三维参数联合估计的免疫记忆量子克隆算法

针对信号相位匹配奇异值分解(SVDSPM)算法中参数联合估计耗时长的问题,提出了免疫记忆量予克隆算法(IMQCA).该优化算法引入模拟退火机制修正量子旋转门函数的旋转角度值,构建记忆单元保留进化历史最佳抗体,并结合克隆算子加速种群收敛.由SVDSPM平面阵算法构造了IMQCA的目标函数,提出了同时估计信号方位角、俯仰角和频率的SVDSPM联合估计算法.仿真结果表明,IMQCA算法的方位估计精度与传统的SVDSPM算法相当,但计算耗时仅约为后者的10 %,且低信噪比下的性能优于MUSIC方法.在-10 dB信噪比下,IMQCA所得方位角、俯仰角和频率的标准差分别比标准遗传算法小6.659°、9.645°和28.634 Hz,比量子免疫克隆算法小0.789°、1.075°和0.864 Hz.     

基于激素调节的量子免疫克隆函数优化算法

为了提高量子免疫克隆算法（quantum inspired immune clone algorithm, QICA）对函数全局寻优的精确性和稳定性,引入了内分泌激素的调节规律,根据当前个体适应度值和上一代种群的平均适应度值重新设计克隆规模,按照种群多样性和Hill函数的上升规律对其进行自适应调整,使进化各代中优秀个体的克隆得到扩增,同时减少不良个体的规模,从而提出了一种基于内分泌激素调节的量子免疫克隆算法（hormone adjustment based QICA, HAQICA）。利用标准测试函数对算法进行了验证,50次随机独立实验结果表明,HAQICA算法的收敛速度与QICA算法相当,最优解的均值与方差等数据,证明了HAQICA算法在提高函数全局寻优性能上的有效性。     

基于免疫遗传算法的三维大脑图像分割

利用最大熵多阈值方法对三维大脑数据进行分割时,穷尽搜索法耗时长,而简单遗传算法的搜索结果又不够稳定和精确.针对该问题,提出了一种免疫遗传和模拟退火相结合的新算法来快速求解全局最大熵.与简单遗传算法相比,免疫遗传算法采用了更佳的选择操作,以确保更多不同个体被选择来保存种群的多样性,而模拟退火机制用于拉伸免疫遗传算法的适应度函数.算法给出了选择概率的一般表达式,并采用精英策略和自适应的交叉、变异机制以改善算法的收敛性.基于IDL平台的100次仿真结果表明,三维大脑数据被成功地分为:脑白质、脑灰质和脑脊液三部分,且与简单遗传算法和传统免疫遗传算法相比,本文算法在稳定性和精确性上更具优势.     

声纳浮标多普勒最接近法的一种新算法

在声纳浮标多普勒最接近点方法基础上,提出一种新算法.与原算法相比:(1)新算法推导出一个无误差的求解公式,而原算法是一个近似公式;(2)新算法在使用上较原方法更为方便,公式需要的输入在实际中更容易得到.比较了新算法和原算法的关系,原算法主要使用测量两个关于最接近点对称的多普勒频移及最接近点的频率变化导数;新方法在使用多普勒频移的同时还利用了测量点的时间信息.最后给出了仿真结果,表明新算法可以精确求解目标的运动参数.