TD-SCDMA手机的PLMN最佳搜索算法研究

手机PLMN搜索算法用于查找当前可探知的PLMN网络.它的性能将直接影响到后续的PLMN网络选择的效率.提出了一种用于TSM的PLMN最佳搜索算法.为阐述方便,文章首先简要介绍了TSM协议,PLMN选择和TD-SCDMA物理层的一些相关的知识.     

从2代过渡到3代——TSM移动通信系统

介绍一种运行于GSM核心网络而以TD-SCDMA物理层为基础的系统：TSM系统。TSM系统提出的初衷一方面是为了解决以GSM作为第二代移动通信主要技术的运营商向第三代移动通信平滑过渡的问题；另一方面也是为TD-SCDMA系统的现状试验提供一个规范。TSM系统提出在GSM网络中，用TD-SCDMA技术提供第三代移动通信业务的概念和实现方法，此技术在GSM系统向第三代移动通信过渡的时期将有重要的现实意义。     

TSM系统的RR连接建立过程

面对庞大的GSM用户数，如何平稳地向3G过渡是国内甚至世界上每一个运营商都将面临的问题，TSM标准在这种情形下应运而生。在简单介绍TSM标准由来的基础上，将深入研究TSM系统中RR连接建立的过程，简要分析、比较该过程在TSM与GSM系统中的不同之处，接着描述了TSM系统RR连接建立过程中RRM子层所需完成的其他任务，最后给出了TSM系统RR连接建立过程的消息流程图。     

TSM系统的RR连接建立过程

面对庞大的GSM用户数，如何平稳地向3G过渡是国内甚至世界上每一个运营商都将面临的问 题TSM 标准在这种情形下应运而生。在简单介绍TSM 标准由来的基础上，将深入研究TSM 系统中RR 连接建立的过程，简要分析、比较该过程在TSM 与GSM系统中的不同之处，接着描述了TSM 系统RR连 接建立过程中RRM子层所需完成的其他任务，最后给出了TSM 系统RR连接建立过程的消息流程图     

基于模拟退火机制的网络蜘蛛搜索策略

在分析传统网络蜘蛛搜索机制特点的基础上，将模拟退火机制引入网络蜘蛛的链接选择策略。提出了一种基于模拟退火机制的启发式网络蜘蛛搜索算法。针对国外四所著名大学计算机系网站中计算机论文资源的搜索实验表明，新算法可以有效提高搜索效率。     

基于模拟退火的网络蜘蛛性能分析与系统实现

在分析传统网络蜘蛛搜索机制特点的基础上，将模拟退火机制引入网络蜘蛛的链接选择策略，提出了一种基于模拟退火机制的启发式网络蜘蛛搜索算法．设计并实现了一个计算机相关论文搜索引擎网络蜘蛛系统．针对国外4所著名大学计算机系网站中计算机论文资源的搜索实验表明，新算法可以有效提高搜索效率．     

禁忌搜索与遗传算法在求解时间表问题中的对比研究

时间表问题属于NP完全问题，一般来说，只能找出用于实际工作的“亚优解”(sub-optimal solution)，对遗传算法和禁忌搜索算法用于求解时间表问题进行了对比研究，结果表明，禁忌搜索算法能找出比遗传算法更好的时间表，而且禁忌搜索算法所花费的搜索时间也比遗传算法少。但是，遗传算法能同时产生几个不同的逼近最优解的解。     

GSM协议中无线资源管理的研究

研究了GSM协议中的无线资源管理部分，空闲模式下的MS包括蜂房选择、重选择过程，以及相关的PLMN选择、位置注册。初始化接入过程描述了MS从空闲模式到专用模式的转换。专用模式下的MS不仅对服务蜂房的无线链路实时地进行检测，还要试图同步临近蜂房，并检测其无线接收电平。当无线链路失败后，MS可能在临近蜂房呼叫重建立，或切换到其他的蜂房内。     

TSM系统之异步切换的功率控制实现过程

简单介绍了TSM系统的发展和“远近效应”对系统的影响，以及克服“远近效应”的主要方法-功率控制，接着介绍了TSM系统的切换分类，然后以异步切换过程为例，着重介绍相关的功率控制的实现过程，包括开环功率的计算方法和闭环功率的实现机理。这对TSM系统的异步切换过程的深入了解和功率控制的实现过程的正确全面的认识，以及对TSM系统的终端协议软件之异步切换部分的软件实现都具有一定的指导和促进作用。     

使用较少进程的异步并行A~＊，AO~＊算法

对人工智能中，求最佳解的最佳搜索算法Ａ和对与或图求最佳解的搜索算法ＡＯ＊在共享存储器的多处理机模型ＭＩＭＤ－ＳＭ上分别给出了使用较少进程的异步并行算法，该方法也可用于其他的搜索算法和机器人的行为规划问题．     

湖北星火科技12396信息系统技术的研究与实现

湖北星火科技12396信息服务体系,是承载涉及语音、视频、短信和图文等多种媒体形式的涵盖采集、管理、发布多环节的综合性信息系统。涉及到原有语音电话网（PSTN）、公众陆地移动通信网（PLMN）、有线电视网、卫星传输等多网路技术体系。立足于多网路技术整合和信息管理机制研究,提出较完备可行的解决方案。     

一种改进的两代竞争遗传算法

两代竞争遗传算法改变了简单遗传算法的选择机制，提高了搜索效率．但是两代竞争遗传算法易出现早熟现象，局部寻优能力并未改善．针对这些问题作者提出了一种改进算法，通过变异概率和交叉、变异范围的自适应调整，改善两代竞争遗传算法的搜索性能．实验表明，改进算法克服早熟现象，且能提高算法的局部寻优能力．     

MIMO下预编码辅助空间调制的接收天线选择

预编码辅助空间调制(pre-coding aided spatial modulation,PSM)通过激活接收天线的索引在空间域中传输信息比特。将接收天线选择(receive antenna selection,RAS)技术引入到PSM系统中,可以提高PSM系统的性能。在传统的PAS算法中,穷举搜索算法的系统性能最优,但穷尽搜索会导致其计算复杂度较高;快速RAS算法的计算复杂度较低,但其系统性能较差。因此,针对PSM系统的RAS算法,需要寻找一个折中的方案以适用于实际的通信系统。通过利用信道矩阵的最大和最小特征值(maximum and minimum eigenvalue,MME),设计了MME-RAS算法。分析和仿真结果表明,该算法相比于快速RAS算法计算复杂度略有提升,但可以使系统性能提高1 dB左右;相比于穷举搜索算法可以使计算复杂度降低70%以上,并且其系统性能接近于穷举搜索算法。     

基于改进涡流搜索算法的支持向量机分类模型

支持向量机( SVM: Support Vector Machine) 是定义在特征空间上的间隔最大的线性分类器,参数的选择 决定了其学习性能和泛化能力。针对此参数选择问题,采用改进的涡流搜索算法对支持向量机参数进行选择, 寻找最优适应度函数。仿真实验表明,改进的涡流搜索算法是一种有效的SVM 参数选择方法,有利于跳出局 部最小值,其优化性能不低于涡流搜索算法。     

单通道时频重叠高斯调幅通信信号盲分离方法

为了解决单通道多个时频重叠高斯调幅通信信号共信道的盲分离问题,提出了一种混合遗传与最小值搜索的盲分离算法。根据信号的特征,建立信号模型,利用接收到的一组混合信号的数据,利用混合遗传与最小值搜索的盲分离算法对所有待估计参数进行联合搜索,实现了多个信号分量的重构和分离。仿真结果表明,与传统的最小值搜索算法(初值选取误差控制在远离期望值的5%以内)和遗传算法相比,该算法有较高的数值精度和不受初值选取影响的优点。     

基于定向突变的自适应并行免疫算法

针对克隆选择算法收敛速度较慢的问题,对算法策略进行研究,提出了一种基于定向突变的自适应并行免疫算法(APIA)。该算法采用自适应并行搜索策略,在记忆库中引入定向突变算子,增强算法的局部定向搜索能力,并改善算法早熟的问题。同时算法还改进了超变异算子,以提高其运行效率。仿真实验结果表明:该算法比克隆选择算法和传统的遗传算法有更好的寻优能力,有效地提高了收敛速度,缩短了搜索时间。     

求解随机型双边装配线平衡问题的混合回溯搜索优化算法

针对现实生产中普遍存在的操作时间为随机的双边装配线平衡问题,提出一种混合回溯搜索优化算法。该算法将变邻域搜索算法的局部搜索能力融入到回溯搜索优化算法的全局搜索中,从而实现广度搜索和深度搜索的平衡。运用基于随机键的编码将用于求解连续问题的回溯搜索优化算法应用于离散组合优化问题,同时提出一种基于均衡双边负载的边选择策略和减少工位空闲时间的任务选择策略的解码方法,并将该方法同另外4种解码方法进行对比,以验证其优越性。标杆算例测试表明,所提出的算法具有可行性和有效性。     

基于布谷鸟搜索算法的SVR参数选择

SVR(支持向量回归机)在解决非线性回归问题时有极大的优势,在其预测过程中,最重要的是参数的选择,不同的参数会造成预测结果的巨大差异．目前较为普遍的方法是利用遗传算法和粒子群算法进行参数选择,而这2种算法在解决多峰问题时的局限性,容易导致算法的效率低且准确度不高．鉴于布谷鸟搜索算法引入了Lvy飞行机制,能有效地跳出局部最优解,使算法收敛速度快,且结果具有对算法本身的参数变化不敏感的优点,该文将布谷鸟搜索算法应用于SVR参数寻优过程中．网络流量和白葡萄酒质量的预测实验结果表明,布谷鸟搜索算法相对于遗传算法、粒子群算法等其他启发式智能算法而言,收敛速度更快,寻参结果的精度更高．     

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.     

基于样本和特征搜索空间不断缩小的模糊粗糙集特征选择

为了提高模糊粗糙集特征选择算法的计算效率,在每次迭代过程中通过不断缩减样本和特征的搜索范围,提出了一种新的模糊粗糙集特征选择算法.为了减少样本的搜索范围,利用样本对决策类下近似隶属度的单调性,构建样本的筛选机制,用以筛除当前所选特征子集已保持决策类下近似隶属度的样本;为了缩减特征的搜索范围,采用特征冗余性概念,构建特征搜索机制,用以移除已被确定为冗余的特征;通过融合样本筛选机制和特征搜索准则,设计模糊粗糙集特征选择的高效算法.数值实验表明,所提算法具有高效性和有效性.