OFDM系统自适应比特加载算法

在正交频分复用（OFDM）系统中应用自适应技术能有效地提高系统性能．文中针对固定数据速率及子信道比特率受限的情况，研究了使系统发射功率最小化的自适应比特加载问题．首先对无限小信息粒度的最优化问题进行分析，确定最小功率的下界．在此基础上再对整数比特（有限信息粒度）的最优化问题进行求解，由此得到了一种快速的整数比特加载算法．仿真结果证明，该算法是一种运算速度快的最优比特加载算法．     

一种新的基于Dijkstra算法的QoS组播树启发式算法

基于Dijkstra算法和MCP_IA算法，提出了一种耗费受限的最短时延路径算法（CCLDA），并将其应用于时延和时延差异受限的算法（DDVCA），并给出了算法实现的伪代码，不仅满足了时延和时延差异限制，而且降低了最终所得的组播树的耗费，更能满足现实需要。     

一种波形匹配新算法:V-P-V算法─—用于中文签名真伪识别

提出了一种度量波形相似度的新算法，并用于中文签名真伪识别．该算法将波形切割成一串相关联的峰一谷一峰（Ｖ－Ｐ－Ｖ）子元，通过插入、删除和替代三种操作的代价来计算两串的距离，由此得到两波形的相似度．算法的时间复杂性为Ｏ（ｎ×ｍ），ｎ与ｍ分别为两波形串的子元数目．文中给出的Ｖ－Ｐ－Ｖ算法已用于中文签名真伪识别系统，并获得了满意的结果．     

数字蜂房移动通信信道的一种模型

根据数字蜂房移动通信的信号传输过程建立了一种时变的ＦＩＲ信道模型。在此模型基础上，研究了一种新的自适应均衡方法。它基于系统辨识原理，采用改进的归一化变步长最小均方误差（ＭＮＶＳ ＬＭＳ）算法，克服由于多径效应引起的码间干扰（ＩＳＩ）。计算机模拟实验表明，本文提出的ＭＮＶＳ算法其跟踪性能明显优于ＮＶＳ和传统的ＬＭＳ算法，且运算量小，具有良好的实用性。     

关于VD_2算法中的二次近似与解的性质的某些分析

所谓 ＶＤ２算法是指由Ｖｉｄｉｇａｌ和 Ｄｉｒｅｃｔｏｒ于１９８２年提出的，用于求解中心设计问题的一种算法［１］．本文对算法中的拟凸（拟凹）的二次近似作一些分析，相出了它的不等价性（局部）并分析了解序列中的 Ｍｉｎｋｏｗｓｋｉ凸体的关系。本文以及由作者所提出的其他几篇报告［６－８］，构成了对ＶＤ２算法的某些数学分析。在［９］中又给出了最近的一些研究结果。     

一种新的基于Dijkstra算法的QoS组播树启发式算法

基于Dijkstra算法和MCP-IA算法,提出了一种耗费受限的最短时延路径算法（CCLDA）并将其应用于时 延和时延差异受限的算法（DDVCA）,并给出了算法实现的伪代码,不仅满足了时延和时延差异限制,而且降低了 最终所得的组播树的耗费,更能满足现实需要。     

城市灾区无人机基站部署优化

通过优化无人机基站（UAV-BS）三维空间部署位置，以最小化满足通信需求的UAV-BS部署数量.针对城市灾区中UAV-BS的部署优化方法较少考虑到建筑的具体形状及位置对通信影响情况，在构建一个建筑物对UAV-BS视距（LoS）链路的遮挡模型的基础上，提出一种UAV-BS部署算法——PSO-PPGE.该算法首先采用粒子群算法（PSO）在目标区域搜索全局部署方案，然后基于相邻UAV-BS部署间的势博弈关系，根据遮挡信息及UAV-BS负载制定博弈策略，局部调整每个粒子中的UAV-BS位置，以提高UAV-BS的用户覆盖率，进而确定所需UAV-BS的最小数量.仿真结果表明，所提出的算法与PGE、PSO等优化算法相比，在最小化UAV-BS数量同时最大化用户覆盖率方面具有明显优势.     

一种改进的MNVS自适应滤波算法

提出一种改进的归一化变步长自适应滤波算法（ＡＮＶＳ）,它对归一化变步最小均方误差自适应乍法（ＭＮＶＳ）作了进一步的改进,使之既具有愉收敛速度,又有快速跟踪能力,计算机仿真结果表明,该算法的性能明显优于ＭＮＶＳ算法,而其计算量与ＭＮＶＳ算法相当。     

基于最小化最大类内距离的面聚类网格分割算法

介绍了一种简单、有效的三维网格分割算法．该算法是基于最小化最大类内误差的聚类方法．先将表面网格转换成连接图,通过最短路径定义任意两个三角形之间的“距离”,然后利用新的距离度量将传统的聚类算法应用到网格表面分割问题．提出的算法不仅确保使最大类内距离实现最小,而且可以确保每个类别的所有三角形都构成网格表面上单独的一片．提出了一种受限边界直化算法,极大改善了分割后的区域形状．实验表明,这种两步(最小化最大类内距离聚类和受限边界直化)的网格分割算法在区域平面性和区域形状方面都表现出了良好效果．     

基于遗传模拟退火算法的漏磁缺陷重构

通过将模拟退火技术加到遗传算法（GA）的变异运算中，提出一种遗传模拟退火算法（genetic-simulated—annealing—algorithm，GSAA），并且提出一种基于GSAA的逆算法，用于从漏磁信号中重构二维缺陷．该算法中，径向基函数神经网络（RBFNN）用作前向模型，GSAA用于求解逆问题中的优化问题．实验结果表明，同基于GA的逆算法相比，基于GSAA的逆算法更精确，并且对噪声更具鲁棒性．     

基于切分模板的实时跟踪算法

相关匹配算法是一种经典的匹配算法 ,通过计算模板图像和待匹配图像的互相关值来确定匹配的程度 ,具有很高的准确性和适应性 ,在目标跟踪中得到了广泛应用。但是相关匹配算法计算耗时过于庞大 ,难以达到实时要求 ,并且当目标在模板中所占比例很小时 ,很难确定模板的准确位置 ,使得此算法在实时目标跟踪中难以得到应用。文中在相关匹配的基础上提出了一种基于切分模板的实时跟踪算法。匹配的模板被分为几个部分 ,每个部分均有不同的加权值 ,最后的相关匹配度为各部分匹配度的加权和。算法中还设置了一个不是实时更新的加权模板 ,以提高算法的抗干扰能力 ,并采用金字塔搜索算法进行加速。实验结果显示 ,此算法有效地克服了相关匹配算法的缺点 ,具有较好的匹配精度和实时性     

自适应多速率交互式多模型算法

为提高交互式多模型算法性能，在交互式多模型算法的框架下引入了“当前”统计模型和多速率常速模型，开发了自适应多速率交互式多模型算法．Monte Carlo仿真结果表明，自适应多速率交互式多模型算法在减少计算量的同时，跟踪滤波效果优于采用常速和常加速模型的标准交互式多模型算法．     

基于齐次模型的信赖域算法

提出一种基于齐次模型的信赖域算法，传统的基于二次模型的信赖域算法只是它的一个特例。由于该模型比二次模型更近似目标函数，故新算法优于传统的信赖域算法。     

关于小波分解原子时算法的等效模型

根据小波分析的基本原理,在分析小波分解原子时算法的基础上,提出了一种小波分解原子时算法的等效模型。通过多次的实验和大量的原始测量数据对算法模型进行了验证,并比较了小波原子时算法与等效模型的运算速度。结果表明,该模型可以提高原子时计算的速度,适合于原子时算法的快速计算。     

求解离散网络平衡设计问题的遗传算法

针对离散网络平衡设计二层规划模型,提出了一种新的求解算法,对上层问题采用遗传算法,而对下层问题采用平衡交通分配的Frank-Wolf算法.数值试验结果表明:该算法是有效的.能够较快地求解这类网络平衡设计二层规划模型.     

分销配送网络优化模型及其求解算法

为了优化网络结构 ,寻求最佳配送策略 ,最终找出成本最小的供应链 ,针对需求拖动式供应链中 ,多供应商、多产品、多客户分销配送网络的优化设计问题 ,在考虑需求分配的情况下 ,提出了分销配送网络的优化模型。为了求解优化模型 ,提出了基于混合遗传算法求解混合 0 - 1整数规划问题的算法 ,它是用遗传算法搜索 0 - 1变量的最优解 ,将其他算法融入遗传算法中 ,对非 0 - 1变量进行求解的一种算法。最后通过两个算例进行了仿真实验 ,验证了优化模型的正确性和算法的有效性。模型简明、客观 ,算法易于扩展并具有鲁棒性、通用性     

众包物流配送车辆调度模型及优化

针对众包抢单模式和众包派单模式的配送特点,建立众包配送车辆调度模型,将两种配送模式有机结合,优势互补,并根据模型特点采用蚁群-量子粒子群混合优化算法进行求解.以深圳清湖冷链配送为例,从配送距离和成本等角度,分别与传统配送模式、抢单配送模型和派单配送模型进行比较,实验充分证明了众包配送模型的有效性;同时,将蚁群-量子粒子群混合算法与蚁群、粒子群等算法优化结果进行比较,证明了蚁群-量子粒子群混合算法的有效性.     

求解最大割问题的分枝定界算法

最大割问题是图论中的一个典型的NP困难问题。文中基于最大割问题的半定规划松弛模型，给出了最大割问题的一种二次规划松弛模型，并且理论证明了提出的二次规划松弛模型要优于半定规划松弛模型。在谈模型的基础上，利用分枝定界算法求解最大割问题。对小规模和中等规模的最大割问题分别作数值实验。实验表明分枝定界算法能够给出最大割问题一个好的近似解，是求解中小规模最大割问题的有效方法。     

基于隐马尔可夫模型和遗传算法的地图匹配算法

综合采用隐马尔可夫模型(HMM)和遗传算法,提出了一种新的地图匹配算法.首先初始化HMM概率矩阵,然后使用前向后向算法进行参数学习,用Viterbi算法预测一组路段序列,最后将路段序列作为种群,通过遗传算法得到最优的路段序列.采用北京市2012年出租车GPS定位数据分别对传统的基于隐马尔可夫模型的算法和新算法进行测试,实验结果表明,传统的基于隐马尔可夫模型的算法的匹配精确度低于90%,新算法的匹配精确度高达90%以上.     

广义预测误差模型及其GLMS自适应算法

提出了广义预测误差模型,其二次型性能面的形状受控于模型参数α,在最小均方误差准则下,推导出GLMS自适应算法.通过简化的GLMS算法和LMS算法的类比分析,证明了模型参数α对算法的收敛特性具有明显的影响.在α<0时,可获得比LMS算法更好的收敛特性,而计算量增加不多.数字仿真结果与理论分析相符.