离散粒子群优化在垂直分层空时系统检测中的应用

为了改善垂直分层空时系统串行干扰抵消算法的性能,提出了一种离散粒子群检测算法(DPSO-DA).该算法将垂直分层空时系统中的最优检测视为组合优化问题,根据最大似然检测公式构造DPSO算法的适应度函数,利用DPSO算法来解决该组合优化问题,从而寻找最优解.针对DPSO-DA 有可能出现早熟现象,进一步提出了一种混合离散粒子群检测算法 (HDPSO-DA).HDPSO-DA 对 DPSO-DA 的进化方程进行了重新设计,在搜索中以一定变异概率对选中的粒子进行变异,进一步改善了DPSO-DA的性能.理论分析和仿真结果表明,当误码率为10-3时,与基于最小均方误差准则的串行干扰抵消算法相比,DPSO-DA 和 HDPSO-DA 可获得约3dB 和 5dB的增益,且具有更低的复杂度.     

用于弹道目标跟踪的有限差分扩展卡尔曼滤波算法

针对目前常用的滤波算法不能同时做到精确和高效跟踪目标的缺点,提出一种有限差分扩展卡尔曼滤波(FDEKF)算法用于再入阶段的弹道目标跟踪.该算法应用有限差分运算得到滤波的验前、验后误差协方差矩阵,避免了非线性函数求导运算,以及Jacobian阵和Hessian阵的计算,降低了计算难度,扩大了应用范围,增强了滤波过程的收敛性.Mome Carlo 数值仿真表明,FDEKF算法与扩展卡尔曼滤波(EKF)算法和无味卡尔曼滤波(UKF)算法相比较,在跟踪精度上比EKF算法提高了约20%,与UKF算法相当,在计算复杂度上比EKF算法稍有增加,但比UKF算法低约39%.这说明FDEKF算法在计算量增加不多的情况下,滤波精度有显著提高.     

排序距离矩阵蛋白质结构比对算法

提出一种改进的SortMatAlign算法, 通过快速排序预处理距离矩阵, 使MatAlign算法的时间复杂度由O(N₄)降为O(N₃). 结果表明, SortMatAlign算法计算出的RMSD值平均是MatAlign算法的1.098倍, 使用残基个数和RMSD综合衡量标准的S值平均是MatAlign算法的0.968倍, 在同等条件下, 运行速度比MatAlign提高18.276倍.     

基于Rademacher复杂度的b-SVM的推广误差

运用Rademacher复杂度得到了b-SVM的推广误差和风险的上界.     

遗传算法在信息论中的应用

信息论是近几十发展起来的一门新兴学科,他有许多问题尚待解决,任意离散无记忆信道的信道容量的计算问题就是一个较难的问题.遗传算法是一种非数值优化算法,其计算复杂度与问题规模无关,我们成功地将遗传算法应用到信道容量的求解上,后面的数值实验验证其高效性.     

基于2维极大点的倒序取舍算法

探讨了求2维极大点的一种创新算法(倒序取舍算法),该算法比分治算法时间复杂度低.由此提出倒序取舍算法的思想及其应用.     

双环网络G(N;1,s)等价生成树

提出研究双环网络G(N;1,s)的抽象模型--等价生成树,并对其性质进行了研究,给出了双环网络G(N;1,s)等价生成树的构造方法.提出基于等价生成树G(N;1,s)的直径d(N;1,s)的求解算法,并给出了其显式公式,利用C语言编程对等价生成树的结构模型进行了仿真.结果表明:算法不仅可在有限时间内求出G(N;1,s)的所有直径,而且可方便地得到源结点到所有其他结点的最短路径.算法的复杂度为O(N).     

一种支持软件测试的测试工具研究

论文首先介绍支持软件测试的测试工具McCabe IQ,接着讨论McCabe IQ为软件系统的静态分析和动态测试提供了有力的工具支持,最后通过实例说明McCabe IQ能够指导测试、提高测试效率。     

基于划分的模式匹配改进算法

为提高基于划分窗口的字符串匹配算法(SKIP和KMPSKIP算法)的性能,结合QS算法的优点,通过提前预览下一窗口最后一个字符的移动信息跳过尽可能多的字符进行下一轮匹配,减少了匹配次数,提高了匹配效率.理论分析及实验结果均表明,改进算法在平均时间复杂度方面优于原始算法,在模式较短的情况下,ISKIP算法的平均运行时间仅为BMH算法的65%~85%.     

进化算法时间复杂度估算的一般流程

进化算法的时间复杂度分析是当前进化计算领域研究的热点难题。通过总结最新进化算法理论研究,介绍了进化算法时间复杂度分析方法,并讨论了分析关键之处:距离函数的确定方法。最后,给出了进化算法时间复杂度分析的一般流程,且以分析范例演示了方法的执行过程。