对较好和较差个体双向更新的混合蛙跳算法

针对基本蛙跳算法在处理复杂函数优化问题时求解精度低且易陷入局部最优的缺点,将共轭梯度法引入基本蛙跳算法,对排名靠前的p个模因组中的精英个体和排名靠后的q个模因组中的落后个体同时使用共轭梯度法进行更新,一方面增强对较差青蛙的指导能力,另一方面使最差的青蛙直接更新,提高了算法的收敛精度.所得混合蛙跳算法有效结合了基本蛙跳算法较强的全局搜索能力和共轭梯度法快速精确的局部搜索能力.将所得的混合蛙跳算法与其他智能优化算法进行对比,数值试验结果表明,无论从收敛精度还是进化代数而言,所得混合蛙跳算法较其他算法均有较大的改进,具有更高的收敛精度,能有效避免陷入局部最优,且优化结果更加稳定.     

基于惯性权重蛙跳算法的WSN布局优化

针对传统混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)易陷入局部极值的问题,在青蛙最差个体的更新策略中引入反正切惯性权重加以修正,从而使该算法具有更强的全局搜索能力及局部搜索能力。将提出的改进型蛙跳算法应用到WSN(Wireless Sensor Network,WSN)覆盖优化问题中,通过理论数据分析及仿真结果证明,改进的蛙跳算法较传统的SFLA、PS0、WIS-SFLA对网络覆盖率有较大的提升,是一种较优的覆盖优化方法。     

类电磁优化的片上网络低功耗映射算法

针对基于2D Mesh结构的片上网络功耗优化问题,提出了一种类电磁优化的片上网络低功耗映射算法．该算法采用实数编码机制,将类电磁算法应用于求解离散问题．使用轮盘赌的选择机制进行种群初始化,提高初始化粒子的质量,从而提高算法效率;利用调整序的方法进行局部搜索,提高粒子在局部范围内的精细搜索能力;设计电荷计算公式求解合力,用阈值滤掉作用力甚微的粒子,提高搜索最优解的效率．实验表明:改进类电磁的映射算法与现有的遗传算法、蚁群算法相比,平均节能达20.35％和12.58％,有效地降低了片上网络通信能耗,并且能耗分布更加均匀,算法效率更高．     

一种低能耗的片上网络映射算法

对于满足带宽约束的低能耗片上网络映射问题,提出一种基于灾变遗传退火的映射算法.该算法以标准遗传算法为基础,引入Boltzmann选择方法,对遗传操作后的较优个体采用多邻域的模拟退火操作进行优化,对处于停滞状态的种群使用灾变操作重新初始化部分较差个体,跳出局部极值.实验结果表明:与标准遗传算法相比,该算法具有优化性能好,收敛速度快的优点,映射结果比混沌遗传算法平均节能21.7%,有效地降低了片上网络系统通信能耗.     

基于离散蛙跳算法的零空闲流水线调度问题求解

针对零空闲流水线调度问题,提出了一种新的离散化蛙跳求解算法.该算法借助蛙跳算法优化机理,采用基于工件序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了3种改进策略.仿真实验表明了所提算法及策略的有效性.     

自适应混沌遗传退火的片上网络映射

针对带宽和时延约束的低能耗片上网络（NoC）映射问题,提出了一种自适应的混沌遗传退火映射算法. 该算法利用Boltzmann更新机制选择遗传个体,引入自适应混沌方法优化适应度较差个体,采用多邻域的退火策略优化较优个体. 实验结果表明,所提算法有效地避免了早熟收敛,提高了算法收敛速度,与标准遗传算法和混沌遗传算法相比,平均节能分别为45%和226%,有效地降低了NoC系统通信能耗.     

一种改进的混合蛙跳算法

针对基本混合蛙跳算法存在的易陷入局部最优、随着迭代次数增加种群退化的缺点,提出了一种改进的混合蛙跳算法。该算法将混合蛙跳算法中子群体内最差解根据子群内最优解和全局最优解进行更新的方式转换为最差个体根据子群内中心点和全局最优解进行更新的方式,使得最差解通过获得来自子种群内其他解的更多信息量来调整自身的状态。同时,算法在完成一次内迭代合并之后利用选择算子对整个种群进行选择更新。中值策略较好地平衡了算法的全局搜索与局部搜索能力,选择策略保持了进化过程中种群的多样性。实验结果表明:改进后的算法具有更好的优化性能。     

一个基于混合蛙跳算法的0/1背包问题算法

混合蛙跳算法是一种全新的基于群体智能的后启发式计算技术,具有高效的计算性能和优良的全局搜索能力.描述了0/1背包问题的数学模型,阐述了混合蛙跳算法的基本理论,在全局信息交换过程中加入变异操作,改进了混合蛙跳算法,并将该算法应用到0/1背包问题的求解,在实例上的运行结果表明本文方法的可行性和有效性.     

基于极限过程学习机的储层微观孔隙结构识别

准确分析储层岩石的微观孔隙结构特征是发挥油气层的产能和提高油气采收率的关键.构建一种具有过程式输入的极限学习机模型,并提出基于灰狼优化算法原理改进的混洗蛙跳算法对模型的网络隐层节点个数及网络权值进行优化,利用基于张量乘积矩阵的广义逆求解方法加速极限过程学习机模型的求解.实验结果表明:与5种改进混洗蛙跳算法对比,所提的算法无论在6个高维函数优化还是微观孔隙结构类型识别方面都取得了最好的优化效果,具有很好的实际应用价值.     

NoC映射问题中的列举路径分配算法

映射和路径分配是片上网络在编译过程中两个相辅相成的重要步骤,对系统的通信功耗影响很大。该文针对片上网络映射过程中现有路径分配法寻径不充分的问题,提出了一种基于列举的路径分配算法。该算法通过列举各通信流的所有合法路径,对路径的各种组合方式进行充分搜索。同时将路径分配算法应用到禁忌搜索映射算法中,并对映射算法做了改进,以适应路径分配算法。仿真结果表明,基于列举的路径分配算法提高了满足约束的路径被搜索到的概率,优化了映射算法的结果。     

求解TSP的改进混合蛙跳算法

重新定义表示青蛙移动距离和位置的数据结构及运算符意义,提出混合蛙跳算法(shuffled frogleaping algorithm,SFLA)求解旅行商问题(traveling salesman problem,TSP)基于交换序的实现方法.把具有极强局部搜索能力的幂律极值动力学优化(power law extremal optim ization,τ-EO)融合于SFLA,并针对TSP对τ-EO过程进行设计和改进.改进后的τ-EO采用新颖的组元适应度计算方法,通过定义边置换增益能量,结合模拟退火控制过程,并采取幂律定律用概率的方式选取2-opt置换产生邻域解.为避免每个族群最优解的趋同性,提出最优样本差异控制策略.通过求解TSPLIB数据库中的实例,证明该改进算法有效.     

一种改进的混合蛙跳算法求解有约束优化问题

提出一种适用于求解有约束优化问题的改进混合蛙跳算法(improved shuffled frog leaping algorithm, Im-SFLA)。该算法针对混合蛙跳算法(shuffled frog leaping algorithm, SFLA)在进化后期搜索速度变慢且容易陷入局部极值的缺陷,将模拟退火和免疫接种思想引入到具有高斯变异和混沌扰动的SFLA中。标准测试函数仿真结果表明Im-SFLA能显著提高收敛速度和精度,并能有效克服局部极值,全局寻优能力明显优于SFLA。使用静态罚函数法将有约束优化转化为无约束优化,对12个有约束优化测试函数的实验结果表明Im-SFLA寻优精度高、鲁棒性强,是一种十分有效的求解有约束优化问题的算法。     

片上网络低功耗分析方法

片上系统(SoC)发展到片上网络(NoC),能量消耗逐渐成为芯片设计的首要限制因素.通过建立CMOS电路和网络通讯2个层面不同的功耗模型,从集成电路不同的设计层次、片上网络通讯功耗以及NoC映射问题等方面进行NoC的低功耗设计,综合分析NoC的低功耗设计方法.     

基于人工蜂群算法的低能耗高性能NoC映射

针对网格型拓扑网络中心容易产生热点及高能耗问题,通过分析片上网络(NoC)结构,建立低能耗高性能多目标映射模型,提出了基于人工蜂群的IP核映射算法进行多目标求解．该算法通过模拟不同蜜蜂的操作以分别获取低能耗和流量均衡的映射解集,并采用交集选优策略完成最优映射的选取．仿真结果表明,相比现有算法,提出的映射算法不仅可以快速完成IP核到网络节点的映射,而且产生的映射结果在能耗、时延和流量均衡方面具有优势．     

树拓扑片上网络的低能耗映射

针对树拓扑片上网络(NoC)中通信时延受约束的低能耗映射问题,提出了一种递归的二路划分算法RPM(recursive bipartitioning for mapping)。RPM基于分而治之策略,首先将NoC映射转化为多层次的IP核通信任务图划分问题,并采用带参数的Kernighan-Lin算法实现最小割值划分。实验结果表明,与已有算法相比,RPM可以在较短的时间内获得能耗更低的映射解。通过设置不同的参数,RPM既可以用于生成高质量的优化解,也可用于快速的NoC设计空间探索中。     

一种利用动态搜索策略的混合蛙跳算法

从混合蛙跳算法的寻优原理出发,研究了其寻优机制．针对标准算法中存在的初始种群不均匀、迭代后期收敛速度慢,易陷入局部最优的缺陷,提出了一种改进的混合蛙跳算法．采用随机化均匀设计方法产生初始种群;引入影响因子,动态地改变子群当前最差值对其进化行为的影响;根据群体适应度方差判断种群是否陷入局部最优,并通过对当前全局最优值微扰,使算法跳出局部最优．实验结果表明,改进算法有更高的收敛精度和更好的收敛结果．     

NoC系统研究综述

片上网络(NoC)是实现片上系统(SoC)互连的一种新的范例,关键是为了解决SoC内部组件之间的通信调度等问题而提出来的,受到了工业界和学术界的广泛重视。NoC研究涉及从系统建模到具体实现流程的一系列问题,本文主要讨论NoC研究中的关键问题、解决方案、当前的研究成果以及展望。