基于恒模类的盲均衡算法的仿真研究

本文阐述了用于信道盲均衡的恒模算法的数学模型和基本原理。对近年来出现的恒模算法的改进算法——变步长恒模算法、修正恒模算法、多模算法、修正多模算法和双模式恒模算法进行了分析和仿真。仿真结果表明,与恒模算法相比,变步长恒模算法和多模算法有较小的剩余误差和较快收敛速度。修正恒模算法和修正多模算法则克服了信道传榆引起的相位偏移。     

基于低能见度场景中退化图像的增强方法

研究了低能见度条件下的图像清晰化方法,在基于频率域与空间域的传统算法的基础上,提出了传统算法互相结合的新算法,包括POSHE算法、基于POSHE算法与传统算法相结合的算法、有限对比自适应直方图均衡化的算法、基于CLAHE算法和POSHE算法与传统算法相结合的算法。以上几种算法,都能对含沙尘的这类图像进行不同程度的增强,得到了较为满意的结果。     

自适应信道均衡器算法仿真与性能分析

使用自适应信道均衡器来抵消数字传输系统中噪声和信道造成的影响。采用两种自适应算法:LMS算法和RLS算法,并对算法进行了仿真,分析了系统参数对两种算法性能的影响,最后比较了LMS与RLS算法的收敛速度。仿真结果与理论分析相一致,验证了自适应算法的有效性。结果表明,虽然LMS算法不如RLS算法收敛速度快,但算法简单,易于实现。     

线性规划的宽邻域预估校正算法

提出了一种新的内点算法--宽邻域预估校正算法。该算法基于经典预估校正算法思想,把窄邻域拓展到宽邻域里,使算法更快地迭代。给出了算法的具体步骤,讨论了其计算复杂性,分析结果表明,所给算法是一多项式时间算法。通过数值实验验证算法的有效性。     

基于碰撞树的多周期RFID标签识别防碰撞算法研究

防碰撞算法是RFID多标签识别系统的关键技术之一。提出了一种高性能RFID多标签识别防碰撞算法,即多周期碰撞树算法（MCT）。该算法在降低算法的时间复杂度、通信复杂度以及系统能耗的同时,显著提高了多标签识别的效率。实验结果表明：与QT算法、BT算法、FSA算法等经典防碰撞算法相比,MCT算法在RFID多标签识别性能上具有明显优势。     

改进的基于z缓冲器和扫描线算法的消隐技术

z缓冲器算法是较简单的消除隐藏面的算法之一。其缺点是需要很大的z缓冲器工作量较大。扫描线算法是对z缓冲器算法的提高。本文基于扫描线算法,提出一个改进的算法,该算法大大减少了对系统资源的占用,同时提高了算法的效率。     

SLIP算法的几种变形算法

SLIP算法是目前在实际中应用较多的输入排队调度算法。本文描述了SLIP算法,并介绍了SLIP算法与多次迭代SLIP算法的几种变形算法,并对所述变形算法的进一步扩展提出了建议与展望。     

自适应局部增强微分进化改进算法

在分析微分进化算法基本原理基础上,为加快算法收敛速度,对其交叉概率和交叉因子进行自适应调整改进;为增强算法局部搜索能力,引入局部增强算子和扰动因子改进算法,即自适应局部增强微分进化算法。选取5个典型测试函数,将改进后算法与PSO算法、微分进化算法和局部增强微分进化算法仿真比较。仿真结果表明:自适应局部增强微分进化算法为收敛时间最短、迭代次数最少的优化算法,验证了算法改进的有效性。     

微粒群算法在生产调度领域的应用研究

介绍了微粒群优化算法的原理、算法流程、算法参数及算法特点。围绕微粒群算法的改进形式、算法应用等方面对微粒群算法的研究现状进行了全面综述,并指出了微粒群算法的发展趋势及未来研究方向。     

基于PSO-EO算法优化的BP神经网络研究

PSO算法优化的BP神经网络解决了其收敛速度慢或不收敛等缺点,但PSO算法本身却存在早熟和局部收敛的问题。为此引入EO算法,用EO算法与PSO算法相结合对BP神经网络进行改进。通过实验表明:EO算法与PSO算法结合优化的BP算法具有良好的收敛性和较高的预测精度,其性能优于传统的BP算法及PSO优化的BP算法。     

投影信赖域最优路径内点算法解有界变量的约束优化问题

基于最优路径(optimal path),提供一种投影信赖域内点算法解有界变量的线性等式约束优化．在合理的条件下,证明了所提供的算法不仅具有整体收敛性并且保持局部超线性收敛速率．数值计算结果表明了算法的有效性．     

有界变量约束非线性方程组的信赖域内点算法

提出一种有界变量约束非线性方程组的信赖域内点算法,在合理的条件下所提供的算法不仅能整体收敛于方程组的解而且保持局部收敛速率．数值计算结果说明算法的有效性．     

等式约束优化的投影拟牛顿法的非单调信赖域算法

提供了分解投影拟牛顿法结合非单调信赖域算法求解非线性等式约束优化问题。在合理的条件下，证明了算法的整体收敛性，通过引进二阶矫正步克服了MARATOS效应，使算法保持了局部超线性收敛速度。     

改进的BP神经网络在故障诊断中的应用

针对传统BP算法存在的收敛速度缓慢和易陷入局部极小值的固有缺陷,提出用具有全局搜索能力的模拟退火算法优化BP神经网络,避免陷入局部极小值,提高网络的稳定性;引入Powell算法优化模拟退火算法,加快网络的收敛速度.最后,以齿轮箱故障诊断为例进行仿真试验,结果表明改进后的BP神经网络比传统BP神经网络的训练收敛速度快、精...     

全局求解符号线性比式和问题

对符号线性比式和问题(P1)提出了一种分枝定界全局优化算法,这种方法能求得原问题的非孤立最优解,从理论上证明了该算法的有限收敛性.最后数值实验表明了提出方法的可行性.     

基于海明距离改进的自适应遗传算法

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优解的不足，通过引进种群迁移及增强种群个体杂交之间的海明距离对自适应遗传算法进行了改进。改进的算法提高了种群精英基因，使其能很好地保留到下一代；较好地提高了自适应遗传算法的全局搜索能力，并增强了算法收敛速度。通过仿真实验验证了本文算法的有效性。     

非线性最优化中超线性收敛的序列线性方程组方法

提出了一个超线性收敛的序列线性方程组方法（ＳＳＬＥ）．此方法与现有的序列二次规划（ＳＱＰ）方法相比，其优点有：（１）由于新方法每一次迭代只需计算三个系数矩阵完全相同的线性方程组，因此迭代的计算量减少且算法的稳定性提高；（２）每一次迭代产生的点是可行的；（３）具有一步超线性收敛速度。     

凸约束非线性方程组的非单调信赖域算法

提出了一种凸约束非线性方程组的非单调信赖域算法，在合理的条件下所提供的算法具有全局收敛性并保持局部收敛速率．     

利用单调函数求线性乘性规划的全局最优解

对广泛应用于工厂布局设计、超大规模集成电路设计等实际问题中的线性乘性规划问题(LMP)提出了一种单调全局优化算法.并从理论上证明了本算法的收敛性.数值实验表明了提出的方法是可行的和有效的.     

遗传搜索优化算法

简述了多峰优化的主要问题及遗传算法的基本概念及算法.在传统的优化方法基础上,引入遗传算法的思想,提出以优化搜索方向向量为研究对象,在连续空间进行优化的遗传搜索优化算法;给出了算法中关键参数的选取方法;最后,给出了该算法的计算实例,结果表明,用该算法能较稳定地找出全局最优点.