其中，{Tk}渐趋于0的退火温度，Tk=1/ln（k/T0+1），T0为起始温度。
（3）自适应度交叉概率和变异概率
GA的交叉概率Pc与变异概率Pm对其性能影响很大，它们的选择直接影响算法的收敛性。在进化初期，为了避免个别适应度高的个体迅速繁殖，出现早熟现象，Pc和Pm不宜过小，以增加种群的多样性；在进化后期，个体接近最优解时，Pc和Pm不宜过大，以避免个体长期无法达到最优解［8］。文中的Pc和Pm根据模拟退火思想按照如下公式进行自适应调整：
其中T′类似于模拟退火中的温度T，为进化代数的倒数；gen为设定的进化总代数。在进化初期T′较高，则Pc和Pm较大，以利于种群的多样性；随着进化代数的增加，T′逐渐减小，Pc和Pm渐进减小，便于个体向最优解靠近。
从上述内容可知，将模拟退火应用于遗传算法中，在优选交叉和变异个体的过程中通过加入一定的“扰动”以达到保持群体中位串多样性和位串之间的竞争机制，从而克服算法易陷入局部极小点的问题，使得搜索沿着全局最优化方向趋进。
2 模拟退火遗传算法在多用户检测技术中的应用
模拟退火算法与遗传算法相结合，取长补短，形成了模拟退火遗传算法。多用户检测是一个NP完备问题，将模拟退火遗传算法用于多用户检测中是可行的。图2为模拟退火遗传算法多用户检测原理框图，由滤波器和多用户检测器两部分组成。它有 k个输入和k个输出。
