BPT算法对SIRT算法的一种加权研究

对声波层析成像中的SIRT算法提出了一种加权算法。该改进算法先通过BPT算法得到慢度分布,以之作为SIRT算法的初始值,以空间各点的慢度值与平均慢度值之差作为权系数对SIRT算法中射线矩阵进行加权。算例表明,该改进算法保持了SIRT算法收敛特点的同时,能够加快SIRT算法的收敛速度,提高计算效率,尤其能提高计算精度,是一种可行的加权方法。     

基于改进遗传算法的二维不规则零件优化排样

针对二维不规则零件排样问题,提出了一种改进的优化排样算法.对最小包络矩形求取方法进行了改进,提高了算法的运算速度;借助最优选择策略,对选择算子进行了改进,提高了算法的全局收敛性能;提出了高度调整法,对解码算法进行了改进,提高了算法的精度.排样实例表明,算法性能得到了很大提高,该算法是行之有效的.     

CINRAD/SA天气雷达双PRF技术I/Q信号仿真及算法对比验证

以CINRAD/SA天气雷达双PRF技术为研究对象,采用大气分层模型,建立基于端到端I/Q时域信号仿真算法,生成I/Q仿真信号并进行可靠性验证.对比分析不存在速度模糊、低重频下的速度模糊和双重频模糊情况下的快速傅里叶变换算法FFT和脉冲对算法PPP的评估精度,并分别采用标准解模糊算法和改进解模糊算法进行速度解模糊对比计算.统计分析结果表明:基于端到端I/Q信号仿真算法能对探测体内的风速细节进行很好的描述;当发生速度折叠时,脉冲对算法PPP的评估精度要高于快速傅里叶变换算法FFT的运算精度,同时改进解模糊算法精度高于标准解模糊算法,且与单PRF下的脉冲对算法PPP的评估精度相当.      

1种基于复合形法的改进遗传算法

提出了1种基于复合形法的改进遗传算法,分析该算法与遗传算法相结合的思想和流程;通过算法测试函数Rosenbrock测试改进的算法;通过与常规算法的对比,验证该传算法的优越性,并将该算法应用到一种间歇反应器的温度优化问题中.该算法可为常规的单目标或多目标优化问题提供借鉴.     

可处理多个无序量测的前向滤波算法

基于等价量测和前向滤波法,推导出一种单个无序量测算法Fl1,并说明了该算法与Al1算法、FPFD算法以及AA1算法之间的等价性.以Fl1算法为基础提出可以处理同时到达融合中心的多个不同单步延迟无序量测的最优算法CZ1.所提新算法的性能不依赖过程噪声的离散化模式,且无须对状态转移矩阵求逆.仿真结果表明在过程噪声DCM下CZ1算法与CA1算法的性能是相同的.     

一种改进的RS码代数软判决译码算法

为了提高Reed-Solomon码的纠错性能,分析并给出了能提高Reed-Solomon码纠错能力的代数软判决译码算法的译码流程,讨论了译码中需要的软信息的计算方法,推导了代数软判决译码算法的译码成功条件.在此基础上,提出了一种改进的代数软判决译码算法,并对改进算法的运算量和译码时延进行了分析.算法针对推导的译码成功条件,通过改变代数软判决译码算法中插值算法的选择输出准则,更有效地利用了接收端的软信息.仿真结果表明,在译码时延基本不变的条件下,提出的算法比代数软判决译码算法提供更多的译码增益.     

基于遗传算法的Qos的路由算法

目的 为得到求解Qos路由的高效算法。方法利用遗传算法，提出了求解Qos路由的新算法。结果通过三阶段给出了基于遗传算法的Qos的路由算法，分析了该算法的时间复杂度，且通过数值模拟，验证了算法的有效性。结论算法原理简单，鲁棒性强，符合Qos路由的不确定性等特点。     

融合蚁群算法和遗传算法的矩形件排样问题研究

提出融合蚁群算法和遗传算法来求解矩形件排样问题.考虑到蚁群算法和遗传算法各自的优缺点,该融合算法前阶段采用遗传算法获得排样问题的部分优化解,把它作为蚁群算法的初始信息素分布,后阶段利用蚁群算法求得最优排样序列,最后求得最优排样图.计算实例表明:与单一遗传算法相比较,该融合算法可达到更好的排样效果.     

求解LP问题的部分基变量算法

一般形式的线性规划问题在找不到基本可行解或对偶问题的基本可行解时,无法用传统的单纯形法或对偶单纯形法求解,即"两看一算"算法.为了解决这个问题,结合两种"两看一算"算法,提出了一种新的算法--部分基变量算法.该算法首先从部分基变量出发,由初等行变换将LP问题转化为准典式,然后由初等行变换找到全部可行基变量,最后用对偶单纯形法得到最优解.对算法的正确性和可行性进行了严格证明,提出算法的实现方式并举例进行了说明,对算法的特点进行了讨论.分析表明所提出的算法是实现线性规划问题求解的较为理想的算法.     

Powell-DE算法在软测量参数预估中的应用

提出一种新的全局集成优化算法(Powell-DE算法)．该算法在差分进化算法中引入具有强局部搜索能力的Powell算法，克服了DE算法收敛慢且易陷入局部最优等缺陷，几个典型测试函数的仿真实验和比较，验证了新算法的有效性，体现了新算法的优越性；然后，Powell-DE算法被用于基于LSSVM模型的蒸发过程出料溶液NK的浓度的软测量中，并与其它2种方法的比较，现场工业数据验证表明新模型体现出了更好的跟踪性能且精确度高，能够完全应用于出料溶液NK的浓度的在线预测.     

基于预处理的点到点最短路径计算方法

基于经典的Dijkstra算法,研究采用预处理的点到点最短路径算法。通过引入双向Dijkstra和基于reach的预处理方法形成新的RE算法,并利用C++编程设计算法程序,将新算法应用于交通工程领域。利用EFSS数据结构搭建考虑交叉口和路段延误的交通网络,检验新算法的适用性和效率,结果发现RE算法与Dijkstra算法相比,搜索速度有大幅提升且能保证路径查询的正确性,RE算法在大规模网络上优势更为显著,查询时间约为Dijkstra算法的10%。     

基于数学形态学的细化算法

对二值图像处理中细化的算法进行了研究,介绍了基于形态学的细化算法,同时,对数学形态学的相关理论做了介绍。并利用该算法对地图图像进行了细化处理,取得了良好的实验效果。通过实验研究可以看出,该算法设计灵活,便于实现,具有一定的实用性。     

基于划分采样的初始聚类中心算法

针对大数据集的初始聚类中心选取问题,在基于密度的划分算法和适用于大规模数据集限定初值的采样算法基础上,提出了一种用于初始聚类中心的划分采样算法。对聚类子空间在每一维上进行均匀划分形成不同的数据区域,根据数据区域的数据点数的多少进行采样来提高采样的准确性。利用采样思想缩小了数据集的规模,保证了算法在时间上的优势。通过不同规模、不同形状的数据集对算法进行验证,实验结果表明,与其它初始聚类中心算法相比,该算法在准确率和时间上都具有一定的优势。     

一种改进的人工免疫算法在模糊Flow—shop调度问题上的应用

为了克服传统的遗传算法和人工免疫算法的不足，提出一种改进的人工免疫算法。此种算法在进行亲合力计算前利用生成的亲和度矩阵排除相似抗体，大大减少运算量。用此种改进的人工免疫算法优化寻优过程，研究了处理时间不确定并且具有不同交货期窗口的Flow-shop的提前／拖期调度问题。最后，仿真实验验证了算法的有效性。     

基于LCMV的IQRD-SMI自适应数字波束形成算法

指出QR分解采样矩阵求逆算法(QRD-SMI算法)是一种较流行的自适应数字波束形成算法,但其需要前向和后向代入才能得到自适应权向量w,从而导致其实时性和并行性能欠佳.在QRD-SMI算法的基础上,采用逆QR分解方法,提出了一种不需要前向和后向代入而能全速/并行得到实时权向量w的一种逆QR分解SMI算法(IQRD-SMI算法),给出其易于硬件并行实现的Systolic阵结构.该算法能克服QRD-SMI算法并行性和实时性欠佳的缺点,能做到真正意义上的实时并行权向量抽取.仿真结果和分析验证了该算法的有效性和实时性.     

面向车辆路径问题的改进蚁群算法研究

为解决基础蚁群算法在求解车辆路径问题时出现收敛速度慢、易陷入局部最优解等问题,提出了一种改进蚁群算法.首先,引入节约矩阵更新选择概率公式引导蚂蚁搜索;其次,运用分段函数改进挥发因子,调整算法的收敛速度;再次,使用2-opt法,提高算法的局部搜索能力;最后,选取车辆路径问题国际通用数据集进行仿真,运用控制变量法找到信息素...     

混合算法在流量工程中的应用

针对大规模网络中的流量工程问题,设计了结合遗传算法与模拟退火以及结合遗传算法与爬山法的两种混合算法.仿真实验表明,结合遗传算法和模拟退火的混合算法在整体性能上较单独使用遗传算法有明显的提高,结合遗传算法和爬山法的混合算法在处理超大规模的网络和海量业务要求的流量工程问题时具有时间上的明显优势.     

一种基于BP短LDPC码的改进级联算法

对短LDPC码的分阶统计译码(OSD)算法进行了分析,研究了BP和OSD的级联算法及对数似然比累积算法,考虑到译码复杂度和性能的折中,提出了一种改进的级联算法,用最小和算法替代BP算法,然后与对数似然比累计算法进行级联。仿真结果表明,和原始的BP算法相比,译码性能有了很大的提升;和BP-OSD级联算法相比,译码复杂度降低,性能几乎一致。     

一种基于BP短LDPC码的改进级联算法

对短LDPC码的分阶统计译码(OSD)算法进行了分析,研究了BP和OSD的级联算法及对数似然比累积算法,考虑到译码复杂度和性能的折中,提出了一种改进的级联算法,用最小和算法替代BP算法,然后与对数似然比累计算法进行级联.仿真结果表明,和原始的BP算法相比,译码性能有了很大的提升;和BP-OSD级联算法相比,译码复杂度降低,性能几乎一致.     

一种改进樽海鞘群算法优化K-Means的小麦覆盖度提取方法

针对K-Means算法对初始聚类中心的依赖性较高,容易出现局部最优停滞的问题,提出一种改进樽海鞘群算法优化 K-Means 的小麦覆盖度提取算法。首先,将小麦图像转换到HSV色彩空间;然后,用改进樽海鞘群算法进行全局寻优,以获得全局最优值作为K-Means算法的初始聚类中心,接着运用K-Means算法进行局部寻优,直到迭代完成;最终,输出经过分割的小麦图像。为了评估算法性能,使用12个基准函数对ISSA及其他智能优化算法进行对比测试,同时将改进樽海鞘群算法优化K-Means应用于小麦覆盖度提取。结果表明,ISSA算法在优化精度和收敛速度上均超越其他算法,鲁棒性也得到了显著提高。与其他算法相比,ISSA-K算法分割后的小麦图像纹理比较清晰,效果更佳,同时具有更加高效的优势,可用于小麦覆盖度的提取,具有较强的实用性。