数学建模论文模拟退火遗传算法

问：数学建模全国获奖的论文大多都采用的是什么算法？是不是某些算法获奖的概率比较高

1. 答：应该不是算法的问题吧，主要应该还是一个思路的问题吧，创新性的突破吧，我也是刚入门的不是很了解，不过我个人就是这么想的，你是不是整理出一些获奖的都是用什么算法的规律么？
2. 答：不是什么算法！是用电脑程序能把数模的实际问题解答出来，做的好当然能获奖，关键是你编程正确就行了
   获奖概率还是挺大的

问：遗传算法、数值算法、爬山算法、模拟退火 各自的优缺点

1. 答：这些算法的本质都是随机搜索，带有随机性，对参数依赖程度还是比较强的，所以出现结果时好时坏也是正常的。
   至于这些算法的比较，你可以查查相关的论文。特别是首先提出该改进算法的论文，不过要注意，国内的论文的实验结果可信程度还是值得怀疑的
2. 答：遗传算法：优点是能很好的处理约束，能很好的跳出局部最优，最终得到全局最优解，全局搜索能力强；缺点是收敛较慢，局部搜索能力较弱，运行时间长，且容易受参数的影响。
   模拟退火：优点是局部搜索能力强，运行时间较短；缺点是全局搜索能力差，容易受参数的影响。
   爬山算法：显然爬山算法较简单，效率高，但是处理多约束大规模问题时力不从心，往往不能得到较好的解。
   数值算法：这个数值算法的含义太广，你说的是哪一种数值算法？多数数组算法与爬山算法的有优缺点类似。
   PS：望采纳！
3. 答：这些算法的本质都是随机搜索，带有随机性，对参数依赖程度还是比较强的，所以出现结果时好时坏也是正常的。
   至于这些算法的比较，你可以查查相关的论文。特别是首先提出该改进算法的论文，不过要注意，国内的论文的实验结果可信程度还是值得怀疑的。作者往往为了“证明”其算法的优势，只列举那些对算法效果有利的实验结果，不好的结果经常不列出来。所以你看到别人说什么算法好，但你自己用的时候却没发现该算法的优势也是正常的。

问：请问一下遗传算法，模拟退火算法和遗传模拟退火算法的区别，最好能有根据同一个数学问题的matalb程序源代

1. 答：遗传算法是种群择优，模拟退火是择优降火，里头的差别不大，就是生成新链，然后计算适应度什么的。这两种优化算法都能解决TSP问题，源代码没有，不过matlab有工具箱可以实现吧，你再找找。
2. 答：遗传算法全局优化能力较强，模拟退火算法局部优化能力较强，这是两者的最大区别。遗传模拟退火算法是两者的混合算法，综合了两者的优点。参考资料中是改进遗传算法解决TSP问题的matlab代码。
   一时半会应该是搞不清楚的，你可以买一本智能优化算法的书来看，详细了解一下遗传算法和模拟退火算法的原理。

问：模拟退火法（SA）和遗传算法(GA)的专业解释？

1. 答：n局部搜索，模拟退火，遗传算法，禁忌搜索的形象比喻：
   为了找出地球上最高的山，一群有志气的兔子们开始想办法。
   1．兔子朝着比现在高的地方跳去。他们找到了不远处的最高山峰。但是这座山不一定是珠穆朗玛峰。这就是局部搜索，它不能保证局部最优值就是全局最优值。
   2．兔子喝醉了。他随机地跳了很长时间。这期间，它可能走向高处，也可能踏入平地。但是，他渐渐清醒了并朝最高方向跳去。这就是模拟退火。
   3．兔子们吃了失忆药片，并被发射到太空，然后随机落到了地球上的某些地方。他们不知道自己的使命是什么。但是，如果你过几年就杀死一部分海拔低的兔子，多产的兔子们自己就会找到珠穆朗玛峰。这就是遗传算法。
   4.兔子们知道一个兔的力量是渺小的。他们互相转告着，哪里的山已经找过，并且找过的每一座山他们都留下一只兔子做记号。他们制定了下一步去哪里寻找的策略。这就是禁忌搜索。

问：我想参加九月份的数学建模大赛，可是我连门都没进。。。来得及吗？

1. 答：暑假开始系统训练就行，一般只要在开赛前自己和队友模拟一两次就差不多了，一些经典的模型熟悉就好
2. 答：来得及，暑假会有老师进行培训，但如果会一些编程或者文学功底或者分析计算能力好一些的会有一些用，网上会有一些课件之类的，你可以先看看