功耗和时延双重驱动的VLSI布局算法

针对超大规模的门阵列和标准单元电路，本文提出一种功耗和时延双重驱动的ＶＬＳＩ布局算法．以往发表的布局算法中，很少能够同时处理功耗和时延的双重约束．在以往的时延驱动布局算法中，仅有一个算法［３］能够处理超大规模的电路；该算法尚存在以下问题：１）其基本思想只能处理组合电路；２）延迟模型过于简单，因而不适合深亚微米工艺；３）该算法不是基于全路径的．我们的算法克服了这些问题，能够精确地控制最长路径延迟，同时保证优秀的布局质量和功耗的均匀分布．而且，对于超大规模的电路，我们的算法是同类算法中最快的．     

高密度WLAN环境下传输功率控制算法的研究

提出了一种新的传输功率控制算法（TPC），该算法能够根据信道的自身干扰情况．自适应的优化算法参数，动态控制AP发射功率，在现有的信道资源下提升系统容量。给出了算法处理过程的描述．并以IEEE802．11b系统为例进行仿真。仿真结果表明：该算法能够实现在高密度、负载不均衡的WLAN环境下大大提高整个系统的吞吐量。     

一种减小关键路径延迟的回路布线法

传统的性能驱动布线算法受限于树形或固定的布线拓扑结构．本文提出一种回路性能优化布线算法，针对树形线网布线，通过在已存在的布线树上加入回路来减小所选择关键路径的延迟时间或线网的最大延迟．我们将互连线树归结为分布传输线网络并采用Ｅｌｍｏｒｅ延迟计算方法．本文证明，通过选择适当的ＲＣ，在连接节点与关键节点之间加入连线可达到减小所选择线网中关键路径延迟或线网最大延迟的目的．实验结果表明，我们的方法有效且可以集成在现有ＣＡＤ性能优化布线系统中．本文同时给出了所加入线段长度的计算方法．     

SERR:基于模拟进化技术的性能驱动总体布线算法

本文结合ＢＢＬ布图模式，以提高整个芯片的时间性能为目标，提出了关于总体布线的基于模拟进化（ＳＥ）技术的拆线与重布线算法（简称为ＳＥＲＲ算法）．ＳＥＲＲ算法对传统的顺序布线算法进行了改进，运用概率准则选择线网进行拆除与重布，具有绕开局部优化点、得到全局优化解的能力．实验证明，ＳＥＲＲ算法能够较好地达到优化整个芯片的连线延时性能的目标     

可行方向算法与模拟退火结合的NMF特征提取方法

NMF子空间特征提取被表示成一个大规模线性约束非线性优化问题．为了获得更优性能的基图像，设计了一个可行方向算法结合模拟退火算法的混合算法来求解这个优化问题．以基于梯度的可行方向算法作为局部寻优的手段，加快收敛速度；以模拟退火算法作为全局寻优的手段，避免优化过程陷入局部极小点．同时，在模拟退火操作中，采用对比度增强算法，使获得的基图像更加地空间局部化．实验表明，本文的可行方向算法比采用归一化实现等式约束的原算法在学习的最后阶段有更好的收敛速度，所获得的基图像更加地空间局部化，而且在人脸重建的应用中有更好的性能．     

基于混合优化策略的微分进化改进算法

微分进化算法具有控制参数少、鲁棒性强、易于使用等优点，并具有不同的优化策略．本文在对微分进化算法各优化策略性能进行分析的基础上，提出了基于混合优化策略的微分进化改进算法．改进算法的主要思想是将种群中的个体随机地分成两组，每组采用不同的优化策略．利用五个标准的优化算法测试函数对改进算法的收敛速度和搜索成功率进行了测试，并与动态微分进化算法和微粒群算法进行了比较．实验结果表明，本文提出的改进算法在保证算法搜索成功率的同时，大大提高了算法搜索效率．     

Ad Hoc网络中基于粒子群优化的QoS多播路由研究

针对Ad Hoc网络中带QoS约束的多播路由问题，提出了一种新的结合MAODV多播路由发现方法和粒．子群优化算法的QoS多播路由发现算法。仿真试验显示该算法较好地改进了端到端传输的代价、延时和带宽利用率，能够找到一棵消耗趋于最小、状态稳定的多播路由树。     

一种复合式索引结构及其性能比较研究

一般Hash算法中溢出桶与常规桶是通过指针连接的。对于海量数据的等值查询来说，通过指针查询是低效的。本文提出一种类似二次Hash的算法，在常规桶与桶地址表之间建立一个二叉排序树的结构．使得我们能够通过折半查找直接找到对应的桶。实验表明，该算法能够显著提高查询效率。     

一种VLSI零偏差时钟线网布线算法

本文给出了一种时钟线网布线的新算法。算法基本上消化了时钟偏差，并使线网总线长得到了最小化。其关键在于：１在旋转定位的基础上，采用平衡合并的原则构造时钟树拓扑结构，并在合并过程中，保证点与弧之间的连续优化。２根据拓扑表，确定详细布线时的连线走向，从而对总线长作出了进一步的优化。实验结果表明，我们的算法是有效的，能够较好地用一大规模集成电路的时钟线网的布线。     

动态串扰优化的开关盒布线

针对超深亚微米芯片设计中的开关盒布线问题提出了可变参数的串扰优化布线算法．该算法充分利用了双层布线资源,将动态信号波形和耦合电容结合起来考虑,进一步减小了线网间的总串扰,并力求通孔数最少．实验证明,本算法能够获得更加优化的布线方案．     

基于几种误差准则的稳健BP算法

由于标准BP算法是采用均方误差估计器，因而存在易陷入局部极小、收敛速度慢和对初始权敏感等缺陷．本文我们基于Lagrange乘子法和几种稳健解误差估计器，详细研究了一种新的稳健BP的数学理论，得到了稳健BP算法．实验表明：我们提出的算法不仅收敛速度快、对初始权不敏感，而且能够克服“异常值”的影响，对小的噪声振动及过失误差是稳健的．     

TETRA语音编码中基音预处理算法的优化

本文在TETRA语音编码的预处理部分引入了数值滤波算法。该算法能够有效去除声道的共振峰结构对基音检测的影响，进一步试验采用去均值。低通滤波和数值滤波等算法来替代原有的预处理，可以得到更好的优化效果。我们设计了普通语音、基音有抖动的语音和带有噪声干扰的语音未检验优化算法的性能。在这两种优化算法中都可以发现处理后的语音信号在时域上表现出明显的周期性特征，同时在频域上原始语音的共振峰影响被消除或得到有效抑制。     

基于H．264的视频编码器中打分过程的硬件实现

H．264／AVC与以往的视频标准（H．261、H．263、MPEG-1、MPEG-2等）相比。在算法上有着许多改进,能够在提供更高压缩率的同时提供更好的图像质量。打分过程是一种提高压缩率、保证编码质量的优化算法。本文主要介绍基于H．264标准的编码器中打分过程的算法原理及其硬件实现。     

一种求解连续对象优化问题的改进蚁群算法

蚁群算法在搜索过程中容易陷入局部最优解，且不适用于连续对象优化问题。文章针对这些问题．采用信息量变异、引入微粒群操作等方法进行改进，提出了一种引入微粒群操作的改进蚁群算法，并应用于求解连续对象优化问题。对几个典型复杂连续函数优化问题的测试研究表明，该改进算法不仅跳出局部最优解的能力更强．而且能较快地收敛到全局最优解，表明了算法的有效性。     

引导型免疫算法研究

基于免疫系统机理提出的免疫算法是一种新型的智能系统，在优化计算方面表现出巨大的潜力，具有多样性好、搜索成功率高的优点．但免疫算法在局部搜索中存在一定盲目性，搜索效率不高．本文提出引导型免疫算法，通过增强免疫算法中抗体的社会性，为免疫算法的搜索过程提供引导性，加快算法收敛速度，并对引导型免疫算法中新引入的算法参数进行了深入讨论．算法分析和仿真结果表明，引导型免疫算法在保持算法高搜索成功率的前提下，有效地提高了算法搜索效率．     

指派问题的变异蚁群算法求解

指派是现实生活中经常遇到的一类问题，文章建立了指派问题的数学模型，并用具有变异特征的蚁群算法对其加以解决。蚁群算法是一种进化算法，适合解决组合优化问题，指派问题是组合优化问题中的一个分支。实验结果表明。使用变异蚁群算法解决指派问题，提高了搜索效率，能够在短时间内得到最优分配方案。     

使用PSO算法的二阶偏振模色散自适应补偿实验

偏振模色散（PMD）已经成为高速光纤通信系统发展的严重障碍。我们将粒子群优化（Particle Swarm Optimization—PSO）算法作为偏振模色散自适应补偿中的反馈控制算法，对光链路中的PMD信号进行收索跟踪，并控制偏振控制器（Polarization Controller—PC），成功的实现了对二阶PMD的自适应补偿。实验结果表明，粒子群优化算法能够避免陷入局部极值而快速的搜索全局最佳值，同时它还具有很强的抗链路噪声的能力，补偿效果良好。     

基于数据分布特性的聚类中心初始化方法

文中提出了一种新的基于数据局部和全局分布特性的K--Means初始化方法．算法通过对数据空间进行网格化后统计每个网格中数据点数目,选取具有数目局部最大值的网格,再利用距离优化方法全局的估算出K个初始聚类中心．在人工和真实数据集上,进行了与传统的聚类中心初始化算法的比较．实验结果表明,该算法利用局部最大值网格和距离优化的方法估算的聚类中心能够在保持及改善聚类效果的同时,明显减少迭代次数,提高收敛速度．     

一种社会网络搜索免疫优化算法

社会网络搜索免疫优化算法是在社会网络体现出强大的信息搜索及传播能力的基础上，进一步提出的一种较为新型的免疫优化算法。本课题笔者在分析社会网络搜索与免疫克隆选择算法的基础上，进一步对基于社会网络搜索模型的免疫优化算法进行了探究，希望以此能够对社会网络搜索免疫优化算法的了解提供理论依据。     

三种基于进化技术的优化算法及其对比

进化算法（EA）是模仿自然界生物进化或物种的社会行为而产生和发展的随机搜索方法，这种算法能够解决许多传统方法无法解决的大规模优化问题。本文简明介绍了三种基于进化的优化算法：遗传算法、蚁群优化算法和微粒群优化算法，并在原理、参数和应用方面对它们进行了对比。