Lucic和D.Teodorovic,多目标机组滚动问题的模拟退火,运输。第33号决议(1999年),19-45。在谷歌学者中搜索

[21]M.Ourbih-Tari和A.Aloui,抽样方法和蒙特卡洛模拟的并行性,J.统计。高级理论应用。2(2009),第169–192页。在谷歌学者中搜索

[22]M.Ourbih-Tari和S.Guebli,模拟输入变量值选择方法的比较,ESAIM概率。《美国联邦法律大全》第19卷(2015年),第135–147页。10.1051/ps/2014020在谷歌学者中搜索

[23]M.Ourbih-Tari、A.Zioui和A.Aloui,使用精细描述性抽样模拟平稳M/G/1排队系统的方差减少,通信统计。仿真计算。46(2017),第5期,3504–3515。10.1080/03610918.2015.1096374在谷歌学者中搜索

[24]K.K.Sabelfeld,求解瞬态漂移扩散反应问题的球面随机行走算法,蒙特卡洛方法应用。23(2017),第3期,189–212。10.1515/mcma-2017-0113在谷歌学者中搜索

[25]K.K.Sabelfeld和G.Eremeev,用于模拟均匀爆破成核的运动-热力混合蒙特卡罗模型,蒙特卡洛方法应用。24(2018),第3期,193-202。10.1515/mcma-2018-0017年在谷歌学者中搜索

[26]K.K.Sabelfeld和N.A.Simonov,边值问题的随机方法。高维PDE和应用的数值,De Gruyter,柏林,2016年。10.1515/9783110479454在谷歌学者中搜索

[27]R.Sahin,求解双目标设施布局问题的模拟退火算法,专家系统。申请。38(2011),第4期,4460–4465。2016年10月10日/j.eswa.2010.09.117在谷歌学者中搜索

[28]H.Szu和R.Hartley,快速模拟退火,物理学。莱特。A 122(1987),157-162。10.1063/1.36250在谷歌学者中搜索

[29]K.Tamiti、M.Ourbih-Tari、A.Aloui和K.Idjis,方差减少、相对误差和偏差在测试 M(M) / G公司 / 1 蒙特卡罗模拟中的重试队列估计,蒙特卡洛方法应用。24(2018),第3期,165–178。10.1515/立方厘米-2018-015在谷歌学者中搜索

[30]M.Tari和A.Dahmani,精细描述性抽样:一种更好的蒙特卡罗模拟方法,模拟。模型。实践理论14(2006),143-160。10.1016/j.simpat.2005.04.001在谷歌学者中搜索

[31]Z.Wang、X.Geng和Z.Shao,一种求解旅行商问题的有效模拟退火算法,计算。理论。纳米科学6(2009),1680-1686。10.1166/jctn.2009.1230在谷歌学者中搜索

[32]S.Zhan、J.Lin、Z.Zhang和Y.Zhong,基于列表的旅行商问题模拟退火算法,计算。因特尔。神经科学。2016 (2016), 8–18.10.1155/2016/1712630在谷歌学者中搜索公共医学公共医学中心

[33]R.Zhang和C.Wu,job shop调度问题的混合免疫模拟退火算法,申请。软计算。10 (2010), 79–89.2016年10月10日/j.asoc.2009.06.008在谷歌学者中搜索

[34]D.Zhao、W.Xiong和Z.Shu,求解旅行商问题的混合局部搜索模拟退火算法,J.计算。西奥。纳米科学。12 (2015), 1165–1169.10.1166/jctn.2015.3868在谷歌学者中搜索

[35]A.-H.Zhou、L.-P.Zhu、B.Hu、S.Deng、Y.Song、H.Qiu和S.Pan,基于模拟退火和基因表达式编程的旅行商问题算法,信息10(2019),10.3390/info10010007。10.3390/info10010007在谷歌学者中搜索

收到:2021-02-27年
修订过的:2022-04-03
认可的:2022-04-14
在线发布:2022-05-31
印刷出版:2022-06-01年

©2022 Walter de Gruyter GmbH,柏林/波士顿

于2014年3月28日从下载https://www.degruyter.com/document/doi/10.1515/mcma-2022-2113/html
滚动到顶部按钮