CN103039100B - 基于模拟退火算法的频率优化方法和装置 - Google Patents

Abstract

一种基于模拟退火算法的频率优化方法，包括：在当前退火温度下，基于当前状态解进行一次多线程优化，一次多线程优化包括：两个以上线程中的每个线程分别选择一个小区组，对选取的所述小区组进行一次基于模拟退火算法的频率优化；根据多线程间的约束条件判断是否接受本次多线程优化得到的新状态解。本发明实施例还提供相应的装置。本发明技术方案相对于现有的频率优化方法，可以有效提高频率优化的效率。

Description

基于模拟退火算法的频率优化方法和装置

技术领域

本发明涉及通信技术领域，具体涉及一种基于模拟退火算法的频率优化方法和装置。

背景技术

频率优化是对无线网络中各小区已规划的载频进行重分配优化，以达到降低网络干扰(同频/异频干扰)的过程。无线网络中一个小区一般会规划一个包括多个载频的载频组，因此针对一个小区来说，频率优化是一个载频组的搜索寻优过程，属于一种组合优化问题。

在频率优化过程中，针对每个小区，要在该小区可用的载频集合内(称为解空间)不断进行搜索寻优，对搜索到的每个可用载频组(称为一个可用方案)进行代价评估，代价评估准则为“全网干扰最小(可以是同频/异频干扰)”。其中每个小区当前分配的载频组称为当前状态解，寻优得到的可用的、更优的载频组称为邻近状态解。频率优化就是不断把当前状态解转变为邻近状态解，最终使得全网小区载频规划达到最优状态解的过程。

模拟退火算法来源于固体退火原理，是基于蒙特卡罗(MonteCarlo)迭代求解策略的一种随机寻优算法，目前已在多个领域取得广泛应用，并已被引入频率优化领域。例如，《基于模拟退火算法的固定频率分配问题》(《微计算机信息》，2007年26期)就公开了一种将模拟退火算法用于频率优化的方法。

基于模拟退火算法的频率优化方法中，更优的邻近状态解的产生必须以当前状态解为基础，因此模拟退火算法本身是一个串行的过程，其中，初始状态解的优劣将直接影响模拟退火算法的效率，在初始状态极度恶劣的情况下，频率优化将是一个漫长的过程，效率很低。

发明内容

本发明实施例提供一种基于模拟退火算法的频率优化方法，以提高频率优化的效率。

一种基于模拟退火算法的频率优化方法，包括：

在当前退火温度下，基于当前状态解进行一次多线程优化，一次多线程优化包括：两个以上线程中的每个线程分别选择一个小区组，对选取的所述小区组进行一次基于模拟退火算法的频率优化；

根据多线程间的约束条件判断是否接受本次多线程优化得到的新状态解。

一种基于模拟退火算法的频率优化装置，包括：

优化模块，用于在当前退火温度下，基于当前状态解进行一次多线程优化，一次多线程优化包括：两个以上线程中的每个线程分别选择一个小区组，对选取的所述小区组进行一次基于模拟退火算法的频率优化；

判断模块，根据多线程间的约束条件判断是否接受所述优化模块本次多线程优化得到的新状态解。

本发明实施例的技术方案采用多线程机制，由多个线程分别对各自选取的小区组进行基于模拟退火算法的频率优化，并根据多线程间的约束条件判断是否接受每次多线程优化得到的新状态解，相对于现有的频率优化方法，可以有效提高频率优化的效率。

附图说明

图1是本发明一个实施例的基于模拟退火算法的频率优化方法的流程图；

图2是基于模拟退火算法的频率优化过程的趋势图；

图3是根据频率优化的进度确定多线程间的约束条件的步骤的流程图；

图4是本发明另一实施例的基于模拟退火算法的频率优化方法的流程图；

图5是本发明一个实施例的基于模拟退火算法的频率优化装置的示意图；

图6是本发明另一实施例的基于模拟退火算法的频率优化装置的示意图。

具体实施方式

本发明实施例提供一种基于模拟退火算法的频率优化方法，采用多线程机制，并设定有多线程间的约束条件，以提高优化效率。本发明实施例还提供相应的装置。以下分别进行详细说明。

请参考图1，本发明实施例提供一种基于模拟退火算法的频率优化方法，采用多线程机制，可以提高频率优化的效率，该方法可以由频率优化装置实施。

一次完整的基于模拟退火算法的频率优化过程可以从三个方面进行描述，即：初始状态解(初始方案)，新状态解(新方案)及其接受度，和优化时间。其中，初始状态解即是现网中各小区当前规划的载频/载频组；新状态解表示当前小区通过搜索寻优得到的可用的、更优的新载频/载频组，接受度是根据模拟退火算法中的代价函数对新状态解进行代价评估，判断是否接受新状态解；优化时间是指从初始状态解开始到频率优化完成所消耗的时间。

图2示出了基于模拟退火算法的频率优化过程的趋势图，图中横轴表示优化时间t，以秒(s)为单位；纵轴表示当前的退火温度T和每个退火温度下搜索寻优得到的新方案的接受次数N。从图2可以得出以下结论：1.退火温度和每个退火温度下新方案的接受次数随着优化时间逐渐减少，变化趋势大体一致；2.退火温度和每个退火温度下新方案的接受次数的变化趋势在不同的时间段存在很大的差异性，在门限1之前退火温度在短时间内急剧降低，每个退火温度下可以产生大量可接受的新方案，称之为高度活跃状态；在门限1和2之间，退火温度的降温幅度随优化时间逐渐减缓，每个退火温度下可以产生可接受新方案的概率也逐渐降低，称之为正常活跃状态；在门限2之后，退火温度随时间变化很小，每个退火温度下可以产生可接受新方案的概率很低，近似达到最优解，系统状态趋于稳定态。

基于模拟退火算法的频率优化，从确定初始退火温度开始。初始退火温度的计算实际上是模拟退火算法的逆过程，即：从一个较低的退火温度开始(例如可以从退火温度t＝1度开始)，逐渐升高退火温度(例如按照t＝t*2的指数速率提升)，在每个退火温度下进行设定次数(例如100次)的基于当前状态解(当前规划的载频/载频组)的频率优化，统计该退火温度下优化得到的新状态解被接受的次数，计算接受度(即新状态解被接受的次数与频率优化次数的比值)是否达到预设值(例如0.9)，若达到，则以当前退火温度为初始退火温度；若没有达到，则提高退火温度(例如提高为原来的两倍)，继续优化。初始温度确定后，还需要获取当前状态解(当前规划的载频/载频组)。当前状态解可以由人工输入给频率优化装置，也可以由无线网络中的网元输入给频率优化装置。以上确定初始温度以及获取当前状态解的步骤，可以采用常用的方法。

在确定初始温度和获取当前状态解后，即可正式开始基于模拟退火算法的频率优化，包括：

101、在当前退火温度下，基于当前状态解进行一次多线程优化，一次多线程优化包括：两个以上线程中的每个线程分别选择一个小区组，对选取的所述小区组进行一次基于模拟退火算法的频率优化。

基于模拟退火算法的频率优化过程中，在每个退火温度下，需要进行设定次数的搜寻新状态解的频率优化过程，例如100次。本实施例中，则由多个线程同时进行优化，每个线程的优化次数便可以减少，从而提高优化频率。假设采用5个线程同时进行优化，则在每个退火温度下，每个线程优化只需要优化20次即可。

进一步，假设无线网络中有10个小区，每个小区规划一个载频。则，如果采用单线程优化，每次优化时需要搜寻10个载频。而本实施例中，则由两个以上线程中的每个线程分别选择若干个小区作为一个小区组，每个线程仅对该小区组进行优化即可，而不必对全部小区组进行优化，可以进一步提高优化效率。例如，5个线程中的每个线程分别选择两个小区作为自己的小区组，在每个线程每次优化时仅需要搜寻2个载频即可。需要说明的是，每次优化时各个线程都需要重新选择小区，并且，不同的线程不得选择相同的小区。

102、根据多线程间的约束条件判断是否接受本次多线程优化得到的新状态解。

在采用单线程优化时，每次优化完毕后，按照预设的接收条件(例如代价函数)判断是否接受本次优化得到的新状态解即可。但是，采用多线程优化后，情况有所变化，在各个线程判断完毕是否接受自己优化得到的新状态解后，还需要预先设定的多线程间的约束条件，才能进一步根据该多线程间的约束条件判断是否接收本次多线程优化得到的新状态解。约束条件可以这样定义：当多个线程中接受自己优化得到的新状态解的线程的个数与线程总个数的比值高于、等于或者低于一个预定的值时，接受或者不接受本次多线程优化得到的新状态解。

综上，本发明实施例提供的基于模拟退火算法的频率优化方法，采用多线程机制，由多个线程分别对各自选取的小区组进行频率优化，并且设定有多线程间的约束条件用于判断是否接受本次多线程优化得到的新状态解，相对于现有的频率优化方法，可以有效提高频率优化的效率。

然而，从图2中可以看出，在频率优化过程的不同阶段，每个退火温度下的新方案接受次数有相当大的不同。为了进一步提高优化效率，一个实施例实施中还可以包括以下步骤：

根据频率优化的进度确定多线程间的约束条件。

该步骤可以在步骤101之前执行，以便在不同的频率优化阶段，采用不同的约束条件，从而进一步提高优化效率。

从图2中可以看出，在门限1之后、门限2之前，虽然每个退火温度下的新方案接受度有所降低，但是就优化性能而言仍然是一个重要环节。基于优化性能和优化效率的综合考虑，本实施例可以将门限2作为转换门限，把整个频率优化过程划分为两个阶段，转换门限之前(门限1前后过程合并为一个阶段)称为“乐观优化阶段”，转换门限之后称为“悲观优化阶段”，在“乐观优化阶段”和“悲观优化阶段”分别设定不同的约束条件，用于判断是否接收本次多线程优化得到的新状态解。此时，如图3所示，上述根据频率优化的进度确定多线程间的约束条件的步骤具体可以包括：

1001、统计已进行的历次多线程优化得到的新状态解不被接受的次数，并判断所述不被接受的次数是否达到转换门限。

所说的转换门限，即图2中的门限2，可以根据无线网络的小区规模(小区个数N)和退火算法复杂度系数M(建议值36)计算得到，按照一种简单的策略，可以设定转换门限等于小区个数N和退火算法复杂度系数M的乘积N*M。该转换门限与历次多线程优化得到的新状态解不被接受的次数相关，通过判断所述不被接受的次数是否达到转换门限，来确定当前是属于“乐观优化阶段”或者是“悲观优化阶段”。其中，历次多线程优化得到的新状态解不被接受的次数，是指从初始退火温度开始的第一次频率优化开始，将每次多线程优化得到的新状态解不被接受的次数进行累计求和得到的次数。例如，设当前已降温到第三个退火温度，假定初始退火温度下新状态解不被接受的次数为5，第二个退火温度下新状态解不被接受的次数为6，则当前阶段，所述历次多线程优化得到的新状态解不被接受的次数为5+6＝11。接下来判断11是否超过N*M。

1002、若未达到转换门限，确定采用乐观约束条件，包括：若多线程中的每个线程都接受自己优化得到的新状态解，则判断为接受本次多线程优化得到的新状态解，否则判断为不接受。

若所述不被接受的次数未达到转换门限，说明还处于乐观优化阶段。在乐观优化阶段，每个退火温度下新方案的接受次数较多，也就是接受概率较高，本实施例中确定采用如下约束条件：若多线程中的每个线程都接受自己优化得到的新状态解，则判断为接受本次多线程优化得到的新状态解，否则判断为不接受，本实施例中称此约束条件为乐观约束条件。

1003、若达到转换门限，确定采用悲观约束条件，包括：若多线程中有且只有一个线程接受自己优化得到的新状态解，则判断为接受本次多线程优化得到的新状态解，否则判断为不接受。

若所述不被接受的次数达到转换门限，说明已进入悲观优化阶段。在悲观优化阶段，每个退火温度下新方案的接受次数很少，也就是接受概率很低，本实施例中确定采用如下约束条件：若多线程中有且只有一个线程接受自己优化得到的新状态解，则判断为接受本次多线程优化得到的新状态解，否则判断为不接受，本实施例中称此约束条件为悲观约束条件。

综上，本实施例中通过对频率优化过程进行分析，划分出乐观优化阶段和悲观优化阶段和悲观优化阶段，根据不同阶段的实际情况，设定匹配该阶段的约束条件，可以进一步有效的提升优化频率。

按照上述的乐观约束条件和悲观约束条件，步骤102的判断结果如下：

在乐观优化阶段，有两种判断结果，其中，接受本次多线程优化得到的新状态解意味着：全部线程优化得到的新状态解都被接受；不接受本次多线程优化得到的新状态解则意味着：全部线程优化得到的新状态解都不被接受。下面举例说明：

假设无线网络中有6个小区，频率优化装置中有三个线程用于多线程优化，每个线程随机选取两个小区作为一个小区组，进行频率优化；设可用的载频有9个，从F1至F9。则在乐观阶段，一次多线程优化后，只有表1和表2表示的以下两种结果：

表1

表2

其中，表2所示的不接受的结果中，未必每个线程都不接受自己优化得到的新状态解，也可能是只是其中一个或两个线程不接受自己优化得到的新状态解，但根据乐观约束条件，最终本次多线程优化得到的新状态解的都不被接受。

在悲观优化阶段，有两种判断结果，其中，接受本次多线程优化得到的新状态解意味着：只有一个线程优化得到的新状态解被接受；不接受本次多线程优化得到的新状态解则意味着：全部线程优化得到的新状态解都不被接受。下面举例说明：

假设无线网络中有6个小区，频率优化装置中有三个线程用于多线程优化，每个线程随机选取两个小区作为一个小区组，进行频率优化；设可用的载频有9个，从F1至F9。则在悲观阶段，假设一次多线程优化后，各个线程的接受情况如下(尚未考虑约束条件)：

表3

由于其中有两个线程的判断结果为接受自己优化得到的新状态解，按照悲观约束条件，本次多线程优化得到的新状态解的都不能被接受，最终结果如表4所示：

表4

值得说明的是，在其它实施例中，还可以按照其它方式对频率优化过程进行阶段划分，例如，按照门限1将乐观优化阶段进一步划分为两个阶段，并设定不同的约束条件。

请参考图4，本发明实施例中，在步骤102之后还可以包括以下步骤：

103、统计并判断当前退火温度下的优化次数是否达到设定值。

由于在每个退火温度下，需要进行设定次数的频率优化过程。因此，在步骤102判断完是否接受本次多线程优化得到的新状态解之后，还需要统计当前退火温度下的优化次数，通过判断是否达到设定次数，决定是否结束当前温度下的多线程优化。

1041、若未达到设定值，且本次多线程优化得到的新状态解被接受，则将所述新状态接更新为当前状态解，进行下一次多线程优化。

若当前退火温度下的优化次数没有达到设定值，说明还需要继续在当前温度下进行频率优化。然后，可以根据本次多线程优化得到的新状态解是否被接受，决定下一次频率优化如何进行。如果本次多线程优化得到的新状态解被接受，相应的，将本次多线程优化得到的新状态解作为当前状态解，进行下一次多线程优化即可。

1042、若未达到设定值，且本次多线程优化得到的新状态解不被接受，则结束当前温度下的多线程优化，基于最后得到的被接受的新状态解进行单线程优化。

如果本次多线程优化得到的新状态解不被接受，并且当前温度下的优化次数尚未达到，则后续的频率可以按照如下方式进行：结束当前温度下的多线程优化，基于最后得到的被接受的新状态解进行单线程优化，直到达到设定的次数。假设，当前退火温度下需要进行100次频率优化，有5个线程，则每个线程需要进行20次频率优化，假设进行到第14次多线程频率优化时，新状态解不被接受，则将该5个线程都结束，然后基于第13次多线程频率优化的得到的被接受的新状态解，由该5个线程之外的主线程再进行100-13＝87次单线程的频率优化，至此，100次频率优化完成，退出当前温度。

1043、若已达到设定值，则结束当前温度下的多线程优化，将最后得到的被接受的新状态解作为当前状态解。

假如某次多线程优化后，当前温度下的优化次数已达到设定值，则结束当前温度下的多线程优化，将最后得到的被接受的新状态解作为当前状态解。

然后，可以进行以下步骤：

105、判断是否达到频率优化退出条件；若没有达到，则确定下一个退火温度；若已达到，则结束频率优化。

若没有达到频率优化退出条件，说明还需要继续优化，则需要确定下一个退火温度。可以按照预设的降温机制确定下一个退火温度，例如在前一个退火温度的基础上降低一个固定的度数(例如5度)或者降低一个固定的比例(例如降低5％)等，以得到的新温度作为下一个退火温度。然后，继续进行下一个退火温度下的频率优化，步骤与前文描述的各步骤相同，不再详述。

若达到了频率优化退出条件，说明优化完成，可以结束整个频率优化过程。其中，频率优化退出条件是预先设定的用来判断是否结束整个频率优化过程的条件，该条件可以有多种设定方式，一种方式是按照退火温度设定，如果退火温度降低到某个预设值(例如一个接近0的退火温度)，则结束频率优化；另一种方式是按照历次多线程优化得到的新状态解不被接受的次数设定，如果不被接受的次数达到某个预设值(该预设值可以是一个小于转换门限的值，以保证频率优化过程中会进入悲观优化阶段)，则结束频率优化；再一种方式是按照网络干扰的大小设定，频率优化的目的即是降低网络干扰，因而可以设定一个网络干扰的期望值(例如原始网络干扰量化值的X％，X小于100)，当根据当前状态解计算得到的网络干扰量化值达到该网络干扰的期望值时，结束频率优化。如果某个退火温度下，达到了频率优化退出条件，则结束频率优化，以最后一次得到的被接受的现状解作为最优状态解分配各个小区，至此，整个频率优化过程完成。

综上，本发明实施例提供的基于模拟退火算法的频率优化方法，采用多线程机制，等效于同一台频率优化装置(或服务器)上同时执行多组基于模拟退火算法的频率优化，达到并行搜寻新状态解的运行效果，可以有效提升频率优化的效率，并且，通过设定合理的多线程间的约束条件用于判断是否接受新状态解，可以保证得到高质量的优化结果，并进一步提高频率优化效率。

发明人对本发明实施例提供的基于模拟退火算法的频率优化方法进行了实际的测试验证，结果如表5所示：

表5

从表5中可以看出，采用本发明实施例的多线程(2个、4个和8个)优化，相对于单线程优化，优化速度提高了21.98％到69.07％不等，频率优化的效率明显提高。

请参考图5，本发明实施例还提供一种基于模拟退火算法的频率优化装置，包括：

优化模块501，用于在当前退火温度下，基于当前状态解进行一次多线程优化，一次多线程优化包括：两个以上线程中的每个线程分别选择一个小区组，对选取的所述小区组进行一次基于模拟退火算法的频率优化；

判断模块502，根据多线程间的约束条件判断是否接受所述优化模块本次多线程优化得到的新状态解。

一种实施方式中，还可以包括：

确定模块503，用于根据频率优化的进度确定多线程间的约束条件。

进一步的，所述确定模块503，可以具体用于统计已进行的历次多线程优化得到的新状态解不被接受的次数，判断所述不被接受的次数是否达到转换门限；若未达到转换门限，确定采用乐观约束条件，包括：若多线程中的每个线程都接受自己优化得到的新状态解，则判断为接受本次多线程优化得到的新状态解，否则判断为不接受；若达到转换门限，确定采用悲观约束条件，包括：若多线程中有且只有一个线程接受自己优化得到的新状态解，则判断为接受本次多线程优化得到的新状态解，否则判断为不接受。

如图6所示，另一种实施方式中，还可以包括处理模块504；本实施方式中：

所述判断模块502，还用于统计并判断当前退火温度下的优化次数是否达到设定值；

所述处理模块504，用于若所述判断模块判断已达到设定值，则结束当前温度下的多线程优化，将最后得到的被接受的新状态解作为当前状态解。

进一步的，所述处理模块504，还可以用于若所述判断模块判断未达到设定值，且本次多线程优化得到的新状态解被接受，则将所述新状态接更新为当前状态解，通知所述优化模块进行下一次多线程优化；若所述判断模块判断未达到设定值，且本次多线程优化得到的新状态解不被接受，则结束当前温度下的多线程优化，通知所述优化模块基于最后得到的被接受的新状态解进行单线程优化。

更进一步的，所述判断模块502，还可以用于判断是否达到频率优化退出条件；所述处理模块504，还可以用于若所述判断模块判断没有达到频率优化退出条件，则确定下一个退火温度；若所述判断模块判断已达到频率优化退出条件，则结束频率优化。

本发明实施例的装置，其中央处理器(CPU)包括2个以上内核，以便提供2个以上线程，用于实施本发明实施例提供的基于模拟退火算法的频率优化方法。

本发明实施例提供的装置，可以采用多个线程分别对各自选取的小区组进行频率优化，并设定有多线程间的约束条件用于判断是否接受本次多线程优化得到的新状态解，相对于现有的频率优化方法，可以有效提高频率优化的效率。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤可以通过硬件完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存取存储器、磁盘或光盘等。

以上对本发明实施例所提供的基于模拟退火算法的频率优化方法以及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，不应理解为对本发明的限制。

Claims (10)

1.一种基于模拟退火算法的频率优化方法，其特征在于，包括：

在当前退火温度下，基于当前状态解进行一次多线程优化，一次多线程优化包括：两个以上线程中的每个线程分别选择一个小区组，对选取的所述小区组进行一次基于模拟退火算法的频率优化；

根据多线程间的约束条件判断是否接受本次多线程优化得到的新状态解；

统计并判断当前退火温度下的优化次数是否达到设定值；

若已达到设定值，则结束当前温度下的多线程优化，将最后得到的被接受的新状态解作为当前状态解。

2.根据权利要求1所述的方法，其特征在于，所述根据约束条件判断是否接受本次多线程优化得到的新状态解之前还包括：

根据频率优化的进度确定多线程间的约束条件。

3.根据权利要求2所述的方法，其特征在于，所述根据频率优化的进度确定多线程间的约束条件包括：

统计已进行的历次多线程优化得到的新状态解不被接受的次数，判断所述不被接受的次数是否达到转换门限；

若未达到转换门限，确定采用乐观约束条件，包括：若多线程中的每个线程都接受自己优化得到的新状态解，则判断为接受本次多线程优化得到的新状态解，否则判断为不接受；

若达到转换门限，确定采用悲观约束条件，包括：若多线程中有且只有一个线程接受自己优化得到的新状态解，则判断为接受本次多线程优化得到的新状态解，否则判断为不接受。

4.根据权利要求1所述的方法，其特征在于，所述统计并判断当前退火温度下的优化次数是否达到设定值之后还包括：

若未达到设定值，且本次多线程优化得到的新状态解被接受，则将所述新状态接更新为当前状态解，进行下一次多线程优化；

若未达到设定值，且本次多线程优化得到的新状态解不被接受，则结束当前温度下的多线程优化，基于最后得到的被接受的新状态解进行单线程优化。

5.根据权利要求1所述的方法，其特征在于，所述若已达到设定值，则结束当前温度下的多线程优化，将最后得到的被接受的新状态解作为当前状态解之后还包括：

判断是否达到频率优化退出条件；

若没有达到，则确定下一个退火温度；

若已达到，则结束频率优化。

6.一种基于模拟退火算法的频率优化装置，其特征在于，包括：

优化模块，用于在当前退火温度下，基于当前状态解进行一次多线程优化，一次多线程优化包括：两个以上线程中的每个线程分别选择一个小区组，对选取的所述小区组进行一次基于模拟退火算法的频率优化；

判断模块，根据多线程间的约束条件判断是否接受所述优化模块本次多线程优化得到的新状态解；

还包括：处理模块；

所述判断模块，还用于统计并判断当前退火温度下的优化次数是否达到设定值；

所述处理模块，用于若所述判断模块判断已达到设定值，则结束当前温度下的多线程优化，将最后得到的被接受的新状态解作为当前状态解。

7.根据权利要求6所述的装置，其特征在于，还包括：

确定模块，用于根据频率优化的进度确定多线程间的约束条件。

8.根据权利要求7所述的装置，其特征在于：

所述确定模块，具体用于统计已进行的历次多线程优化得到的新状态解不被接受的次数，判断所述不被接受的次数是否达到转换门限；若未达到转换门限，确定采用乐观约束条件，包括：若多线程中的每个线程都接受自己优化得到的新状态解，则判断为接受本次多线程优化得到的新状态解，否则判断为不接受；若达到转换门限，确定采用悲观约束条件，包括：若多线程中有且只有一个线程接受自己优化得到的新状态解，则判断为接受本次多线程优化得到的新状态解，否则判断为不接受。

9.根据权利要求6所述的装置，其特征在于：

所述处理模块，还用于若所述判断模块判断未达到设定值，且本次多线程优化得到的新状态解被接受，则将所述新状态接更新为当前状态解，通知所述优化模块进行下一次多线程优化；若所述判断模块判断未达到设定值，且本次多线程优化得到的新状态解不被接受，则结束当前温度下的多线程优化，通知所述优化模块基于最后得到的被接受的新状态解进行单线程优化。

10.根据权利要求6所述的装置，其特征在于：

所述判断模块，还用于判断是否达到频率优化退出条件；

所述处理模块，还用于若所述判断模块判断没有达到频率优化退出条件，则确定下一个退火温度；若所述判断模块判断已达到频率优化退出条件，则结束频率优化。