基于改进混合遗传算法的信道分配研究

用遗传与模拟退火相结合的混合算法对信道分配问题进行研究,并通过加入"寻优式爬山"与大规模基因突变两种优化方法对混合算法进行改进,克服了一般遗传算法收敛速度慢以及易于陷入局部最优解的缺点。给出了算法的实现流程,并针对几个典型信道分配问题对一般遗传算法、遗传与退火混合算法、改进后的混合算法进行仿真。仿真结果证明改进算法较其他2种算法至少节省80%的时间,并具有更好的稳定性,是解决信道分配问题的一种很好的算法。     

改进模拟退火算法在FBG传感网络中的应用

通过分析传统模拟退火（Simulated Annealing）算法的原理和存在的不足,提出了一种改进的模拟退火算法.改进的算法增加了记忆当前最好状态的功能以避免遗失当前最优解,并设置双阈值使得在尽量保持最优性的前提下减少计算量.根据光纤光栅传感网络谱形状复用技术和模拟退火算法的特征,设计了高效的计算能量增量的方法,加快了算法的运行速度.仿真和实验结果表明,改进的算法比传统的模拟退火算法在解决光谱形状复用技术问题上具有更快的收敛速度,解的质量也有很大程度的提高.     

基于粒子群算法的软件可靠性分配问题研究

针对软件可靠性分配中不易求解全局最优解这一问题,将可靠性指标分配到每个模块中,并利用改进的粒子群优化算法来搜索模型的最优解.实验结果表明,改进的粒子群优化算法在求解软件可靠性分配问题时的效果优于遗传算法等其他智能优化算法.     

基于非信任中继协作的保密通信联合功率控制

针对多个与基站(BS, base station)无直达链路蜂窝边缘移动站(MS, mobile station)在上行链路具有保密信息传输需求且存在不信任中继（UR, untrusted relay）协作通信场景,引入目的节点（即BS）干扰机制,并研究MS固定传输功率下UR与BS功率分配以最大化系统安全速率问题。分析表明,该联合功率控制问题等价于联合接入控制与功率分配问题因而是NP-难。通过问题松弛,提出一种次优MS接入控制与基于交替优化的功率分配算法,并证明该次优算法具有多项式复杂度且至少收敛到原始问题一个次优解。仿真结果表明,所提次优算法相对于同场景各种参考算法在系统可达安全速率性能上有显著提高。     

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。     

编码协作系统的一种功率分配算法

针对编码协作系统中源节点和中继节点只根据协作程度分配功率导致系统资源利用率较低的问题,提出了一种使用码率兼容删除卷积码(RCPC)编码的协作系统次优功率分配算法。该算法依据协作程度和信道状态信息推导出了目的节点误比特率的上限表达式,降低了该误比特率上限,得到了功率分配的次优解,从而提高了系统的资源利用率,且实现复杂度较低。仿真结果表明理论误比特率上限是一条紧界,提出的自适应功率分配(APA)算法与只考虑协作程度的平均功率分配(EPA)算法相比,在误比特率为10-2时最大可提供约4dB的信噪比增益。     

基于模拟退火算法的平面稀疏阵优化

大规模稀疏阵列优化时,解空间十分庞大,一般优化算法难以实现.模拟退火算法不是一种解空间遍历算法,因而非常适合用于解决此类问题.利用平面阵的对称性,对解空间进行镜像压缩,进一步提高了优化效率.利用解空间压缩后的模拟退火算法优化得到了一种副瓣特性优良的稀疏布阵方式.     

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。     

存在信道反馈延迟时Turbo-BLAST系统的自适应功率分配算法

该文针对信道反馈有延迟的Turbo-BLAST系统,以误比特率(Bit Error Rate, BER)为优化目标,提出次优和最优两种自适应功率分配算法。通过系统建模和性能分析,推导出系统瞬时信噪比(Signal Noise Ratio, SNR)的条件概率密度函数,利用数学变换得到信道反馈有延迟时系统BER的表达式。发送端在总功率约束条件下,分别采用拉格朗日极值法和牛顿迭代法求解功率分配矩阵的次优解与最优解。接收端采用基于迫零(Zero Forcing, ZF)准则的软干扰抵消算法进行迭代检测。仿真结果表明,和等功率分配相比,采用该文所提两种算法均可改善系统的BER性能。最优功率分配算法以增加计算复杂度为代价更好地改善了系统的BER性能,而接收端的迭代检测可进一步改善系统性能。     

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。     

基于模拟退火算法的风电场消纳线路负载拓扑结构研究

基于当前线路负载率具有较高的突发性、较高的实时性等特点,将对线路资源利用率和电流控制问题所采用的模拟退火算法进行风电场拓扑结构模型优化。利用模拟退火算法对线路负载均衡问题进行搜索,随后在全局最优区域附近进行局部拓扑结构优化,就可以找到线路负载均衡问题最优解。仿真研究表明,此方法不但完善了局部搜索速度,还提高了线路消纳的利用率,明显改善了线路拓扑负载不均衡的情形,进而可以为大型风电场建设中的功率设备线路拓扑优化提供有效的参考。     

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.     

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.     

基于变异算子与模拟退火混合的人工鱼群优化算法

人工鱼群算法(AFSA)是一种新型的群智能随机全局优化技术.本文在分析AFSA存在不足的基础上,提出了基于变异算子与模拟退火混合的人工鱼群优化算法.该算法保持了AFSA算法简单、易实现的特点,克服了人工鱼漫无目的随机游动或在非全局极值点的大量聚集,显著提高了算法的运行效率和求解质量.通过函数和实例测试验证,表明了该算法是可行和有效的.     

Telecommunication access network design with reliability constraints

In this paper, we study the problem of the design of telecommunication access networks with reliability constraints. These networks form an important part of the telecommunications infrastructure of large organizations, such as banks. Using data patterned after an actual bank network in the U.S., we formulate an optimization model for this problem which specifically takes into account the various cost, and discount structures offered by telecommunication carriers. We then develop dedicated solution procedures for obtaining solutions. Starting from a cluster solution, we then use perturbation techniques which we developed specifically for this problem within an overall simulated annealing solution algorithm. We show how to make the solution procedure more efficient by implicitly determining the values for many variables. We then report the results of our computational testing for a variety of problems. We compare our solution to a lower bound obtained using a linear programming relaxation. We show that substantial cost savings can be realized with our model, and solution procedure. Finally, we discuss which types of annealing steps in the simulated annealing algorithm are important.     

基于模拟退火算法的多相序列搜索

具有良好相关特性的多相序列是许多有源传感和通信系统的组成部分。由于该序列的搜索是一个非线性多变量的优化问题,寻找高效的搜索方法至关重要。为了获得相关性好的多相序列,文章提出将具有全局优化能力的模拟退火算法引入到多相序列的搜索问题中。基本原理是为序列搜索建立适当的目标函数,调试出适当的退火和停止规则。通过大量对搜索性能和收敛参数进行的数值实验结果来看,文章显示采用模拟退火算法来设计具有良好相关性的多相序列是可行且有效的,特别是当优化问题的参数数量较大时。     

Nonconvex optimization by fast simulated annealing

Recent advances in the solution of nonconvex optimization problems use simulated annealing techniques that are considerably faster than exhaustive global search techniques. This letter presents a simulated annealing technique, which is t/log (t) times faster than conventional simulated annealing, and applies it to a multisensor location and tracking problem.