层析成像图像重建算法综述

介绍了层析成像技术的图像重建算法,并从正向问题数学模型的简化和反向问题数学模型的映射结构的角度比较了各种算法的特点和优劣。研究表明:用本质是线性算法的各种变换方法重建图像存在严重失真,而卷积滤波的引入可以使变换方法的重建效果有所改善;基于导数搜索的迭代算法对初始值依赖性强、收敛速度慢并且容易陷入局部最优解;基于Fourier变换的方法具有本质的局限性;小波变换则可以同时刻画图像时域和频域的细节特征;有限元法通过重建对象像素的智能划分可以简化正问题的复杂性;而具有物理背景的蒙特卡罗法、模拟退火法、遗传算法、粒子滤波法及神经网络法更适合于复杂且非线性的图像重建;智能化、仿生化、并行化以及各种算法的融合是层析成像图像重建算法的发展趋势。     

智能算法在晶体色散方程参量反演中的比较研究

为了研究智能优化算法在不同晶体材料色散方程参数反演中的迭代搜索性能问题,根据已测石英和方解石晶体的实验数据,分别采用遗传算法、模拟退火算法和遗传模拟退火算法应用于晶体色散方程的参数反演中,获得了晶体修正的塞耳迈耶尔方程的参量,同时比较了三种算法在迭代搜索性能、算法稳定性、计算时间和差方和等之间的差异,结果表明,三种算法在晶体色散方程参数反演时都可以得到满意的结果,但是,由于遗传模拟退火算法同时具备遗传算法的快速全局搜索性能和模拟退火算法的极强局部搜索性能,使得在晶体色散方程参数反演中的优化效果更优.因此在建立其它材料色散方程时建议采用遗传模拟退火算法,而且这一结果对研究混合智能算法的迭代搜索性能也是有帮助的.     

基于遗传-模拟退火的蚁群算法求解TSP问题

传统的蚁群算法具有收敛性好、鲁棒性强等优点,但在解决旅行商(TSP)问题方面存在收敛时间长,容易出现停滞等问题。为了提高传统蚁群算法的解的质量,本文提出了基于遗传-模拟退火的蚁群算法（G-SAACO）,将遗传算法和模拟退火算法引入蚁群算法中。其方法是在传统蚁群算法中引入遗传算法的变异与交叉策略来得到候选解,增加解的多样性。同时引进模拟退火算法机制,使得在高温时以较高概率选择候选集中比较差的解加入最新集,温度控制上加入了回火机制,进一步提高解的质量。为了检验改进的蚁群算法,随机选用了TSPLIB中的部分城市进行仿真,结果与传统蚁群算法、模拟退火蚁群算法、遗传蚁群算法相比,算法具有较强的发现较好解的能力,同时增强了平均值的稳定性。     

基于改进模拟退火算法的非均匀燃烧场分布重建

本文研究了选取不同谱线组合对非均匀燃烧场分布重建精度的影响,并针对传统模拟退火算法收敛速度慢、运行效率不高的问题,提出了一种改进的模拟退火算法(ISA算法)用于燃烧流场的场分布重建.通过改变算法的模型扰动及退火方式,大大提高了算法的运行效率.数值仿真模拟结果显示,纳入更多的谱线有助于提高燃烧场重建的精度和降低重建对噪声的敏感性.相较于传统模拟退火算法,改进模拟退火算法在精度一致的前提下,将运行效率提升了近40倍.利用改进模拟退火算法在实验室平焰炉上重建了两种不同燃烧状态,重建分布与原始分布基本一致.通过数值仿真与实际实验,验证了该方法的有效性,对高光谱重建燃烧流场的温度浓度分布具有一定的指导意义.     

应用于光束均匀化整形的SAGAGD算法

 分析了模拟退火算法、基因算法、梯度下降法的主要步骤和应用中的优劣，将这三种方法加以综合运用于纯位相元件的优化设计以实现光束均匀化，结果表明，该算法对于设计位相光学元件是十分有效的。     

基于改进型模拟退火模型的X荧光光谱寻峰方法的研究

在能量色散X荧光分析技术分析中,对谱信息的处理一直是研究的重点,谱光滑、寻峰、峰面积处理都是重中之重,本工作基于模拟退火算法原理,建立一种新的寻峰模型算法,该算法利用模拟退火寻找全局最优点的收敛特性,以Metropolis准则作为峰谷判断的基础,引入新的判定标准和峰谷数组,同时从谱道址两端同时收敛,以收敛到同一最优解为终止条件。同时,利用该算法与简单比较法、三阶导数法进行对比实验,结果证明该算法在X荧光光谱寻峰中有较强能力,在实际生产中具有一定价值。     

基于改进遗传与模拟退火融合的RISP软硬件划分

软硬件划分是可重构指令集处理器在软硬件协同设计中的关键问题,通过对比遗传算法和经典模拟退火算法的优缺点,提出改进遗传算法的适应度函数,同时将Tsallis接受准则引入到经典模拟退火当中。其思路是用遗传算法的结果来制约模拟退火算法产生的随机状态,然后由模拟退火的接受准则以及产生的随机状态函数对遗传算法的种群进行更新,从而找到全局近似最优解。实验结果证明,改进算法与单一遗传算法以及经典模拟退火算法相比,其收敛速度和适应度更好,找到全局近似最优解的概率更大。     

自适应光学系统几种随机并行优化控制算法比较

 直接对系统性能指标进行优化是自适应光学系统中一种重要的波前畸变校正方法,选择合适的随机并行优化控制算法是该技术成功实现的关键。以32单元变形镜为校正器,基于多种随机并行优化算法建立自适应光学系统仿真模型。从算法的收敛速度、校正效果、局部极值3个方面对遗传算法、单向扰动随机并行梯度下降、双向扰动随机并行梯度下降及模拟退火算法进行了比较。仿真结果表明,遗传算法收敛速度太慢,不适用于需要实时控制的自适应光学系统;双向扰动随机并行梯度下降算法收敛速度、校正效果要优于单向扰动随机并行梯度下降,且能够适应各种情况下的扰动电压;模拟退火几乎以概率1收敛到全局极值附近,且收敛速度是上述算法中最快的。     

模拟退火算法光纤放大器相干合成

提出了利用模拟退火算法实现相干合成的思路。对利用模拟退火算法实现多路光纤放大器相干合成进行了数值模拟,验证了方法的有效性,并分析了算法收敛速度与合成光束数目的关系。进行了两路W量级光纤放大器相干合成的实验,结果表明,模拟退火算法能够有效控制各路光纤激光的相位,系统闭环将目标圆孔内的能量提高了1.8倍,并使得目标圆孔内能量大于理想值80%的概率从19.4%提升到了51.3%,取得了较为明显的相干合成效果。     

薄膜光学常数的模拟退火算法研究

在薄膜的光学参数拟合时，操作者给定的模型初值对拟合结果有很大的关系。采用广泛用于求解复杂系统优化问题的模拟退火算法来求解薄膜光学常数，降低了操作者给定拟合模型初值的要求。通过对常规的模拟退火算法以及非常快速的模拟退火方法(Very Fast Stimulated Annealing，VFSA)分析，针对性地在模型扰动及退火计划上存在的缺陷作了改进，提高了VFSA算法的计算稳健性。通过大量的拟合实践，验证了提出的改进模拟退火方法的有效性。     

Influence of rounding errors on the quality of heuristic optimization algorithms

Search space smoothing and related heuristic optimization algorithms provide an alternative approach to simulated annealing and its variants: while simulated annealing traverses barriers in the energy landscape at finite temperatures, search space smoothing intends to remove these barriers, so that a greedy algorithm is sufficient to find the global minimum. Several formulas for smoothing the energy landscape have already been applied, one of them making use of the finite numerical precision on a computer. In this paper, we thoroughly investigate the effect of finite numerical accuracy on the quality of results achieved with heuristic optimization algorithms. We present computational results for the traveling salesman problem.     

A computed tomography reconstruction algorithm based on multipurpose optimal criterion and simulated annealing theory

Although emission spectral tomography (EST) combines emission spectral measurement with optical computed tomography (OCT), it is difficult to gain transient emission data from a large number of views,therefore, high precision OCT algorithms with few views ought to be studied for EST application. To improve the reconstruction precision in the case of few views, a new computed tomography reconstruction algorithm based on multipurpose optimal criterion and simulated annealing theory (multi-criterion simulated annealing reconstruction technique, MCSART) is proposed. This algorithm can suffice criterion of least squares, criterion of most uniformity, and criterion of most smoothness synchronously. We can get global optimal solution by MCSART algorithm with simulated annealing theory. The simulating experiment result shows that this algorithm is superior to the traditional algorithms under various noises.     

用改进的两步模拟退火法进行二元光学元件的设计

为了减少二元光学元件设计的计算量并提高设计精度,在对现有算法机理进行深入分析的基础上,提出了适用于二元光学元件设计的两步模拟退火法.该算法在整个退火过程中采用先量化后优化的策略,并将优化过程分为两个阶段：搜索并锁定最优解区间;快速收敛到最优解.模拟实验显示,与传统设计方法相比,该算法不仅保持了全局寻优的特点,而且提高了稳健性和效率.算法剔除了对设计结果影响较大的量化误差,提高了设计精度.用此法实例设计了单焦面辐射聚焦元件,得到了与目标图像一致的光学实验结果.     

超结构换热器网络综合优化的遗传/模拟退火算法-Ⅱ.遗传/模拟退火算法及应用

本文提出了用于换热器网络综合的改进的遗传/模拟退火算法.最优综合的模型基于本文第一部分所提出的通用解方法.所采用的遗传算法结合了模拟退火算法和爬山优化算法,同时引进精英策略和结构变异策略以增强算法的搜索能力.采用本文提出的算法对文献提出的算例进行了计算并得到了更好的结果.     

Multi-user cognitive radio network resource allocation based on the adaptive niche immune genetic algorithm

Multi-user cognitive radio network resource allocation based on the adaptive niche immune genetic algorithm is proposed, and a fitness function is provided. Simulations are conducted using the adaptive niche immune genetic algorithm, the simulated annealing algorithm, the quantum genetic algorithm and the simple genetic algorithm, respectively. The results show that the adaptive niche immune genetic algorithm performs better than the other three algorithms in terms of the multi-user cognitive radio network resource allocation, and has quick convergence speed and strong global searching capability, which effectively reduces the system power consumption and bit error rate.     

一种用于均匀照明的衍射光学元件设计的快速模拟退火法

介绍了一种适用于均匀照明的衍射光学元件设计的自洽迭代和优化混合的快速模拟退火法,它引入Tsallis正则分布以及相应的效用函数思想,可以在接近1%的时间内得到和传统模拟退火法有着相同均方差(MSE)的理想模拟结果.     

基于退火遗传算法的少数投影CT图像重建

不完全投影重建算法研究是当今图像重建算法中的一个难点问题，近年来，遗传算法在其中有一定的应用，但还存在一些问题。针对遗传算法在优化中的不足(如早熟收敛及易陷入局部最小等)，将模拟退火机制引入到遗传算子中，提出一种新的算法；并通过选择测试函数，建立将该算法应用于不完全投影图像重建的优化模型，进行计算机模拟。通过对从投影角间距为15°的12个不同投影视角方向获取的投影数据进行分析，结果表明，该算法的重建图像具有较高的精度。     

模拟退火算法与遗传算法在光谱椭偏数据处理中的应用比较

分别利用模拟退火算法和遗传算法在MATLAB 6.5中编写了一个数据处理程序,用来处理VASE椭偏仪在光谱范围为500nm～900nm所测得的椭偏数据。根据VASE椭偏仪的光度法原理,对评价函数方程进行了改进,并选择合适的退火参数和遗传参数进行计算,得到的数据处理结果与仪器处理结果基本一致。最后对两种算法在解决该类问题上的优劣进行了比较。     

基于遗传模拟退火算法的室内照明节能控制方法研究北大核心CSCD

目前的节能照明控制算法仍有陷入局部最优的问题。为了寻求全局最优解,提高室内照明的节能效果,设计一种遗传模拟退火算法对照明系统的控制参数进行优化求解。该算法通过在遗传操作后对优秀个体进行模拟退火处理,增强了算法的局部搜索能力。根据迭代的次数和种群的适应度对遗传概率进行自适应调节,使得算法在前期丰富种群多样性,避免算法“早熟”。提出基于人工神经网络的照度模型来计算室内照度分布,对照明舒适度进行评估,为构造优化算法的适应函数提供了依据。通过仿真实验,在本文介绍的照明场景应用遗传模拟退火算法,并与传统粒子群算法和遗传算法进行比较,其照明节能性能分别高出5.30%和13.61%。