初始种群范围及运行参数对遗传算法解算GPS病态方程的影响

通过实验研究了GPS快速定位病态方程中参数的搜索范围对基线及双差模糊度解算精度的影响,通过GPS基线解算实例研究了种群大小、交叉概率、变异概率及最大进化代数等参数设置对GPS基线及双差模糊度解算精度的影响。计算结果表明,如果测站近似坐标精度达到±0.5m以内,仅利用2个历元的单频载波相位观测数据,利用遗传算法可得到较准确的模糊度浮点解,有利于模糊度的快速固定。种群大小、交叉概率、变异概率及最大进化代数对遗传算法解算精度有一定的影响,通过实验将其分别设置为80,0.75,0.02,400,计算结果表明这些参数的设置是合适的。     

用遗传算法解大规模病态线性方程组

大规模病态线性方程组的求解是相当困难的。本文尝试使用遗传算法求解大规模病态线性方程组,采用了改善方程组病态程度的预处理及多种杂交手段相结合改善遗传算法搜索性能两项措施,结果表明遗传算法求解大规模病态方程组是可行有效的。     

基于改进的遗传算法解算GPS双差模糊度的研究

将遗传算法(GA)应用于GPS双差模糊度解算过程,针对双差模糊度的整数特性,进行了实数编码的改进、遗传算法的改进等算法设计,实现了双差模糊度直接在大范围、高精度、整数域上的优化搜索,提高了解算的稳定性与高效性。试验结果表明,经过改进的实数编码GA可以取得比二进制编码GA更高的效率和成功率,更适于双差模糊度搜索。     

基于滤波因子的病态方程解法

给出了基于滤波因子解算病态方程的谱分解公式，在均方误差最小的准则下，导出了滤波因子的计算公式并用该公式模拟计算了CHAMP卫星（德国2000年发射的重力卫星）5天数据恢复的重力场模型系数．结果表明公式明显改善了45阶次以上部分的位系数精度．     

GPS姿态测量并行遗传算法快速搜索技术

提出了一种基于并行遗传算法细粒度模型和模糊度函数法的GPS姿态测量快速搜索技术 (ambiguityfunctionparallelgeneticalgorithms,AFPGA) ,它能够避开整周模糊度的求解而直接解算载体的航向和姿态 .AFPGA采用个体邻域间的进化 ,既具备了较强的全局搜索能力 ,又减小了各处理器之间的数据通信量 ,从而保证在获得全局最优解的前提下加快姿态解算速度 ,并易于算法的硬件实现 .运用AFPGA对一组GPS实测数据进行了 1 0 0次独立搜索 ,得到 :航向角搜索方差为 0 .2 4°,俯仰角搜索方差为 0 .1 5°;平均搜索时间为 0 .6s,成功率为 1 0 0 % ,搜索空间为模糊度函数法的 0 .0 5 % .通过对AFPGA不同的模型进行分析 ,并与SGA(simplegeneticalgo rithm) ,AFGA(ambiguityfunctiongeneticalgorithm)进行对比 ,结果表明AFPGA是一种更为有效的搜索技术     

方程病态程度的估计——病态准则

本文从方程病态的几何意义出发,提出了评估方程系数矩阵病态程度的指标J_V 和J_(MV)。这两个病态指标在评估方程病态时,不仅比惯用的条件数 K 更为有效,而且计算方便,意义明确。因此,病态指标对于研究和比较实际计算中克服方程病态的方法有指导意义。     

基于TSVD解算GPS定位参数的实践

利用观测矩阵的截断奇异值分解（TSVD）来解算未知参数是一种较为有效的方法。在具体应用中,不同的截断标准会得到不同的参数估计效果。引入广义交叉原则来确定奇异值截断水平,通过对GPS定位参数的解算,证明了广义交叉原则确定截断水平及TSVD法对病态参数估计系统的有效性。     

利用分块迭代法解算GPS整周模糊度

为实现GPS动态实时相位差分中整周模糊度参数快速精确解算,本文从参数估计的角度出发,针对常规方法的不足引入分块选代法,介绍其原理,将分块迭代法应用于GPS动态定位整周模糊度的解算,并对结果进行比较和分析,得出一些有益结论。     

一种改进的病态测距方程非线性估计的正则化数值迭代法

传统非线性正则化数值迭代法能够解决病态测距定位方程,但该方法常假设3个方向具有相同的病态程度,将正则化约束作用于所有的方向,加剧了问题的复杂性并影响解的收敛效率.因此,针对已知点和未知点近似共面引起的病态问题,提出一种改进的非线性正则化数值迭代法.该方法将正则化约束仅作用于病态方向即Z方向,对态性良好的方向不进行约束,...     

两点边值问题网格方程病态机理和预处理

研究两点边值问题的不同网格方程的病态机理和预处理原理. 基于结构分析的思想,通过定义并研究这些网格方程的病态结构、病态因子、去病因子,说明不同的网格方程有类似的病态结构、有相同的病态因子和与之对应的去病因子;将去病因子作为预条件子的重要组成部分,并对预处理的结果进行定量分析. 结果表明,该预条件子的使用,几乎不增加迭代的计算量,预处理后的条件数接近1;去病因子是通用且最优的预条件子.     

遗传算法的改进及其在方程组求解中应用

选择、交叉和变异是遗传算法的几个主要操作算子，它们构成了遗传操作。对遗传操作提出了改进方案、即对于交换操作：如果两个子代的适应度均比父代大就交换，如果子代的适应度一个比父代大而另一个比父代小则保留大的子代而还原小的子代为父代．如果子代的适应度均比父代小则取消此次的交换。变异操作中对每个父代的多个位置逐个变异．如果子代的适应度比父代大则变异，否则不变异。通过解线性方程组和非线性方程组证明丁该方法能够使得遗传始终向着理想的方向，避免了算法陷入死循环，并且收敛速度非常快。     

基于神经网络的病态线性方程组求解

提出了一种基于神经网络的病态线性方程组求解方法。将病态线性方程组的一般系数矩阵转化为对称正定矩阵,然后将此方程组的求解转化为一个无约束优化问题。以此优化问题的目标函数作为神经网络的能量函数,利用最速下降原理构造神经网络的动力学方程,并证明该神经网络系统的稳定性。从而把原病态线性方程组的求解问题转化为一个等价的神经网络优化问题。最后通过两个算例的数值仿真求解以及与其他求解方法的比较,验证了该方法的可行性与有效性。     

解病态线性方程组的遗传算法

提出了求解病态线性方程组的一种新方法－遗传算法，这是一种模拟自然遗传和达尔文进化理论的并行随机优化算法，首先，详细描述了遗传算法，然后，为了应用遗传算法，将病态线性方程的求解转化为无约束优化问题来解决，最后，给出计算机模拟结果并与其他方法作了比较。     

预处理ICCG法求解稀疏病态方程组

针对一般的对称正定线性代数方程组,首先给出了常用的不完全Cholesky分解预处理技术;然后通过改进对称逐次超松弛(SSOR)预处理矩阵形式提出SSOR-ICCG算法及其改进算法,并讨论了算法的收敛性;最后进行数值模拟仿真实验,数值结果表明,该算法是有效可行的,且较之一般的预处理不完全Cholesky共轭梯度法(ICCG方法),该算法在求解稀疏病态方程组方面具有优越性.     

主元加权迭代法求解病态线性方程组

由于病态线性方程组的系数矩阵条件数很大,使用迭代法求解病态线性方程组时,收敛速度慢且数值解的精度很低.针对此问题,设计了一种主元加权迭代算法.该算法在系数矩阵主元上叠加一个权值,以此来降低系数矩阵的条件数.最后以希尔伯特矩阵构成的病态线性方程组为例,对提出的主元加权迭代算法和高斯-赛德尔迭代法以及雅克比迭代法进行了测试.对比试验结果表明:主元加权迭代算法能有效地提高数值解的精度.     

求解病态线性方程组的共轭向量基算法

结合最速下降法计算量小和共轭方向法收敛速度快的特点,提出了一种求解病态方程组的共轭向量基的方法。线性方程组的精确解能够由共轭向量基线性表示,利用迭代的方式给出了构造共轭向量基以及对应系数的方法,证明了算法所构造的向量基的共轭性。同时给出了一个改进算法以适合不同精度要求,加快迭代的收敛速度。通过对5000阶的Hilbert方程组进行求解,结果的相对误差小于0.45％,并与当前普遍使用有效的方法进行了比较,数值实验结果表明,该算法适合求解大型病态线性方程组,且具有快速收敛,精度较高的特性。     

基于遗传算法的进化神经网络

提出了一种基于遗传算法的前馈神经网络的自动化设计方法 (genetic m ultilayer neural network,GMNN ) ,用以同时完成对网络结构空间和权值空间的搜索。该算法利用模拟退火算法、 BP算法和小生境技术来加快算法的收敛速度 ,改善解的性能。初步实验结果表明 ,该方法的收敛速度较快 ,由此得到的神经网络的泛化能力也较好 ,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的。     

Composite multiobjective optimization beamforming based on genetic algorithms

All the parameters of beamforming are usually optimized simultaneously in implementing the optimization of antenna array pattern with multiple objectives and parameters by genetic algorithms （GAs）. Firstly, this paper analyzes the performance of fitness functions of previous algorithms. It shows that original algorithms make the fitness functions too complex leading to large amount of calculation, and also the selection of the weight of parameters very sensitive due to many parameters optimized simultaneously. This paper proposes a kind of algorithm of composite beamforming, which detaches the antenna array into two parts corresponding to optimization of different objective parameters respectively. New algorithm substitutes the previous complex fitness function with two simpler functions. Both theoretical analysis and simulation results show that this method simplifies the selection of weighting parameters and reduces the complexity of calculation. Furthermore, the algorithm has better performance in lowering side lobe and interferences in comparison with conventional algorithms of beamforming in the case of slightly widening the main lobe.     

基于分层遗传算法的模糊控制

介绍了模糊控制系统和遗传算法的基本内容及二者间的融合 .基于遗传算法的模糊系统模型辨识 ,引出了可以对实际复杂系统总结出较完善控制规则的分层遗传算法的模糊控制 .分层遗传算法通过基因操作使控制基因和由控制基因控制的参数基因都得到改变 ,进而使控制规则的结构和形状及个数得到了优化 .将这种分层模糊控制技术应用于铝电解工业中的极距控制 ,可使改进后的极距控制系统的动态性能和稳态误差都得到提高 .