基于自适应猫群算法的多目标波束赋形

针对大规模阵列天线波束赋形中智能优化算法精度不高、收敛速度不快等问题,提出一种自适应猫群算法.在猫群算法的基础上,使其基本参数根据迭代次数及适应度函数值自适应改变,并在搜寻模式中加入赌轮盘和精英选择相结合的策略,以增加种群多样性.多种智能优化算法的性能仿真对比分析表明,自适应猫群算法具有快速收敛、全局寻优的能力.将该算...     

基于延迟线组合调相的高能效自适应混合预编码方案

针对毫米波大规模多输入多输出系统采用混合预编码技术所带来的高功耗影响,基于延迟线组合调相器件设计了一种间接全连接型混合预编码系统结构,并提出一种自适应连接的混合预编码方案,可大幅减少与天线直连的调相器数量从而降低硬件造成的功耗损失。方案将编码矩阵的求解分为数字编码矩阵、模拟编码矩阵和开关组成的连接交换矩阵3个部分进行交替优化;提出一种基于互补正交投影矩阵的算法来解决模拟编码矩阵的优化;利用功率约束条件和最小二乘算法简化数字编码矩阵的求解;针对连接交换矩阵的离散组合优化问题,利用低复杂度的交叉熵算法进行优化。仿真结果表明,所提方案可以保证系统性能在接近纯数字预编码方案的同时有效提高系统的能量效率。     

基于遗传算法的多用户OFDM比特加载

根据最小发送功率准则,针对多用户OFDM系统,提出了基于遗传算法的自适应比特加载解决方案.采用的矩阵编码方法直观、简单,具有并行性运算特性.通过交叉和变异让搜索跳离局部极值的陷阱,搜索到全局最优解.仿真结果表明,在给定的误比特率下,遗传算法与等比特分配方案相比可节省功率5~6 dB,与multiuser adaptive OFDM(MAO)方法相比仅相差1 dB,同时遗传算法的并行性使得节省了运算时间,提高了运算效率.     

相干多径环境下的毫米波大规模MIMO混合波束赋形方案

针对传统全数字域的解相干算法无法直接运用于混合波束赋形场景的问题,设计了一种混合波束赋形下的解相干方案。在模拟域,基于设计的码本波束,提出一种新的模拟波束赋形方案,分别搜索与每个信号方向最为接近的波束,形成波束集合,利用所得到的波束集合,对阵列接收信号分别进行模拟波束赋形得到一级输出。在数字域,提出“阵列信号重构”的思想,对一级输出进行阵列信号重构,将重构信号作为输入,进行空间平滑处理,在相干干扰方向和非相干干扰方向均可形成较深的“零陷”。通过理论分析和仿真,对不同方案的波束方向图、信干噪比、频谱效率等性能进行了研究。结果表明,所提出的混合波束赋形方案的信干噪比和频谱效率等性能几乎逼近于纯数字波束赋形方案。     

基于逐比特MAP算法的Turbo编码调制方式

给出了一种基于逐比特MAP算法的Turbo编码与多元调制相结合的编码调制方式。该编码调制方式通过删截Turbo码的校验位以获得高编码效率，将复用后的编码输出以Gray映射方式与多元调制结合从而获得高频带利用率，并采用逐比特MAP算法进行迭代译码。仿真结果表明，将Turbo码的高编码增益与多元调制的高频谱利用率有效地结合在一起，是一种功率和频谱高效的编码调制方式，它比传统的网格编码调制(TCM)方式有着更好的性能。     

相控阵雷达降维四通道和差波束测角

针对大型阵列的子阵划分,权值优化和单脉冲测角阵元数多,两级联合权值逼近以及对于主瓣内偏离波束中心超过3 dB的目标,会出现较大的测角偏差的问题,提出了一种基于降维相控阵的增加双差通道的四通道单脉冲测角方法.基于粒子群优化算法联合权值优化算法,在保证相控阵波束关键指标的前提下,极大减少通道数,降低工程实现难度;四通道单脉冲测角方法提高了对于主瓣内偏离波束中心3 dB以上目标的测角精度,扩宽了精确测角范围,降低了测角范围的损失.仿真实验证明了所提算法的有效性和可行性.      

基于GWO算法光伏阵列多峰值的MPPT

针对因遮挡处于部分阴影条件下的光伏阵列, 其功率特性曲线由单峰曲线变为叠峰曲线, 使最大功率点跟踪(MPPT)算法失效, 而其他智能算法(如粒子群优化(PSO)算法)存在参数较多、 收敛速度慢、 振荡幅度大等问题, 将收敛速度快、 求解精度高的灰狼优化(GWO)算法应用于光伏阵列多峰值MPPT算法中. 先建立处于局部遮挡情形下光伏阵列的数学模型, 再解析基于GWO算法的MPPT算法原理. 仿真实验结果表明: GWO算法可快速跟踪到最大功率点; GWO算法比PSO算法的跟踪速度提高1倍, 跟踪效率提高0.1%.     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

一种基于双向数据流网络编码的无线组播机会路由

针对现有机会网络编码中存在的编码机会依赖于不同数据流间的连接节点个数和编码效率等问题,结合机会通信和网络编码的特点提出一种新的路由解决方案.首先在传统无线路由算法中引入流内编码和流间编码的概念,并设计合理的网络编码策略和响应机制,以提高编码的机会和网络的吞吐量等性能.仿真实验显示,新的优化算法可显著提高网络的吞吐量和编码增益.     

基于BCP方法的复合材料方向角优化的研究

基于一种新的双值编码的参数化方法(BCP方法),以结构柔顺度优化问题为例,研究了复合材料方向角的优化问题,并与传统的离散材料优化方法(DMO方法)在纤维方向角优化构型、刚度优化结果和计算效率上进行了比较。结果表明,BCP方法在纤维方向角优化构型和刚度优化结果上与DMO方法保持一致,但在单步计算效率和总计算效率上远远高于DMO方法。     

多用户全双工无线携能系统中的波束赋形研究

针对多用户全双工蜂窝通信系统,提出了一种基于功耗最小及能量收获最大双目标准则的联合优化方案。该方案采用迫零消除上行链路中多用户干扰,在下行链路,为了实现信息和能量的有效传递,全双工基站分别采用信息波束赋形及能量波束赋形为用户提供通信服务,在保证用户的服务质量及功率约束的同时,实现了功率效率和频谱效率的同步改善。由于功率问题为非凸问题,通过半定松弛将其转化为凸优化问题。仿真结果表明,所提方案相比传统方案能够节约大量的功率,此外全双工基站通过能量波束赋形向下行用户传递能量,有效提高了系统的功率效率。     

无线多跳网络中SVC视频流传输的分布式优化方法

针对无线多跳网络承载多媒体服务所面临的可扩展性、能量有效性和服务质量保证的挑战,研究了多个可伸缩编码（scalable video coding,SVC）视频流在无线多跳网络中传输的分布式跨层优化问题.在分析网络资源分配约束和SVC视频内容自适应模型的基础上,把SVC视频的传输问题表达为一个视频质量和网络功率消耗的跨层权衡优化问题.基于对偶问题的可分解性和次梯度求解方法,提出了一个可分布式实现的SVC视频优化传输算法.该分布式算法避免了控制开销的全网传播,通过节点的局部信息交换和独立解决相应子问题,达到底层资源分配和上层SVC视频传输内容选择的最优匹配.仿真结果表明该算法可以快速收敛到最优解,并能实现SVC视频的平均传输质量和网络总功率消耗的最优权衡.     

基于可行解搜索和自适应免疫算法的配网重构

为提高配网重构的计算速度及效率,将自适应免疫算法（adaptive immune algorithm,AIA）用于配网重构;在此基础上结合GENOCOPⅢ（genetica algorithm for numerical optimization of constrained problems）算法对AIA进行改进,提出了对不可行解进行修复的AINOCOP（adaptive immune algorithm for numerical optimization of constrained problem）算法用于配网重构,该方法综合了AIA的双层优化特点以及GENOCOPⅢ的可行解搜索方法;在基因的编码技术上,基于启发式规则,采用方便的十进制编码策略．将多种方法用于69节点系统的配网重构计算,GA、IA、AIA和AINOCOP的平均迭代次数分别为300、30、25次和12次,连续运算50次,AIA和AINOCOP在50代内可得到最优解的次数分别为8次和15次．     

遗传算法在一类最优化问题中的应用

应用一种基于自然选择和生物遗传机理的全局搜索学习算法──遗传算法的思想和方法,解决最优决策中一类仅含权值约束的最优化问题．采用十进制编码,给出了具体的求解步骤和编码方法．     

某型微波着陆设备移相器故障诊断方法研究

针对某型微波着陆设备测试性校准时间较长,影响移相器故障诊断效率的问题,基于相控阵天线相位校准原理,通过对扫描天线阵列参数获取方法以及移相器故障诊断流程的分析,采用相位控制赋形算法计算出了扫描天线固定指向时各阵元支路的最优相移值。由于相位控制赋型算法通过测量辐射功率来调整闭合等式的权值,并且在进行每次相位寻优时都将前一次量化引入的误差计算其中,因此经过少量迭代就可得到移相器的阵列参数,缩短了测试性校准时间,进而用测试性校准所得的阵列参数与工作性校准后存入天线控制器RAM中的阵列参数相比较,快速对移相器进行故障诊断。最后通过仿真验证了该方法的可行性。     

一种基于遗传算法的模糊神经网络结构和参数优化

提出一种基于遗传算法的三阶段优化策略。在给定初始参数基础上,利用基于十进制编码的遗传算法实现模糊神经网络的结构优化,用基于二进制编码的遗传算法实现模糊神经网络的参数优化。仿真结果表明上述优化策略是有效的。     

采用三维最佳个体置换遗传算法求解高校排课问题

分析高校排课问题,建立该问题的数学优化模型,并构建模型的基本求解框架.针对高校排课问题的特点,引入遗传算法加以解决,设计多种改进方案,包括三维编码方案、初始种群生成方案、适应度函数设计方案、最佳个体置换策略、自适应交叉概率和自适应变异概率.仿真结果表明,该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问...     

基于改进遗传算法的BP神经网络及应用

结合遗传算法及神经网络各自的优点,利用改进遗传算法对BP神经网络的连接权进行优化,并提出了一种新的编码方式.通过与时间序列模型对比,基于改进遗传算法的BP模型效果更好.     

基于改进粒子群算法的海洋钻机系统布局优化

为提高海洋钻机的工作效率和平台的空间利用率,应用改进的粒子群算法对海洋钻机系统进行布局优化研究。针对多目标、多约束的钻机系统布局优化问题,建立钻机系统布局优化数学模型,应用多目标粒子群算法直接求解,得出相应的最优解集。利用线性加权法将多目标转变为单目标进行求解分析,针对单目标粒子群算法的缺点,基于约束条件、惯性权重以及遗传算法的选择和杂交对粒子群算法进行改进,完成不同改进算法的测试实验。结果表明,在应用粒子群算法求解布局问题时将约束条件作为目标函数、单独引入遗传算法的杂交思想求解速度和精度更好。提出的基于杂交的动态惯性权重粒子群算法的布局优化问题求解性能更优,得到的优化方案符合海洋钻井作业要求且占用甲板面积较小。     

基因遗传算法在文本情感分类中的应用

本文以微博文本为主要实验对象,提出适合卷积神经网络进行自我优化的编码方式,分别将每一层看做是一个染色体,将每一层中的参数看做是一个基因片段,采用混合双重非数值编码的方式编码每个CNN框架,设计出适合于CNN网络的选择、交叉和变异的算法,并且把基因遗传算法(GA)和与卷积神经网络相结合,提出了基于情感分析算法的遗传算法(GA-CNN).通过对传统算法与GA-CNN的实验与对比分析,良好地展示了自我优化性.