自适应实值分布估计算法

针对实值分布估计算法(RECEDA)求解单模和多模优化问题存在的搜索空间有限和种群多样性保持能力较差等问题,提出了一种自适应实值分布估计算法(ARECEDA),该算法根据种群多样性性能指标自适应改变新种群采样过程中的方差值,使改进算法有效地提高种群多样性.实验结果表明,自适应实值分布估计算法比原有算法在优化精度上有很大提高.     

多目标云分布估计算法

为增强多目标分布估计算法(MEDA)的局部搜索能力,将云模型引入到多目标分布估计算法中,提出一种多目标云分布估计算法(CMEDA).该算法一方面利用分布估计的采样操作对进化种群进行搜索,另一方面利用云滴具有随机性、稳定倾向性等特点,进行外部档案搜索,实现群体间信息交换,从而提高多目标分布估计算法的全局搜索能力.数值实验选取6个常用测试函数,并与NSGA-Ⅱ和MEDA算法进行比较,结果表明,CMEDA算法在收敛性和多样性两方面都有较好的性能.     

一种基于Alopex和分布估计算法融合的进化算法及其在参数估计中的应用

构造了一种基于Alopex(Algorithm of pattern extraction)和分布估计算法(Estimation of distribution algorithm,EDA)相融合的进化算法EDA-Alopex.该算法将分布估计算法嵌入到一种基于Alopex的群智能进化算法(Alopex-based evolutionary algorithm,AEA)中,利用分布估计算法收敛速度快及与传统进化算法进化模式不同的特点来改进AEA算法.新算法综合了AEA算法搜索得到的个体间相关性信息和EDA搜索过程中得到的全局概率信息,能够更好地指导种群向有利的区域进化.仿真结果表明:EDA改进的EDA-Alopex算法搜索性能与AEA算法的搜索性能相比有较大提高,特别是其收敛速度与AEA算法相比有明显提高.     

基于基尼指数的分布估计算法

随着基础理论研究所取得的一系列进展,分布估计算法逐渐成为进化计算研究领域的一个新的研究方向,并成为当今国际进化算法研究的新热点.文中提出了基于基尼指数的分布估计算法,采用实数编码直接对连续随机变量建模,并引入了基尼指数,设计了可以随着进化代数的变化动态调整子代种群的扰动因子函数.实验结果表明,该算法与其他同类算法相比优化精度有了一定程度的提高.     

柯西分布概率模型的copula分布估计算法

分析柯西分布函数的特性,说明在众多连续型分布函数下,在copula分布估计算法中建立柯西分布概率模型的可行性。通过描述柯西分布以及逆累积分布函数的采样,给出柯西分布函数参数不同的估计方法,得到相应的采样及完整的分布估计算法．进行仿真实验比较柯西分布概率模型的copula分布估计算法和经验分布概率模型的copula分布估计算法,说明柯西分布概率模型的copula分布估计算法的有效性。     

LTE上行链路高速铁路应用场景中的频偏估计方法

提出了一种长期演进(LTE)上行链路频偏最大似然(ML)估计算法,并通过定量分析该算法与基于2个训练序列相差的频偏估计算法(相差法)的估计性能,提出了一种联合频偏估计算法.仿真结果表明:与相差法相比,所出提的ML估计算法与联合估计算法的频偏估计范围均能够覆盖高速铁路应用场景中的最大频偏,且ML估计算法不受LTE上行链路跳频传输的影响;在信噪比10 dB且少于4个用户的情况下,2种算法均能够提供10-4或更小的归一化频偏估计均方误差;在单用户情况下,联合估计算法比ML估计算法的均方误差在信噪比上提高了近5 dB.     

衰落环境下信道增益和时延的联合估计算法

目的研究衰落环境中认知用户与授权用户之间存在未知时延情况下的频谱感知问题,提出一种信道增益和时延的联合估计算法.方法建立一种新的动态状态空间模型,用以描述授权用户状态、时变衰落信道状态和感知时延之间的关系;通过最大后验概率准则估计出信道状态,用以表述信道状态随时间变化的情况;最后基于粒子滤波方法得到授权用户状态估计以及感知时延估计;通过仿真实验,分别从信道增益和感知时延两个角度与现有方法的正确检测概率进行对比与分析.结果笔者所提出的信道增益和时延的联合估计算法(SFH)在信道增益角度正确检测概率相比信道增益估计算法(SFC)和能量检测算法(ED)分别提升2%、2.6%,在感知时延角度上提升3.4%、8.7%.结论笔者所提算法提高了接收信号统计特性,在保证实时检测的同时,显著提升了存在未知时延的衰落信道环境下的频谱感知性能.     

一种模糊控制小生境遗传算法的应用研究

基于遗传算法的基本原理,提出一种改进的遗传算法,将模糊控制思想与小生境技术引入到其中,从而保护种群的多样性,同时使每代最优解得以保存.遗传算法加入小生境技术后虽可保持种群群体的多样性,但是不可避免的会产生部分个体的早熟以及陷入局部最优,于是加入模糊控制思想,对种群的交叉概率Pc和变异概率Pm进行模糊控制,以此为基础,形成了一种新型的模糊控制小生境遗传算法.最后通过对三个典型函数的数值分析证明了该方法的有效性和可行性.     

一种结合微粒群算法的混合MIMIC算法

分布估计算法是基于遗传算法的基础上发展起来的一种新型的优化算法,它采用的是概率图的模型来表示基因中变量之间的关系,从而构建优良解集的概率分布模型进行采样来实现迭代进化。但是分布估计算法在问题求解过程中容易陷入局部最优,针对此缺点,引入微粒群算法,提出了一种结合微粒群算法的分布估计算法。这种算法将分布估计算法与微粒群算法的思想紧密结合起来,不仅保持了种群的多样性,而且具有更全面的学习能力,提高了算法的寻优能力以及避免早熟收敛的能力。通过对测试函数的仿真试验,表明该算法具有良好的性能。     

OFDM系统中MMSE与LS信道估计算法的比较研究

文章介绍了OFDM系统中插入导频的LS信道估计与MMSE信道估计两种算法,通过试验仿真说明了MMSE信道估计算法对系统性能的提升要优于LS信道估计算法,但MMSE信道估计算法的计算量大于LS信道估计算法。