改进二分粒子群优化算法的阵列方向图综合

针对粒子群优化(particle swarm optimization, PSO)算法收敛速度慢、寻优精度低、计算量大、容易陷入局部最优解等问题,首先提出了一种无需越界检测的归一化粒子群优化(normalized particle swarm optimization, NPSO)算法,NPSO算法具有比PSO算法更佳的有效性和稳定性,其优化速度和收敛精度要远远优于PSO算法,且其计算量要比常规PSO算法采用越界检测调整小。其次,结合狼群算法(wolf pack algorithm, WPA)中的游走行为,在二分粒子群优化(dichotomy particle swarm optimization,DPSO)算法的基础上,通过对二分粒子赋予不同的探索方向,提出了一种WPA-DPSO算法,WPA-DPSO算法具有3层寻优的功能,不仅有效加强了粒子的搜索范围,避免了算法陷入局部最优解,而且有效提高了DPSO算法的收敛速度、优化精度、稳定性和有效性。在NPSO算法和WPA-DPSO算法的基础上,提出了一种混合型PSO算法(WPA-NDPSO),从而有效克服了PSO算法早熟收敛、搜索范围不大、容易收敛到局部极值、计算量大等问题。均匀线阵方向图综合实验表明:WPA-NDPSO算法不仅具有较优的收敛速度和优化精度,而且具有较强的稳定性和较高的有效性。     

基于干扰观测器的轮廓误差耦合控制研究

针对多轴运动的轮廓误差，提出了基于干扰观测器的轮廓误差耦合控制。该方法通过构造干扰观测器来预测各单轴系统的内部和外部干扰，并根据预测到的干扰信息对各轴进行补偿以消除干扰对系统的影响。考虑到系统的动态特性，拟采用模糊神经网络对干扰信号进行动态分配，并依据轮廓误差耦合控制思想补偿到各轴，达到轮廓误差最小控制。而文章采用遗传算法对网络进行训练以加快网络训练速度，且不易陷入局部最小。仿真结果证明其可行性与有效性。     

视频流媒体中源端基本层最佳速率确定算法

精细可扩展(fine grained scalable, FGS)编码是网络视频流行的编码技术之一. 采用FGS编码时, 基本层的速率选择需要在受益客户数量和视频编码效率之间进行折中. 为此, 本文提出了一个源端基本层最佳速率确定算法, 以最大化所有客户的观感体验. 论文首先提出了一个通过实验和曲线拟合建立 R-Q (Rate-Quality)函数曲线的方法, 在此基础上给出了缩小最佳基本层速率搜索空间的定理, 并针对单序列和多序列的不同特点和不问题复杂度, 提出了不同的算法. 针对单视频序化问题, 提出了改进的FGSOPT_N算法, 算法只用到了序列的R-Q函数曲线; 针对多视频序列问题是NP困难问题的实际, 提出了改进的定界MFGSOPT_N算法和改进的贪婪算法MFGS_N以确保找到最优基本层速率, 减少算法运行时间. 针对每种算法, 给出了实例进行算法效果的演示和对比. 结果显示提出的算法能可靠找到最优基本层速率.     

基于交叉熵的通讯网的优化算法

可靠性是通讯网性能主要指标之一。为了寻找通讯网可靠性最优路径,提出一种基于交叉熵的求解通讯网优化方法。首先通过算法1得到网络的所有可能路径。其次通过求解交叉熵的极大值方法,把辅助转移概率矩阵P的有限步迭代内变为退化矩阵P d,使P d每行只有一个元素为1,其余为零,从而每行里的1唯一定义了最优路径。这样便得到了通讯网可靠性的最优路径。数值计算证明:在有限步内通讯网可靠性的最优路径算法2能以高概率收敛到最优路径。交叉熵方法也可应用于其他网络优化问题。     

基于峭度的稳健特定信号盲提取

在盲源提取中,当所要提取信号的峭度在某一区间时,可以采用基于峭度的方法将期望的信号提取出来。如果采用外点惩罚函数法来求解,理论上要求惩罚因子趋于无穷大时才可能收敛到最优解,但是惩罚因子的增大往往导致代价函数的Hessian矩阵病态化。因此,这种方法在实际中稳健性很差。提出了采用Lagrange乘子法来解决特定信号的提取问题,与采用外点惩罚函数法的算法相比,这种方法在惩罚因子相对较小的情况下也能得到最优解。计算机仿真和实际的胎儿心电试验表明了这种方法在收敛速度和稳健性上要优于采用外点惩罚函数法的算法。     

基于距离测量的双领航AUV间协同导航算法

针对多自主水下航行器(AUV)编队中因领航AUV一时无法借助外部有源位置信息进行实时校准,自身定位误差逐渐增大可能导致的编队解体问题,提出了一种基于距离测量双领航AUV间协同导航算法.在给出领航AUV航位推算误差模型的基础上,首先设计两个领航AUV分别基于忽略对方位置误差的估计自身误差的滤波算法,然后提出其位置误差的分别修正算法,最后通过对位置误差估计的可观测性分析,指出在直线航行条件下两个领航AUV可通过加、减速进行相对机动,保证其可观测性.仿真结果表明:两个领航AUV存在航位推算位置误差的情况下,随着滤波时间增加其定位误差可逐渐趋同,并收敛到其经、纬度定位误差的均值,验证了本文所提协同导航算法的可行性和有效性.     

基于自适应邻域选择的多目标免疫进化算法

在分析以往求解多目标进化算法中个体选择方法的基础上,给出了一种基于个体邻域的选择方法,分析表明这种选择方法可有效地维持群体的多样性,且个体的适应度在选择过程中将随着该个体邻域中所包含个体数目作自适应调整,文中称之为基于个体邻域的自适应校正选择方法。此外,由于每一个待求问题本身或多或少都有自身一些基本的、显见的特征信息或知识。因此,在求解过程中忽视问题本身的特征信息或舍弃可供应用的信息,有时并不是一个明智之举。基于以上考虑,在传统进化算法的基础上又引入免疫算子,其中免疫算子依次通过疫苗提取、接种疫苗和免疫选择3个步骤来完成,进而设计了一种基于邻域选择的多目标免疫进化算法。最后,用算法分别对2个变量和30个变量的双目标优化问题进行数值模拟的结果表明,算法都能够找到所给问题的分布较均匀且涵盖范围较宽广的Pareto最优解集,显示了算法的有效性及可行性。     

Flow shop问题的蚁群优化调度方法

提出了一种新颖的蚁群优化算法，用于解决流水作业（flowshop）的优化调度问题。算法中，流水作业调度问题以结点或弧模式有向图表示，人工蚁受有向图上信息素踪迹的指引，在图上搜索并一步步构造出问题的可行解。算法中的信息素踪迹更新过程作为蚁群间的间接通信机制，将引导整个蚁群收敛到问题的优化解。信息素踪迹更新过程中的停滞状态脱离机制以及信息素踪迹限制机制能帮助人工蚁跳出局部最优解。算法局部搜索过程中采用的基于关键路径的领域结构缩小问题的搜索空间。与其他算法在Taillard流水作业调度测试问题集上的比较试验表明，本算法性能更优，且具有更强的自适应和鲁棒性。     

Convergence and stability of the Newton-Like algorithm with estimation error in optimization flow control

The Newton-Like algorithm with price estimation error in optimization flow control in network is analyzed.The estimation error is treated as inexactness of the gradient and the inexact descent direction is analyzed.Based on the optimization theory,a sufficient condition for convergence of this algorithm with bounded price estimation error is obtained.Furthermore,even when this sufficient condition doesn't hold,this algorithm can also converge,provided a modified step size,and an attraction region is obtained.Based on Lasalle's invariance principle applied to a suitable Lyapunov function,the dynamic system described by this algorithm is proved to be global stability if the error is zero.And the Newton-Like algorithm with bounded price estimation error is also globally stable if the error satisfies the sufficient condition for convergence.All trajectories ultimately converge to the equilibrium point.     

基于神经网络的轮廓误差控制仿真研究

运动控制系统不同轴的动态特性的差异是造成系统轮廓误差较大的主要原因。为系统每个轴设计一个高性能的前馈补偿器，可以改善每个轴的动态特性，使不同轴相互匹配，从而残小系统的轮廓误差。由于前馈补偿器的传递函数通常具有二阶或二阶以上微分环节，物理实现较困难，本文利用神经网络辨识系统的控制对象逆模型作为前馈补偿器，很好地解决了该问题；而利用在遗传算法中加入BP算法形成的混合遗传算法作为神经网络的训练算法，此算法具有收敛速度快，不易陷入局部权小的特点。     

An algorithm for the discretization of an ideal projector

Ideal interpolation is a generalization of the univariate Hermite interpolation. It is well known that every univariate Hermite interpolant is a pointwise limit of some Lagrange interpolants. However, a counterexample provided by Shekhtman Boris shows that, for more than two variables, there exist ideal interpolants that are not the limit of any Lagrange interpolants. So it is natural to consider: Given an ideal interpolant, how to find a sequence of Lagrange interpolants (if any) that converge to it. The authors call this problem the discretization for ideal interpolation. This paper presents an algorithm to solve the discretization problem. If the algorithm returns “True”, the authors get a set of pairwise distinct points such that the corresponding Lagrange interpolants converge to the given ideal interpolant.     

FlowShop调度的并行算法

ＦｌｏｗＳｈｏｐ调度的并行算法姜作廉（天津南开大学天津３０００７１）ＡＰａｒａｌｌｅｌＡｌｇｏｒｉｔｈｍｆｏｒＦｌｏｗＳｈｏｐＳｃｈｅｄｕｌｉｎｇＰｒｏｂｌｅｍＪｉａｎｇＺｕｏｌｉａｎ（ＮａｎｋａｉＵｎｉｖｅｒｓｉｔｙ３０００７１Ｔｉａｎｊｉｎ）Ａｂ...     

卫星信道中基于部分解耦的volterra均衡算法

对信道中大功率放大器产生的非线性特性实现快速有效地均衡是提高卫星通信系统性能关键技术之一。文中首先建立了基于volterra级数的卫星信道模型,并分析了信道对二维调制信号所产生的非线性影响;针对基于最小均方误差实现的volterra均衡器收敛速度慢这一问题,提出了基于复基带volterra模型的部分解耦均衡算法,该算法使均衡器线性权系数收敛于线性滤波器最优解,并用拉格朗日乘数法构造了新的代价函数,使均衡器的各阶权系数满足约束,以达到均衡器各阶权系数之间的解耦。仿真结果表明,新算法在保证稳态误差的条件下,其收敛所需迭代次数相对于全耦合的最小均方误差算法从16 000次减小到1 000次。     

一种权值在线学习的分布式检测系统的融合算法

研究了一种基于最小错误概率准则的权值在线学习的分布式检测系统的融合算法。该算法能够根据观测数据的变化,自动在线调整权值大小,逐步改善系统的检测性能。计算机仿真结果表明,该算法能够较快地收敛到最优解。     

基于码率预分配的感兴趣区域编码算法

为了有效降低传统感兴趣区域(ROI)编码算法的复杂度,提出一种基于码率预分配的感兴趣区域编码算法。算法优先对ROI进行T1编码,并截取控制ROI编码输出码率大小,实现有损到无损的ROI编码。使用基于熵估计的码率预分配方法,确定背景区域(BG)所属码块的码率,并据此控制BG码块的T1编码深度,简化编码过程。实验结果表明,算法与比特平面提升和率失真斜率提升的ROI编码算法相比,大幅度减少计算量和存储量,适合硬件实现。     

基于测量矢量匹配的传递对准方法研究

给出了一种基于主、子惯导系统测量矢量匹配的传递对准方法。根据主、子惯导系统惯组感测的角增量和速度增量信息,用四元数迭代算法直接估计主、子惯导之间的安装误差四元数,从而实现子惯导系统的快速初始对准。仿真结果表明,在适当的姿态机动条件下算法收敛速度很快,且最终对准精度较高,能满足弹载惯导的对准要求。另外,算法在初始姿态误差达到30°时仍能收敛,可在需要高精度对准的情况下为进一步的基于最优滤波的精对准提供良好的小角度线性化条件。     

基于免疫算法的前向神经网络学习方法

提出了一种采用免疫算法训练多层前向神经网络的方法。该方法利用免疫算法训练前向神经网络,能够使网络优化过程趋于全局最优。利用基于遗传策略的聚类机制确定前向神经网络的初始权值,增加了网络训练算法收敛于全局最优的概率。将这种神经网络用于雷达模拟调制信号的调制方式识别的仿真结果表明,采用该算法设计的前向神经网络达到了较高的性能。     

基于配队蚁群算法的QoS组播路由方法

QoS组播路由是网络信息传输的一项关键技术,提出了一种配队蚁群算法对该问题进行求解。算法以满足约束条件下的组播分解、策略控制下的组播树生成为基本思想;定义了扩展组播树,并改进了蚁群算法的信息素更新策略,使之更适合于组播问题的求解。仿真实验表明,该算法能快速搜索并收敛到全局(近似)最优解,且随着网络规模的增大算法保持了良好的特性。     

一种MPEG2媒体同步控制算法

针对MPEG2软件解码器,提出了一种媒体同步控制算法。该算法无需调整解码器的本地系统时钟,而是以音频流为主媒体流,视频流为从媒体流,音频的播放速率保持不变,利用基于相同时间基点的媒体单元的播放时间标签,调整视频的播放帧率来实现媒体同步。同步调整后视频的同步比例由调整前的54.84%提高到99.52%,音视频的同步比例由调整前的5.07%提高到98.36%。结果表明,该算法可以实现解码器的媒体同步,满足用户提出的感知服务质量要求。     

基于优化BP算法的精馏塔预测模型

针对建立精馏塔严格动态机理模型的复杂性以及机理模型应用的诸多不便,提出了一种综合共轭梯度和自适应变步长的优化ＢＰ算法,并利用该优化ＢＰ算法建立了精馏塔的预测模型。仿真结果表明,该算法不仅收敛速度快,学习精度高,而且有效避免了常规ＢＰ算法的局部极小值问题。