基于多群体遗传算法的非线性最小二乘估计

由于非线性模型参数估计理论广泛使用的传统牛顿类算法对初值的敏感性,以及简单遗传算法易陷入局部最优的问题,提出了一种多群体遗传算法,它采用多个群体执行遗传算法搜索解,并且能根据各个群体在较少迭代次数中找到的最优解动态调整参数域,提高了遗传算法的性能及搜索到的解是全局最优解的可靠性.实验结果表明:新的算法是一种有效的非线性...     

EM-ACO算法及其在多重超声回波参数估计中的应用

针对EM算法在估计多重超声回波参数时存在收敛速度慢和迭代结果强烈依赖于初始值的缺点,将蚁群算法应用到多重超声回波参数估计的EM算法中,提出一种新的多重超声回波参数估计算法——EM-ACO算法.该算法结合EM算法和蚁群算法的优点,不仅可以改善EM算法估计多重超声回波参数时估计结果强烈依赖于初始值的缺点,有效提高EM算法的收敛速度,而且可以获得更高的参数估计精度.根据超声回波的高斯回波模型,应用EM-ACO算法,在不同的信噪比条件下,对多重超声回波的参数向量组进行估计.仿真结果表明:EM-ACO算法能在各种不同的初始值条件下,以较少的迭代次数估计出多重超声回波的参数向量组,并且具有较高的估计精度.     

一种改进的遗传算法及其应用

遗传算法在实际应用中容易出现早熟收敛和搜索结果精度不高的问题。针对早熟收敛和最优值精度低,采用了对搜索参数进行动态调整的优化计算。在进化的全过程中,算法始终保持较强的全局搜索能力和局部寻优能力。测试结果表明,对遗传算法的此种改进是有效的,不易陷入局部最优,并能大大提高最优解的精度。     

一种由种群发育约束个体变异的鲁棒遗传算法

提出用种群发育停滞代数对变异概率和变异位数进行动态控制的改进遗传算法。该算法把种群没有更优个体产生看作种群发育停滞 ,将种群发育停滞代数定义为当前繁殖代序号与已得最优解的繁殖代序号之差 ;变异参数 (包括变异概率、变异位数 )初值与标准遗传算法 (SGA)相近 ;随着发育停滞代数的增长 ,增大变异参数 ;当有更优个体产生时 ,变异参数恢复到初值 ,种群发育停滞代数置 0 ;随种群发育停滞代数再次增长 ,变异参数再次增大 ,如此反复 ,直至算法结束。该算法在保持局部搜索能力的同时 ,提高了全局搜索能力及速度。用两个多极值函数(Camel函数、Shaffer’sF6函数 )对该算法进行测试 ,结果表明 ,与SGA及自适应遗传算法相比 ,该方法以相当强的鲁棒性收敛到全局最优解 ,且具有较高的收敛速度     

一种由种群发育约束个体变异的鲁棒遗传算法

提出用种群发育停滞代数对变异概率和变异位数进行动态控制的改进遗传算法。该算法把种群没有更优个体产生看作种群发育停滞，将种群发育停滞代数定义为当前繁殖代序号与已得最优解的繁殖代序号之差；变异参数(包括变异概率、变异位数)初值与标准遗传算法(SGA)相近；随着发育停滞代数的增长，增大变异参数；当有更优个体产生时，变异参数恢复到初值，种群发育停滞代数置0；随种群发育停滞代数再次增长，变异参数再次增大，如此反复，直至算法结束。该算法在保持局部搜索能力的同时，提高了全局搜索能力及速度。用两个多极值函数(Camel函数、Shaffer’s F6函数)对该算法进行测试，结果表明，与SGA及自适应遗传算法相比，该方法以相当强的鲁棒性收敛到全局最优解，且具有较高的收敛速度。     

超声回波参数的高斯与牛顿迭代法计算

应用超声回波模型,对检测目标的超声回波进行模拟,在模拟过程中应用高斯与牛顿法迭代出估计参数.结果表明,该算法能以较少的迭代次数计算出向量参数,但对模型中到达时间初值设定较为敏感,这可用常规方法(互相关或小波变换、遗传算法等)解决.     

猴王免疫进化算法

猴王遗传算法具有原理简单、易于计算的优点,但存在猴王点(最优个体)附近空间局部寻优能力弱,进而影响全局搜索能力的局限.通过引入免疫进化算法,对猴王点进行免疫进化迭代优化,使得既加大对最优个体附近解空间搜索的同时,也兼顾了对最优个体附近解空间以外区域的搜索,避免了不成熟收敛;且随着迭代的进行,局部搜索能力不断得到加强,算...     

基于交叉变异操作的连续域蚁群算法研究

研究一种基于交叉变异操作的连续域蚁群算法,该算法对解的每一分量的可能取值组成一个动态的候选组,并记录候选组中的每一个可能取值的信息量.在蚁群算法的每一次迭代中,首先根据信息量选择解分量的初值,然后使用交叉、变异操作来确定全局最优解的值,通过相应算法设计,对于来自相对适应度较大的解的分量值, 其变异的区域较小,成为局部搜索,反之,变异的区域较大,则构成全局搜索.同时,随着迭代次数的增多,分量值的变异幅度逐渐变小,这样可使收敛过程在迭代次数较多时得到适当的控制,以加速收敛.最后通过仿真实验,把交叉变异操作的连续域蚁群算法与遗传算法性能进行比较,证明了交叉变异操作的连续域蚁群算法具有较高的搜索较优解的能力,大大节约了计算时间.     

改进GA优化BP神经网络的短时交通流预测

为了提高BP神经网络预测模型对短时交通流的预测准确性,文章提出了一种基于改进遗传算法优化BP神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力,能够在搜索过程中避免陷入局部最优解,因此引入模拟退火算法中的Metropolis接受准则来增加遗传算法的局部搜索能力,避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。仿真结果表明,该方法对短时交通流预测具有较好的预测精确性。     

一种快速遗传算法的性能分析

 针对遗传算法全局优化速度缓慢、搜索的效率对约束惩罚因子的选择有明显的依赖性等问题,介绍了一种能够从可行解空间和不可行解空间同时搜索、具有"精英"保持能力和采用已搜索解集避免了子代的"返祖"和退化现象的快速遗传算法.性能分析表明,该算法为1阶快速收敛的遗传算法,收敛速度优于其它3种算法,而且参数的选择对于算法的收敛速度没有本质的影响,一般在第5次迭代后即可找到全局最优解.     

基于时延差特征参数判别的牛顿迭代振源定位搜索算法

 时差定位系统的定位精度, 主要受时间差测量和传感器几何分布的影响。由于受环境的复杂性、目标的移动性和定位的实时性制约, 时延差准确与否一直是困扰研究人员的问题。本文提出一种基于信号特征参数判别的时延差误差估计方法, 应用该方法分别对牛顿迭代搜索定位算法的搜索初值和结束条件进行了改进:首先利用各传感器的特征信息, 确定各传感器信号的信度;其次, 选择3 个可信度高的传感器进行目标定位, 其结果作为牛顿迭代搜索的初值, 避免了传统方法确定初值的复杂繁琐的计算;第三, 将各传感器的信度作为牛顿迭代搜索结束条件的权值, 使得结束条件更合理、更贴近实际。实验证明了本算法定位精度高、鲁棒性强。     

基于遗传算法的光学定晕优化

提出了一种基于改进的遗传算法的晕光（瞳刻划椭圆模型优化方法，并与传统的Gauss-Newton方法进行比较，表明用改进的遗传算法所得结果精度更高，而且克服了传统方法倚赖于接近最优点初值的不足。     

利用ESPRIT方法实现信号频率／相位的联合估计

目的 研究阵列信号频率／相位的联合估计方法。方法 设３个天线组成的天线阵,接收到含有多个谐波的回波信号,由计算机仿真产生不同信噪比下这些回波的数据序列样本,利用旋转不变技术（ＥＳＰＲＩＴ）计算出各谐波的频率和相位差,实现信号频率／相位的联合估计。     

二维轴对称压差方程组活塞问题的激波解

研究二维轴对称压差方程组活塞问题局部解的存在性.首先,利用轴对称的特点,选用合适的变量将原问题转化为一维问题.然后,利用Taylor展开的方法构造原问题的一个N阶近似解.进而以此近似解作为迭代的首项,通过Newton迭代法,并利用对相应线性问题所作的能量估计,最终证明其活塞问题激波解的局部存在性。     

同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.     

基于栅格地图-蚁群算法的机器人最优路径规划

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用蚁群算法作为机器人路径搜索的规则．将所有机器人放置于初始位置。经过NC次无碰撞迭代运动找到最优路径．到达目标位置．为防止机器人在路径搜索过程中没有达到最大迭代次数时路径大小已不发生变化而陷入局部最优。可通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值继续搜索．直到迭代完毕,获得最优路径．     

基于BTFD-Hough变换的多Chirp成分信号的检测与参数估计

由于双线性时频分布(BTFD)对多个Chirp成分信号的时频表示存在交叉项干扰，因而在低信噪比情况下直接在时频平面难于进行检测和参数估计．该文提出了将信号的双线性时频分布作为图像，利用Hough变换检测图像中直线的原理，将多Chirp成分信号的检测与参数估计转换为在参数空间寻找局部极大值及其坐标的问题，可以使得检测和参数估计一并完成．仿真实验表明，该方法不仅能够有效地检测多Chirp成分信号并估计其参数，而且有较高的抗噪声性能，并能起到抑制与信号自项重叠的交叉项干扰的作用．     

重力异常界面反演的Gauss-Newton方法及其隐式迭代实现

首先根据重力异常积分公式及重力异常实测数据将确定异常源的密度界面问题归结为求非线性泛函极小化的变分问题,并在Ｈｉｌｂｅｒｔ空间中应用Ｇａｕｓｓ－Ｎｅｗｔｏｎ迭代方法进行求解．在实际计算中采用有限维试验函数空间对模型进行离散,每次迭代的增量由隐式迭代方法给出,以增强求解的稳定性     

基于瞬时频率曲线拟合和局部搜索组合方法的三阶多项式相位信号参数估计

三阶多项式相位信号是一类非常重要而常见的非平稳信号。在非合情况下,针对低信噪比的三阶多项式相位信号参数估计问题提出一种新方法。该方法采用基于滤波器组的短时RadonWigner变换的时频检测算法完成信号的检测并获得信号瞬时频率的粗略估计,利用三阶多项式对瞬时频率进行最小二乘拟合,从而获得信号参数的粗略估计,再用局部二维搜索和快速傅里叶解线调的方法完成信号参数的精确估计。计算机模拟仿真证明了此方法在低信噪比和较短数据条件下的有效性。     

一种高斯色噪声混响背景的宽带信号检测算法

针对由正反线性调频信号和双曲调频信号产生的宽带混响,研究了以局部平稳高斯色噪声混响模型为基础的分段匹配滤波检测算法。对匹配滤波器采用分段预白化处理,对数据进行合理分段后,对每段数据按高斯色噪声背景下的最佳检测器,即对匹配滤波检测器进行预白化处理,则可以得到分段预白化匹配滤波检测器。仿真试验实现了对混响数据下的宽带信号检测。结果表明采用分段匹配滤波器和分段预白化滤波器可以在低信混比下检测信号,其中分段预白化匹配滤波算法可以有效检测满足局部平稳高斯色噪声背景下的回波信号,且性能优于分段匹配滤波器。