一种基于禁忌搜索的全局最优化模糊聚类算法

模糊C均值（FCM）算法是一种基于贪心思想的迭代算法,算法沿迭代序列收敛到一个极小值,但存在搜索能力弱、易陷入局部最优的缺点.本文提出了一种基于禁忌搜索的模糊聚类算法,该算法在一个解的邻域内使用禁忌搜索,并采用了基于FCM局部收敛性质的长期表禁忌策略,保证在不断移动搜索起点的同时避免重复搜索;其次使用混沌优化思想与动态步长策略来提升算法的全局搜索能力,以达到获取全局最优解的目的.实验结果表明,改进算法极大地提高了聚类准确率,并具有良好的稳定性,与群智算法和遗传算法的优化相比也具有一定的优势.     

时间域电磁勘探数据的模拟退火法反演研究

地电模型的高度非线性和非惟一性限制了模拟退火法反演在电磁勘探领域中的应用。该文采用改进的模拟退火算法,实现了时间域电磁法数据的模拟退火法反演。首先通过双重数字滤波方法简化了正演计算过程,然后将非线性反演问题转化为最优化问题,采用模拟退火算法搜索全局最优解。改进的搜索策略能自适应地调整搜索步长,提高了最优解的搜索效率。与传统反演方法进行对比实验,结果表明该方法能有效获得全局最优解,得到更加准确的地电模型参数。     

基于贪心遗传算法求解0-1背包问题

在解决0-1背包问题中,将贪心算法和遗传算法相结合,提出了贪心遗传算法。通过算法构造出更优的新算子,与原有算子相比,既加快了算法的收敛速度,又克服了传统方法容易陷入局部最优的特点,提高了搜索效率。通过计算机仿真试验结果表明,贪心遗传算法相比普通的遗传算法具有更好的近似解,充分证明了贪心遗传算法来求解背包问题的有效性和实用性。     

基于函数复杂度的自适应模拟退火和禁忌搜索新算法

在求解多峰复杂函数的过程中,传统的模拟退火算法和禁忌搜索算法经常出现算法快速收敛于局部最优解、后期收敛速度变慢和搜索能力变差等问题.为解决这些问题,本文给出函数复杂度的定义,并提出基于函数复杂度的自适应模拟退火和禁忌搜索算法.该算法首先根据函数复杂度自适应调整步长控制参数,然后根据调整后步长求得函数的粗糙解,在此基础上再使用初始步长求得全局最优解.实验表明,该算法不仅可以跳出局部最优解的限制,并且减少了迭代次数,有效地提高了全局和局部搜索能力.     

基于自识别交叉算子和自适应变异算子的遗传算法研究

为有效地解决遗传算法收敛速度和局部最优解的矛盾,本文提出了一种具有自识别交叉算子和基于海明距离的动态变异算子的遗传算法。自识别交叉算子保证父代的优良模式遗传到下一代,加快了算法的收敛速度;而动态变异算子扩大了搜索范围,增强了算法跳离局部最优解的能力。实验证明,两种改进算子的有效结合保证算法能以较快速度收敛于全局最优解。     

一种新的数字调制信号分类特征选择算法

针对调制信号分类特征选择问题,提出了自适应惯性权重模拟退火二进制离散粒子群算法。该算法将模拟退火算法嵌入到离散粒子群算法循环体中,利用模拟退火算法具有较强的局部搜索能力和避免陷入局部最优解的特点,解决了简单智能优化算法早熟收敛和局部搜索能力弱等问题。仿真结果表明,该算法能有效选取最优特征,性能优于简单离散粒子群算法和遗传算法。     

基于遗传模拟退火算法的Ad Hoc网络QoS路由优化

利用遗传算法具有较强的全局搜索能力和模拟退火算法具有较强的局部搜索能力的特征,提出了一种融合模拟退火策略的遗传算法来解决Ad Hoc网络中QoS路由问题.首先,利用遗传算法快速搜索到近优解,然后,使用模拟退火算法的搜索策略进行细致寻优.较好地克服两种算法各自的缺点,发挥它们的优势.实验结果表明:与单独使用遗传算法或模拟退火算法相比可获得更好的网络性能.     

基于自识别交叉算子和自适应变异算子的遗传算法研究

为有效地解决遗传算法收敛速度和局部最优解的矛盾,本文提出了一种具有自识别交叉算子和基于海明距离的动态变异算子的遗传算法.自识别交叉算子保证父代的优良模式遗传到下一代,加快了算法的收敛速度;而动态变异算子扩大了搜索范围,增强了算法跳离局部最优解的能力.实验证明,两种改进算子的有效结合保证算法能以较快速度收敛于全局最优解.     

基于差分进化和贪心策略的自定义指令选择算法研究

 本文针对常见启发式算法中忽略指令与指令实例区别的问题,改进了一个已有启发式算法GreedyHeur:根据指令实例的启发式函数值得出相应指令的权值,并根据指令的优先级关系以贪心策略进行指令实例选择.针对启发式算法无法找到最优解的问题,本文引入基于群体搜索的差分进化算法,并结合贪心策略,提出了ISDE(Instruction Selection Based on Differential Evolution)算法.ISDE算法通过简单的编码和高效的适应度评价机制,快速地迭代搜索最优指令组合.实验结果表明,GreedyHeur和ISDE算法能快速有效地找到比已有启发式算法更优的候选指令组合.     

自适应遗传退火算法在薄膜椭偏测量中的应用

将自适应遗传模拟退火混合算法应用于薄膜椭偏测量的反演问题中.由于模拟退火算法的基本思想是跳出局部最优解而得到全局最优解,因此将模拟退火思想引入到遗传算法,遗传算法和模拟退火算法相结合,组建自适应遗传模拟退火算法,从而综合了全局优化和局部搜索的特点,并通过模拟计算,验证了此方法在薄膜椭偏测量问题中的可行性及有效性,为解决...     

基于自适应SAGA的测试数据自动生成

结合遗传算法（GA）的并行搜索结构和模拟退火（SA）的概率突跳性，并结合使用自适应的交叉算子和变异算子，提出了一种高效的自适应的SAGA混合优化算法。在自主开发的结构性测试工具WBoxTool中，使用自适应SAGA混合优化策略进行测试数据自动生成，并通过实例对基本遗传算法、自适应遗传算法和自适应SAGA进行了比较，结果表明自适应SAGA具有更强的搜索能力，可以更快的发现全局最优解。     

一种针对频率分配问题的改进ANTS算法

频率分配问题是近年来通信领域研究的热点。针对FAP问题提出了一种结合模拟退火算法的改进ANTS算法。运用模拟退火算法产生次优解,利用次优解分配初始信息素,并利用ANTS算法来寻求最佳方案。在ANTS算法的每个蚂蚁寻找局部最优过程中,为了加快运算速度,对局部寻优过程进行了改进。实验结果表明,在解质量相当的情况下,该算法能够大大地加快收敛速度,特别是针对一些较复杂的分配情况,效果明显。     

Application of simulated annealing to the biclustering of gene expression data.

In a gene expression data matrix, a bicluster is a submatrix of genes and conditions that exhibits a high correlation of expression activity across both rows and columns. The problem of locating the most significant bicluster has been shown to be NP-complete. Heuristic approaches such as Cheng and Church's greedy node deletion algorithm have been previously employed. It is to be expected that stochastic search techniques such as evolutionary algorithms or simulated annealing might improve upon such greedy techniques. In this paper we show that an approach based on simulated annealing is well suited to this problem, and we present a comparative evaluation of simulated annealing and node deletion on a variety of datasets. We show that simulated annealing discovers more significant biclusters in many cases. Furthermore, we also test the ability of our technique to locate biologically verifiable biclusters within an annotated set of genes.     

一种降低OFDM系统峰均比的快速算法

OFDM技术具有较高的频谱利用率和良好的抗多径衰落性能,目前已在很多领域得到了应用,但它存在的高峰均比问题对系统的性能产生了一定影响。采用优化的模拟退火PTS算法,通过保存中间最优解,控制降温幅度,设置双阈值和链接补充搜索过程,不仅加快了普通模拟退火算法的收敛速度,而且具备良好的搜索精度。仿真结果表明,所提算法既保持较低的计算复杂度,同时具有良好的峰均功率比性能。     

SAGA在软件测试数据自动生成中的应用

总结了测试数据自动生成的通用模型,把模拟退火遗传算法(SAGA)引入模型中作为核心搜索方法,避免了单一遗传算法易陷入局部最优的问题。在算法中,通过实施模拟退火筛选、改进加速适应度函数和控制温度迭代方式达到了模拟退火算法(SA)与遗传算法(GA)的有机融合,并优化了SA的邻域构造方式,加入了遗传算法的最优保留策略,使得算法在收敛效率等方面更加有效。试验证明,该方法是有效的测试数据自动生成方法。     

模拟退火遗传算法在混凝土层析成像中的应用

混凝土超声层析成像检测中,成像结果的稳定性和精确性仍很难满足实际要求.针对这个问题,提出一种基于模拟退火遗传算法的层析成像技术,根据超声波在混凝土中的传播特点,首先在反演算法中引入物理意义明确的自然权函数,形成二次增广目标函数方程;而后加入模拟退火搜索,使层析过程加速,并改善算法收敛性和稳定性;最后通过多位变异自适应遗传算法计算最优反演层析成像结果.数值仿真实验表明,由于利用了正确的先验信息,加上遗传模拟退火算法在寻找函数极值方面具有优良的特性,计算结果准确有效,数值稳定,成像结果能真实有效地反映对象内部缺陷,分辨力得到了明显改善.     

Research on cultural algorithm for solving routing problem of mobile agent

The key idea behind cultural algorithm is to explicitly acquire problem-solving knowledge from the evolving population and in return apply that knowledge to guide the search. In this article, cultural algorithm-simulated annealing is proposed to solve the routing problem of mobile agent. The optimal individual is accepted to improve the belief space＇s evolution of cultural algorithms by simulated annealing. The step size in search is used as situational knowledge to guide the search of optimal solution in the population space. Because of this feature, the search time is reduced. Experimental results show that the algorithm proposed in this article can ensure the quality of optimal solutions, and also has better convergence speed. The operation efficiency of the system is considerably improved.     

Sum capacity of the reverse link for multi-cell multi-user cellular systems

This letter studies the information-theoretic sum capacity of the reverse link for multi-cell, multi-user cellular systems subjected to a peak power constraint. It is proven that, for the optimal scheduling, there will be at most one user transmitting at part of the peak power within each cell. Therefore, we approximate the optimization scheduling problem to a combination optimization problem which can be solved by standard simulated annealing algorithm. Further, we propose a low complexity cell greedy scheduling algorithm which can achieve almost the same performance as simulated annealing algorithm.