基于八叉树优化的MoM-PO/PTD混合算法分析目标电磁散射及辐射问题

在综合利用矩量法(method of moments, MoM)和物理光学(physical optics, PO)方法的过程中, 要精准识别和划分PO位置处于点光源照射情况下的暗区和亮区。传统的识别划分手段的时间复杂度为O(N²), 当面片数量N增多时, 所需的时间呈现出急剧增长的趋势。文中应用八叉树和后向追踪算法, 对PO亮区判断过程进行加速, 可将时间复杂度由N²降为NlgN。由于计算PO区域电流时没有考虑边缘绕射造成的影响, 导致计算误差较大。鉴于此, 本文在计算过程中引入物理绕射理论对混合算法加以改进, 并通过与FEKO中的MoM相比较, 说明了修正后的混合算法能够有效提升计算精度。     

数论网格法在极大似然估计中的应用

复杂似然函数的多峰性使得极大似然估计的求解存在很大困难。针对这一问题,提出了求解极大似然估计问题的数论网格法。讨论了数论网格法的特点,理论分析了其算法精度,给出了基于数论网格的序贯优化算法的计算步骤,研究了初始搜索区域和算法初始参数的确定方法。最后,以两参数威布尔分布参数极大似然估计为例,给出了极大似然估计的计算过程,比较了序贯优化算法和对分法的估计结果,说明了序贯优化算法的有效性和计算效率。     

基于遗传算法的序贯诊断测试策略生成

针对序贯故障诊断问题,提出一种基于遗传算法的诊断测试策略生成方法。采用变长度染色体表示有效测试策略,根据测试费用排序进行适应度分配,设计了适于顺序编码的遗传操作,竟过进化计算获得期望费用最小的测试策略。对飞船发射前测试进行的仿真结果表明,本文方法与基于信息增益最大的测试策略相比,测试费用显著降低,适于解决大规模诊断测试问题。     

基于强化学习的改进三维A*算法在线航迹规划

针对飞行器在线航迹规划对算法实时性与结果最优性要求高的问题，基于强化学习方法改进三维A^*算法。首先，引入收缩因子改进代价函数的启发信息加权方法提升算法时间性能；其次，建立算法实时性与结果最优性的性能变化度量模型，结合深度确定性策略梯度方法设计动作-状态与奖励函数，对收缩因子进行优化训练；最后，在多场景下对改进后的三维A^*算法进行仿真验证。仿真结果表明，改进算法能够在保证航迹结果最优性的同时有效提升算法时间性能。     

基于蚁群算法的序贯决策问题研究

实际工程中存在许多大规模、非线性多约束的序贯决策问题,传统算法解决起来较为困难.蚁群系统(ACS)是一个用来解决大规模多约束组合优化问题的现代启发式算法,根据序贯决策的特点设计了多层结构的蚁群系统,给出了算法的组成结构;为了节约计算内存和优化时间,详细阐述了淘汰劣质解机制的精英策略;并通过梯级水电站短期优化调度这一实际工程序贯决策问题,来验证所构造的算法,给出了优化调度的数学模型及算法的求解思路.最后,采用我国西南地区某梯级流域中三个水电站的相关数据建立了调度仿真模型,仿真结果证实了所采用算法的有效性和可行性.     

时间反演系统中基于Barzilai-Borwein的共轭梯度检测算法

针对时间反演多址系统中信道的相关性会导致多用户干扰的问题,以降低用户间干扰和算法复杂度为目标,提出基于Barzilai-Borwein的共轭梯度迭代检测算法。首先通过共轭梯度迭代两次找到最速下降方向,然后通过Barzilai-Borwein沿着共轭梯度搜索的方向继续迭代。仿真表明,所提算法收敛速度快于Barzilai-Borwein和共轭梯度算法,且复杂度低于共轭梯度算法和最小均方误差(minimum mean square error, MMSE)算法,保持在O(N²)。     

优化卡尔曼滤波算法中的目标函数选择

针对优化卡尔曼滤波算法(optimized Kalman filter,OKF)中的目标函数选择问题,设计了两种适用于OKF算法优化的目标函数,证明了这两种目标函数是最优的,即当目标函数取最小值时,OKF算法中的滤波估计值H_kx_k|k-1^⌒*是(或概率意义下)系统真实状态H_kx_k的最优估计。把上述目标函数应用于多模型卡尔曼滤波算法(multiple model adaptive Kalman filter,MM-AKF)中,设计了一种优化多模型卡尔曼滤波算法(optimizedmultiple model adaptive Kalman filter,OMM-AKF),OMM-AKF算法能够根据目标函数优化子滤波器的滤波估计值权值,从而能够得到系统真实状态的较优估计值。最后,通过仿真验证了上述理论的正确性和方法的有效性。     

受拟态物理学启发的全局优化算法

受拟态物理学方法的启发,就物理个体与理想粒子的特征异同,建立了拟态物理学方法与基于种群的优化算法的映射关系;通过设计个体质量为用户定义的其适应值函数、制定个体之间的引/斥力规则,利用牛顿万有引力定律定义个体之间的虚拟作用力,设计出一种求解全局优化问题的拟态物理学优化算法框架;构造和测试凸曲线、直线和凹曲线这三种曲线质量函数对算法性能的影响,结果表明了具有凹曲线质量函数的算法性能较好;同时,通过与四种典型优化算法的性能比较,说明该算法是有效的.     

方位未知信号联合检测与估计研究

为解决高斯噪声中方位未知平面波信号的检测及方位估计这一无源雷达信号处理中的重要问题,在讨论联合检测与估计序贯实现的基础上,设计远场平面波信号入射方位(DOA)的充分统计量,构造自然共轭密度函数族,并将其运用到序贯算法中。仿真实验表明,联合检测与估计序贯算法较传统的检测与估计分离算法在检测性能上有2 dB的改善。     

基于改进A*算法的自动导引车无碰撞路径规划

针对自动导引车(automated guided vehicle,AGV)的无碰撞路径规划问题,提出一种引入时间因子的改进A^*算法以减少转弯次数,结合时间窗及优先级策略实现多AGV的动态无碰撞路径规划.首先利用改进后的A^*算法静态规划各AGV转弯次数最少路径;其次,分析路径节点到达时间及冗余时间,根据电量与路径性能动态地为多AGV分配优先级,结合时间窗模型解决了多AGV碰撞冲突问题并且提升了系统效率.案例分析结果表明,该算法在保证路径最优性的同时解决了传统A^*算法带来的转弯次数多问题,能有效实现无重复、无冲突的系统调度,并证明了其在动态环境下具有良好的适应性和鲁棒性.     

行为综合功能流水线中的资源约束LB-ACO算法

针对行为综合功能流水线中带资源约束的调度问题,提出了一种新的功能流水线调度算法负载平衡蚁群调度算法(load-balanced ant colony scheduling,LB-ACO).该算法将蚁群算法和力向算法的受力公式相结合,在保证较低运行时间复杂度O(cn²)的前提下,可获得近似最优的流水线调度结果.通过确定蚁群算法的局部试探因子和全局试探因子的计算方法,描述了该算法的实现步骤.通过仿真实验证明了该算法的流水线调度性能.     

能力与权力:大规模复杂网络重要节点识别的二重异质指标及算法

为快速识别大规模复杂网络中的重要节点,本研究将人类社会普遍存在的两类不平等映射为节点在网络中的能力与权力的二重异质性,设计了评价复杂网络节点重要度的DH指标,构造了用于DH指标快速分布式计算的并行随机距离渐进(parallel random distance approach,简称PRDA)算法.通过网络最大连通率、网络均衡熵、算法有效性和算法效率的评价实验验证DH指标及PRDA算法的有效性,得出结论如下:DH指标在识别重要节点时能适应不同拓扑特征的复杂网络,识别性能优于或同于时间复杂度更高的介数;PRDA估计算法在最短路径获得概率p=1-10~(-1.5)的水平上得到的节点效率估计值■与真实值η_i的Pearson相关系数在0.975以上,且在大规模网络上进行节点效率估计结果更可靠;在Apache Spark并行内存计算环境中应用时间复杂度为O(n~2/l)的PRDA算法求解DH指标耗时远小于介数求解耗时,这表明算法的时间特性也适于大规模网络.     

多相测试时钟低功耗BIST调度

内建自测试(BIST)是解决系统芯片(SoC)测试问题的首选可测性设计方法。为了缩短SoC中的BIST测试时间,应该使尽可能多的BIST模块并行测试。然而过度的并行会引起测试功耗过高,对SoC产生不利的影响。为了改善这个问题,提出了基于多相测试时钟以及在峰值功耗的限制下,通过遗传算法对各BIST模块进行时钟相位分配与时序安排的优化调度算法,使SoC在测试时间得到优化。通过对ISCAS标准电路组成的SoC进行算法仿真,实验结果表明这种方法可以有效地组织测试,提高测试效率。     

基于序列复杂度的空中红外目标跟踪算法评估

近年来,基于深度学习的红外空中目标跟踪算法不断涌现,如何对其性能进行评估已经成为一个亟待解决的问题。利用单帧图像混淆度和遮隐度对图像复杂度进行计算,并结合目标运动复杂度,建立了融合图像复杂度和运动复杂度的序列复杂度计算模型。构建了包含420个序列的红外序列样本库,利用序列复杂度对样本库测试结果进行加权评分,提出了一种新的红外空中目标跟踪算法性能评估方法。实验结果表明,所提出的评估方法能全面评估算法在不同态势下的性能。     

MPS上作业的分配和调度问题

多处理机系统MPS(MultiprocessorSystem)上作业的分配和调度问题是其运行效率的关键.本文讨论的是具有不相容性作业集的作业分配和调度问题,提出了一种启发式方法及其定量分析技术,并证明了相关定理和若干推论.     

一种求解协作配送成本分摊问题核仁解的近似迭代算法

协作配送问题是典型的组合优化合作博弈问题,也可称为协作车辆路径问题,其核心问题之一是确定公平合理的成本分摊方案.其中核仁解由于具有唯一性和公平性等特点,是成本分摊领域中公认的科学分摊方案.本文提出了一种近似求解协作配送问题核仁解的方法.首先分析证明了当顾客位置分布均匀,从理论上协作配送成本分摊问题会是凸博弈问题,然后,基于凸博弈的核仁解会等同于预内核解的理论,提出了一个能够求解凸博弈问题核仁解的迭代逼近算法(approximate iterative algorithm,AIA),分析了AIA算法的复杂度为O(n~42~n),为此又提出了AIA的有效提速策略,可将AIA的复杂度降低至多项式.最后,通过求解协作配送算例和实例,验证了本文AIA算法能够准确求解得到协作配送成本分摊问题的核仁解,提出的求解策略能有效的减少求解耗时,并且得到的最终结果与实际核仁解的平均偏差不到0.02%,更重要的是AIA能够用于求解所有凸博弈问题的核仁解.     

基于蚁群算法的并行测试任务调度

并行测试的任务优化调度是并行测试技术的核心问题.提出了一种用于解决并行测试任务调度问题的改进蚁群算法,通过该算法可以获得测试时间最短的任务调度序列.给出了并行测试任务调度问题的数学模型,设计了启发式函数和状态转移概率的计算公式.采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟.给出了应用实例,实际应用表明该算法是有效的,能很好地解决此类多维动态组合优化问题.