多目标模拟退火算法及其应用研究进展

J4 ›› 2013, Vol. 35 ›› Issue (8): 77-88.

多目标模拟退火算法及其应用研究进展

李金忠,夏洁武,曾小荟,曾劲涛,刘新明,冷明,孙凌宇

（井冈山大学电子与信息工程学院，江西吉安 343009）

收稿日期:2012-07-02 修回日期:2012-10-22 出版日期:2013-08-25 发布日期:2013-08-25
基金资助:
国家自然科学基金资助项目(61163062,61063007);江西省教育厅科技项目(GJJ12487);江西省自然科学基金资助项目（20122BAB201038);江西省科技厅科技支撑项目(20122BBG70161);吉安市科技局2011年度指导性科技计划项目(19)

Survey of multiobjective simulated
annealing algorithm and its applications

LI Jinzhong,XIA Jiewu,ZENG Xiaohui,ZENG Jintao,LIU Xinming,LENG Ming,SUN Lingyu

(School of Electronic and Information Engineering,Jinggangshan University,Ji’an 343009,China)

Received:2012-07-02 Revised:2012-10-22 Online:2013-08-25 Published:2013-08-25

摘要/Abstract

摘要：

作为一种简单有效的多目标智能优化算法,多目标模拟退火(MOSA)算法已经引起了广泛研究并在许多领域得到应用。针对近二十年来MOSA算法及其应用的进展进行了系统的综述和评论。首先描述了MOSA算法的基本框架;接着讨论了几种典型的MOSA算法,重点探讨了这些算法的接受概率函数的计算方法,并对这些算法进行归类性分析;然后介绍了MOSA算法的应用进展;最后,根据当前MOSA算法的研究状况,展望了该算法若干值得进一步研究的方向和所面临的挑战。可为今后对MOSA算法的改进以及在实际工程应用中的研究提供综合参考。

关键词: 多目标优化, 多目标模拟退火, 算法, 应用

Abstract:

Multi-Objective Simulated Annealing (MOSA) algorithm has been widely studied and applied to various fields successfully as a simple and effective multi-objective intelligence optimization algorithm. A systematic survey and discussion of the development of MOSA algorithm and its application in the recent twenty years are introduced. Firstly, the generic framework of MOSA algorithm is briefly described. Secondly, several typical MOSA algorithms are discussed, calculation methods of acceptance probability functions for those algorithms are emphatically addressed, and these algorithms are classified and analyzed. Thirdly, some typical applications of MOSA algorithms are introduced. Finally, some promising directions and challenges for future research in the area of MOSA algorithm are proposed according to the present studies. This paper can provide a comprehensive reference for future study of MOSA in algorithm improvement and its practical applications.

Key words: multi-objective optimization;multi-objective simulated annealing;algorithm;application

李金忠,夏洁武,曾小荟,曾劲涛,刘新明,冷明,孙凌宇. 多目标模拟退火算法及其应用研究进展[J]. J4, 2013, 35(8): 77-88.

LI Jinzhong,XIA Jiewu,ZENG Xiaohui,ZENG Jintao,LIU Xinming,LENG Ming,SUN Li. Survey of multiobjective simulated
annealing algorithm and its applications [J]. J4, 2013, 35(8): 77-88.

[1]	闫盼，谭瑛，张建华. 一种用于进化算法历史计算数据的高效利用方法[J]. J4, 20160101, 38(01): 62-66.
[2]	张玉凤，楼芳，张历. 面向软件攻击面的Web应用安全评估模型研究[J]. J4, 20160101, 38(01): 73-77.
[3]	谢洋, 李晨, 陈小文. 面向数据密集型应用的近数据处理架构设计[J]. 计算机工程与科学, 2025, 47(05): 797-810.
[4]	杨春苗, 王杨, 韩力英, 孙赫彬. 基于生成对抗网络的跨模态图像情感感知描述[J]. 计算机工程与科学, 2025, 47(05): 894-901.
[5]	邸剑, 万雪, 姜丽梅, . 基于随机对称搜索的进化强化学习算法[J]. 计算机工程与科学, 2025, 47(05): 912-920.
[6]	申锦尚, 张庆顺, 宋铁锐. 基于FPGA的高速AES实现与列混合改进[J]. 计算机工程与科学, 2025, 47(04): 612-620.
[7]	李世杰, 刘阳, 唐晋韬, 郄航. 基于孤立集分区的并行Louvain社区发掘算法[J]. 计算机工程与科学, 2025, 47(04): 621-633.
[8]	彭林, 张鹏, 陈俊峰, 唐滔, 黄春. 基于监督学习的稀疏矩阵乘算法优选[J]. 计算机工程与科学, 2025, 47(03): 381-391.
[9]	朱琦, 戴艺, 彭晋韬, 谢旻, 梁崇山, 刘鹏, 杨博, 刘杰, . 基于“天河二号”聚合通信卸载特性的 MPI_Barrier优化[J]. 计算机工程与科学, 2025, 47(03): 400-411.
[10]	赵彩虹, 刘梓璇, 周建涛, . 一种基数为4的高基数SRT立方根算法设计与实现[J]. 计算机工程与科学, 2025, 47(02): 228-237.
[11]	袁梁勇, 齐星云, 吕方旭, 罗章, 黄恒, 张庚, 王文晨, 李萌, 赖明澈. 面向Duobinary信号的时钟恢复电路研究与设计[J]. 计算机工程与科学, 2025, 47(01): 27-34.
[12]	章政, 夏小云, 陈泽丰, 向毅. 融合强化学习的分阶段策略求解旅行背包问题[J]. 计算机工程与科学, 2025, 47(01): 140-149.
[13]	高纪元, 刘杰, 陈昌盛, 李伟, 刘影, 杨靖, . 混合策略改进的蜣螂优化算法[J]. 计算机工程与科学, 2025, 47(01): 171-179.
[14]	陈小文, 芮志超, 朱麒瑾, 董羽, 孟宇, . 高精度两步分支混合CORDIC算法设计及FPGA实现[J]. 计算机工程与科学, 2024, 46(12): 2099-2108.
[15]	沈凡凡, 汤星译, 张军, 徐超, 陈勇, 何炎祥. 基于改进萤火虫算法和长短期记忆网络的恶意行为检测方法[J]. 计算机工程与科学, 2024, 46(12): 2158-2170.