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。     

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...     

模拟退火算法及改进研究

模拟退火算法(SA)是一种适合解决大规模组合优化问题的算法。模拟退火算法源于对固体退火降温过程的模拟,采用Metropolis准则,包括状态空间、状态产生函数、冷却进度表和Metropolis准则及内外循环终止的准则等几要素。模拟退火改进策略主要有自身要素的改进和与其它搜索算法相结合。SA与GA(遗传算法)相结合,可使算法在全局和局部的搜索能力均有提高,是近几年研究的热点。     

遗传模拟退火算法在玻璃和晶体色散方程参量反演中的应用

根据已测K9玻璃和晶体(ZnS,MgF2,Calcite)的实验数据,将遗传模拟退火算法应用于修正的Sellimeier方程的参数反演中,建立了上述材料的色散方程。同时比较了遗传模拟退火算法和遗传算法(包括标准遗传算法和多种群遗传算法)在迭代搜索性能方面的差异。结果表明:遗传模拟退火算法的优化效果最优并且性能最稳定。同时,将通过遗传模拟退火算法所得K9玻璃和晶体在某一光谱区域的色散方程应用于其他光谱区域中,发现色散方程的拟合值与实验值符合较好,这表明通过该方法所得色散方程具有较好的外推性。因此,通过遗传模拟退火算法进行色散方程的参量反演方法可以用于其他材料色散方程的拟合。     

改进的遗传算法在(N+M)容错系统优化中的应用

根据(N M)容错控制系统模型高度非线性和复杂性的特点，尝试用一种改进的遗传算法来实现对此类复杂模型的优化求解。模拟退火和分层遗传算法是2种较好的改进遗传算法性能的方法，通过对其进行研究，将这两种思想有机地结合起来，提出了一种基于模拟退火机制的分层遗传算法。该算法以分层遗传算法流程作为主体流程，把模拟退火机制融入其中，用以调整优化群体。并将他应用于(N M)容错系统的数学模型的优化。仿真结果表明，该算法与传统遗传算法相比，不仅能增强算法的全局收敛性，还能加快遗传进化速度，得到满意的全局最优解。     

基于遗传模拟退火算法的DNA多序列比对研究

针对生物信息学中DNA多序列比对问题,提出了一种基于遗传算法和模拟退火算法相结合的求解算法:在遗传模拟退火算法中,利用模拟退火算法针对遗传算子进行改进来提高算法的效率,由遗传算法进行全局搜索,模拟退火算法用于局部寻优,防止遗传算法的早熟收敛。通过与经典比对算法ClustalX和经典遗传算法进行比对研究,结果表明该算法是有效的。     

基于模拟退火思想改进的粒子群算法求解背包问题

针对典型的背包问题,给出了一种基于粒子群算法的求解方法。考虑到粒子群算法在解决问题时容易陷入局部最优的缺点,将模拟退火（SA）思想引入到了粒子群算法中,得到了粒子群——模拟退火算法。该算法保持了粒子群算法原有的简单易实现特点,同时改善了粒子群算法易陷入局部最优的缺点。实验结果表明,该算法具有较好的求解质量。     

基于改进模拟退火的遗传算法求解0-1背包问题

引入改进的模拟退火思想来改进遗传算法.本算法结合了遗传算法和模拟退火算法的优点,并有效地克服了各自的弱点,使其在优化性能、优化效率和可靠性方面具有明显的优越性.运用本算法求解不同种群规模的0-1背包问题,数值试验结果表明,算法既具有较快的收敛速度,又能够收敛到最优解,优于遗传算法和模拟退火算法.     

智能优化算法自动生成软件测试数据的方法探析

软件测试是保证软件质量的有效手段,智能演化算法用于解决软件测试中路径覆盖测试数据的生成问题。本文简要说明了软件测试的类型,分析其中白盒测试的路径覆盖问题、程序插装以及将软件测试数据生成问题转化为优化问题的思想;在随后的智能优化算法部分,介绍了二种智能优化算法,并以其中的遗传算法为例,详细给出了使用遗传算法生成测试数据的步骤,进而说明智能演化算法自动生成测试数据的思想和方法。     

基于模拟退火遗传算法的图像增强

针对传统图像增强方法存在的不足,提出了一种基于模拟退火遗传算法的图像增强算法。首先将图像增强过程参数编码成为遗传算法中的个体,然后通过模拟自然界生物进化过程对参数进行寻优,并引入模拟退火算法克服种群退化现象,同采用动态自适应交叉、变异过程防止局部最优解出现,最后根据找到的最优参数实现图像增强处理,并且采用仿真对比实验对算法有效性和优越性进行测试。仿真实验结果表明,相对于当前其它图像增强算法,模拟退火遗传算法可以恢复图像细节信息,提高了对比度,图像质量得到增强。     

基于模拟退火遗传算法的波束图设计

针对传统的标准遗传算法应用于传感器阵列的波束图设计时,存在收敛速度慢和计算结果稳定性低的问题,文中提出了一种模拟退火遗传算法.该算法对标准遗传算法的适应度函数、交叉算子和异化算子等多个要素分别进行了改进,并融入了模拟退火算法.模拟退火遗传算法应用于波束图设计时,具有较快的收敛速度和较高的稳定性.仿真结果表明基于该算法的波束图设计方法,获得了比传统方法旁瓣级更低的波束图.     

实现ICF均匀照明的二元光学器件的混合优化设计

结合模拟退火和遗传算法各自的特点，提出了一种混合算法，用以设计阵列型惯性约束核聚变（ＩＣＦ）均匀照明系统中二元阵列单元的位相分布。混合算法充分利用了遗传算法的并行性及保留一定历史信息的特性，并用模拟退火的温度参数控制收敛性。模拟运算表明，混合算法具有较高的效率及寻优可靠性。用本算法设计的均匀照明阵列，可以得到顶部均匀性为３．２％（ｒｍｓ）、能量利用率接近９０％的焦斑     

Comparing Three Heuristic Search Methods for Functional Partitioning in Hardware–Software Codesign

This paper compares three heuristic search algorithms: genetic algorithm (GA), simulated annealing (SA) and tabu search (TS), for hardware–software partitioning. The algorithms operate on functional blocks for designs represented as directed acyclic graphs, with the objective of minimising processing time under various hardware area constraints. Thecomparison involves a model for calculating processing time based on a non-increasing first-fit algorithm to schedule tasks, given that shared resource conflicts do not occur. The results show that TS is superior to SA and GA in terms of both search time and quality of solutions. In addition, we have implemented an intensification strategy in TS called penalty reward, which can further improve the quality of results.     

Comparison of a genetic algorithm with a simulated annealingalgorithm for the design of an ATM network

The genetic algorithm (GA) and simulated annealing algorithm (SA) are empirically compared for the problem of optimizing the topological design of a network. In addition to the usual problem of optimizing only the placement of links, in this paper the number and placement of concentrators are also decision variables for a class of problems using a real set of concentrators, links, and traffic. The average GA solution cost less than the average SA solution     

一种基于混合智能算法的协作中继选择新方法

针对多用户多中继场景下协作通信系统的中继选择问题,提出了一种基于混合智能算法的协作中继选择新方法。不同于现有的为每个源节点分配一个中继节点的中继选择方法,新方法建立了为每个源节点分配一个或多个中继节点的优化模型,以最大化多用户多中继协作系统的最小接收信噪比为优化目标,采用结合了模拟退火与遗传算法的混合智能算法来搜寻中继选择问题的最优解。仿真结果表明,所提方法可显著提高目的端的接收信噪比,且算法具有较强的全局搜索和快速寻优能力。     

一种结合模拟退火和贪心策略的社团识别算法

为了提高复杂网络社团识别的精度和速度,文中结合模拟退火和贪心策略识别社团结构的优势,提出一种新的社团识别算法。该算法利用贪心策略引导模拟退火搜索最优解过程中单个结点的无规则盲目移动,消除了大量无效移动,在搜索到全局最优解的情况下,将搜索时间大幅缩减。实验表明,SAGA具有强大的搜索能力和较快的模拟退火执行速度,可获得较高的模块度,达到较为准确的社团分割,且具有一定的应用价值。     

Research on tasks schedule and data transmission of video sensor networks based on intelligent agents and intelligent algorithms

As a novel application technology, wireless video sensor networks become the current research focus, especially on target tracking and surveillance scenario. Based on multiple agents'technique, this article introduces a series of intelligent algorithms such as simulated annealing algorithm (SA), genetic algorithm (GA), and ant colony optimization algorithm (ACO) or their mixed algorithms, to resolve the optimization of tasks schedule and data transmission. This article analyzes the performance of abovementioned algorithms and verifies their feasibility associated with agents. The simulations demonstrates that the mixed algorithms based on SA and GA obtain the optimal solution to tasks schedule, and those combined with SA-ACO show advantages on multimedia sensor networks routing optimization.     

提高计算机制全息图再现像质的有效方法

结合遗传算法和模拟退火算法的特点提出整体退火遗传算法 (GASA)对相息图位相分布进行设计 ,从而达到降低噪声、提高再现像质的目的。该混合算法充分利用了GA的并行性及保留一定历史信息的特点 ,用SA的温度参数控制收敛性。利用空间光调制器作为记录装置 ,实验结果表明 :对于 6 4× 6 4像素的相息图 ,位相量化级达 16时 ,优化结果较理想 ,实验结果与计算机模拟再现像吻合得非常好。与传统模拟算法计算结果比较 ,在相同条件下 ,衍射效率和信噪比都有所提高 ,表明该方法具有较高的效率寻优可靠性     

Optimization of Cognitive Radio System Using Simulated Annealing

Cognitive radio (CR) technology has introduced a revolution in wireless communication network and it is capable to operate in a continuously varying radio frequency environment that depends on multiple parameters. In this paper, optimization of CR system has been achieved using simulated annealing (SA) Technique. SA is a stochastic global optimization technique that exploits an analogy between the way in which a metal cools and freezes into a minimum energy crystalline structure. SA has been used to meet the quality of service (QoS) that is defined by the user in terms of minimum transmit power, minimum bit error rate, maximum throughput, minimum interference and maximum spectral efficiency. The results obtained by SA are compared with the genetic algorithm (GA) results for the various QoS parameters and it has been observed that SA is outperforming GA in CR system optimization.