基于改进烟花算法的MPRM逻辑电路面积优化

针对现有混合极性(MPRM)逻辑电路面积优化效果较差的问题,提出一种基于改进烟花算法的MPRM逻辑电路面积优化方法 .充分利用烟花算法的爆发性、多样性和分布并行性等优点,通过对高斯变异进行改进,增强了烟花算法搜索MPRM逻辑电路最佳面积极性的性能.基于北卡罗来纳微电子中心基准测试电路的实验结果表明,与基于遗传算法的MPRM逻辑电路面积优化方法相比,平均电路面积减少了44.46%;与基于离散粒子群算法的MPRM逻辑电路面积优化方法相比,平均电路面积减少了34.66%.     

基于字级表示的多输出MPRM电路极性转换算法

针对多输出MPRM（Mixed-Polarity Reed-Muller）电路的极性转换问题,提出了使用系数矩阵在字级表示多输出布尔函数及其MPRM,并给出了一种极性转换算法。实验结果表明,与位级表示相比,所提出的基于字级表示的极性转换算法可显著缩短多输出MPRM电路的极性转换时间。     

带时间窗车辆路径问题的混合粒子群算法

将粒子群优化算法与模拟退火算法结合,提出了一种求解车辆路径问题的混合粒子群算法.实例计算及与遗传算法比较的结果表明:应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解;该算法是一种求解离散组合优化问题的有效方法.     

VLSI综合的逻辑最小化算法

本文讨论了逻辑函数的多维体空间表示方法和运算方法，探讨了接近量小覆盖的两级与－或网络的自动逻辑综合方法，提出不经过求出全部质蕴涵项而直接构成函数的无冗余覆盖的算法，该算法主要用于可编逻辑阵列（ＰＬＡ）及与－或网络的自动综合。     

基于模拟退火步长的粒子群算法

为了提高粒子群算法的收敛速度和全局收敛性,本文在标准粒子群算法的基础上作了改进,提出了一种带模拟退火步长的粒子群算法．通过典型函数的测试结果表明新算法比原来算法收敛到最优解的次数多,提出的新算法在全局搜索能力和收敛速度方面有所提高．     

基于模拟退火的改进粒子群算法研究

为克服粒子群算法在求解复杂的多峰问题时极易陷入局部最优解的缺陷,作者提出一种基于模拟退火的改进粒子群算法(PSOBSA).在PSOBSA算法中,每间隔若干代,对粒子的历史最优位置进行变异操作,以产生新的粒子;并采用模拟退火的思想,允许新产生的粒子的目标函数值在有限范围内变化;最后采用一种广义的学习策略提升种群收敛的概率.在基准函数的测试中,结果显示PSOBSA算法比基本PSO算法有更好的性能.     

基于模拟退火的进化算法性能对比研究

将模拟退火算法和遗传算法、粒子群优化算法分别进行结合，形成模拟退火-遗传算法以及模拟退火-粒子群优化算法，并作性能对比分析。研究结果表明，这两种算法都在进化代数和全局寻优能力方面有较大突破，在找寻最佳个体解的效率士，模拟退火-粒子群优化算法更突出。     

Exclusive-nor sum-of-sum逻辑及其最小化研究

对DRM(dual Reed-Muller)逻辑的非标准形表示形式和之同或和(exclusive-nor sum-of-sum,ENSOS)进行研究,并给出一种启发式的ENSOS逻辑最小化算法。该算法采用立方体覆盖表示ENSOS,对立方体迭代应用XNOR连接运算实现ENSOS逻辑的化简。为在算法结果质量与算法效率之间进行折中,该算法在进行立方体的XNOR连接时采用前瞻和回溯策略。使用基准函数进行验证的实验结果表明,所提出的算法能够获得更为精简的逻辑表达式。     

改进的粒子群算法

为了改善基本粒子群算法的搜索性能,针对粒子群算法随机性较强,收敛较慢的问题,提出了基于退火思想的改进的粒子群优化算法,新的算法更有利于粒子发现问题的全局最优解。通过对经典函数的测试计算,验证了方法的正确性和有效性。     

基于自适应模拟退火的改进混合粒子群算法

为了改善旅行商(TSP)优化求解能力,对模拟退火与混合粒子群算法进行改进,引入了自适应寻优策略。交叉、变异的混合粒子群算法,易于陷入局部最优,而自适应的模拟退火算法可以跳出局部最优,进行全局寻优,所以两者的结合兼顾了全局和局部。该算法增加的自适应性寻优策略提供了判定粒子是否陷入局部极值的条件,并可借此以一定概率进行自适应寻优,增强了全局寻优能力。与混合粒子群算法实验结果对比,显示了本文算法的有效性。     

基于Reed-Muller量子可逆逻辑电路的综合快速算法

结合可逆逻辑电路综合的多种算法,提出了一种新颖高效的算法,自动构造正极性R eed-M u ller展开式(RM),在生成量子可逆逻辑电路的解空间树上,采用总体层次遍历,局部深度搜索,借鉴模板优化技术,构造限界函数快速删除无解或非最优解的分枝,优先探测RM中的因子,以极高的效率生成最优电路.     

基于FPSO-SA算法的威布尔分布参数估计研究

为解决威布尔分布等复杂分布模型采用常规方法很难直接进行参数估计的问题, 提出了基于模糊粒子群模拟退火算法的威布尔分布参数估计。该算法根据粒子个体纵向和横向运动特性, 引入模糊逻辑推理动态调整惯性权值因子, 提高了粒子群算法(PSO: Particle Swarm Optimization)的收敛速率; 将上述模糊粒子群算法(FPSO: Fuzzy Particle Swarm Pptimization)与模拟退火算法(SA: Simulated Annealing)结合, 以FPSO算法的速度位置更新公式作为SA算法的状态生成函数, 再运用Metropolis算法以概率接受新状态, 获得全局最优参数估计值。将基于上述智能算法的参数估计法运用到威布尔分布参数估计中, 提高了参数估计精度。实际应用表明, 该参数估计方法在复杂分布模型参数估计中具有可行性和有效性。     

基于粒子群算法的导弹模糊导引律设计

针对传统模糊制导律的模糊设计随意性,提出采用粒子群优化算法对模糊导引律的参数优化的方法．利用粒子群优化方法调整模糊变量隶属度,比例因子等参数,并通过反复优化使模糊推理规则接近于最优．该方法克服了模糊逻辑设计中的随意性,提高了模糊制导律的精度和鲁棒性．仿真结果表明了这种优化方法得到的模糊比例导引律明显优于传统比例导引律．     

离散粒子群优化算法研究综述

粒子群优化(PSO)算法最初是基于连续空间的优化,然而现实世界中许多问题是离散的,近年来其离散化策略和方法受到广泛的关注.本文简要介绍PSO算法的工作原理和粒子更新机制、算法参数的分析与设置,详细介绍PSO算法的三种常见离散化策略的机理及其粒子更新机制,阐述离散PSO算法的应用成果,最后对其未来的研究方向进行展望.     

车辆路径问题的并行粒子群算法研究

设计了一种引入了模拟退火机制的并行粒子群算法.该算法结合了基本粒子群优化算法的快速寻优能力和模拟退火算法的概率突跳性,避免了基本粒子群优化算法易于陷入局部最优的缺点,提高了进化后期算法的收敛精度.将该算法用于解决车辆路径问题,实验结果表明该算法具有较好的性能.     

改进的粒子群优化算法在云计算任务调度中的应用

针对粒子群优化算法在求解云计算任务调度问题中存在的收敛速度慢、精度低、易陷入局部极值等缺陷,综合考虑最大完成时间最少、任务执行总时间最优两个优化目标,提出一种多策略融合的粒子群优化(multi-strategy particle swarm optimization, MSPSO)算法,并将其应用于求解云计算任务调度问题。该算法融合模拟退火算法、饥饿游戏搜索和双重变异限制策略。首先,通过模拟退火算法动态更新惯性权重,平衡粒子群优化算法的全局搜索和局部搜索,帮助粒子跳出局部极值。其次,引入饥饿游戏搜索算法优化粒子位置更新策略,在算法后期加快粒子收敛速度,提高结果精度。最后,采用双重变异限制策略,同时限制粒子速度和位置,避免粒子发生越界。与其他3种粒子群优化算法进行对比实验,在适应度平均值、最小值、标准差3个方面,MSPSO都有更好的表现。通过仿真,在求解不同任务量的云计算任务调度问题中,MSPSO在总成本、适应度值最小化两方面均表现出明显优势。尤其当任务量为40时,MSPSO总成本比其他算法分别降低了14.4%、15.3%、11.2%,适应度值分别降低了10.5%、10.6%、7.6%,...     

基于模拟退火算法营养膳食优选的研究

通过模拟退火算法实现对各种慢性疾病进行营养膳食配餐的快速优选,并且把研究结果在膳食系统中加以应用.对慢性疾病配餐算法的研究体现了营养学平衡膳食的科学原理和数学建模思想,实现了计算机与多学科的综合应用.     

基于可靠性的供应链设施选址问题的优化模型

针对传统设施选址模型片面追求成本最小化而忽视供应链系统服务水平的情况,建立了一个基于容量有限制的供应链设施选址可靠性问题的多目标优化模型(RCFLP),并针对模拟退火算法与粒子群算法的优缺点,提出了一种混合型智能算法—模拟退火粒子群算法。通过收集中国各个省的人口和各个省会的相互之间的距离数据,构建实例,通过本文建立的模型与模拟退火粒子群算法进行了求解, 并对结果进行了分析,将模拟退火粒子群算法计算结果与模拟退火算法和粒子群算法的计算结果相比较,证明了模拟退火粒子群算法的可以较快地获得较好的全局最优解。