计算机科学与探索 ›› 2014, Vol. 8 ›› Issue (7): 886-896.DOI: 10.3778/j.issn.1673-9418.1403052
• 人工智能与模式识别 • 上一篇
林 娟+,杜庆良,杨 辉,钟一文
LIN Juan+, DU Qingliang, YANG Hui, ZHONG Yiwen
摘要: 针对模拟退火(simulated annealing,SA)算法收敛速度慢,随机采样策略缺乏记忆能力,算法内在的串行性使其具有并行化问题依赖等缺点,提出了基于粒子群优化(particle swarm optimization,PSO)算法的并行模拟退火算法。该算法利用粒子群优化算法中个体的记忆功能引导算法在解空间中开展精细搜索,在反向学习算法基础上设计新的反向转动操作机制增加了算法的多样性,借助PSO的天然并行性克服了SA的并行问题依赖性,并在集群上实现了多Agent协同进化的改进算法。对Toy模型的蛋白质结构预测问题进行了仿真实验,结果表明该算法能有效提高求解问题的质量和效率。