基于四元数矩阵的谐波信号多参量联合估计

针对许多应用场合中存在的谐波多参量联合估计,提出一种基于四元数理论的谐波多参量联合估计算法。该算法首先通过对原信号模型的变换构造一种新的四元数模型,同时构造该四元数模型自相关函数;然后构造该四元数模型自相关函数的Toeplitz矩阵,并对其进行分析,提出谐波信号多参量估计的核心是充分利用四元数建立信号各参量之间的相互约束,以提高参量估计效果;最后利用四元数右特征值分解方法,构造基于四元数的噪声子空间,用四元数MUSIC方法联合估计原信号的多参量。仿真实验说明该方法在信噪比较低时,较经典方法能更有效提取谐波的多个参量。     

基于多层Hopfield神经网络的配电网网络规划

分析了配电网网络结构规划模型,在此基础上提出用Hopfield神经网络进行网络结构规划.针对城市电网辐射状运行的特点,提出多层Hopfield神经网络模型、对应的能量函数以及参数选择规律.多层Hopfield神经网络的每一层对应于一个负荷点的供电线路,能量函数的建立同时考虑到各层的状态.提出一种新的基于多层Hopfield神经网络的配电网网络结构的规划算法,该算法通过使能量函数降到最低值,可以求得配电网网络规划问题的最优或近似最优解.新算法无需对线路编码、无需对数据进行归一化处理,更加易于编程实现.实例计算表明该方法可行、有效.     

非线性规划的混合遗传算法

遗传算法是一类模拟自然界生物进化过程与机制、求解问题的自组织和自适应的人工智能技术,是非常好的求解优化问题的算法,但是它也容易产生早熟现象,且局部搜索能力较差。因此,在分析传统的非线性规划方法的基础上,针对传统方法的局限性,为非线性规划模型设计了一种新的启发式算法,即结合遗传算法、模拟退火算法和动态惩罚函数法的混合遗传算法,以发挥各算法处理问题的优势。对算法的过程进行了分析。通过实例说明,该算法对于求解所建立的问题是有效的。     

可持续发展林业产业结构优化系统模型研究

运用系统工程的方法，对可持续发展战略下的区域性林业产业结构优化问题的系统结构、子系统间的关联和多目标特性等进行了深入的系统分析。在此基础上，根据大系统理论，建立了包含目标函数模型、各子系统的约束条件模型和关联模型在内的区域性林业产业结构优化的大系统模型，并推导出了相应的分解-协调算法。通过应用表明了所提出的模型和方法为区域性林业产业结构的可持续发展规划提供了有效的手段。     

自适应PBIL算法求解合同优化匹配问题

描述钢铁企业中客户合同与库存材料的优化匹配问题，建立实现库存利用量最大化、匹配成本最小化的多目标O-1规划模型。结合问题的特点，采用模糊决策方法对多目标函数进行集成，设计一种具有自适应能力的PBIL(Population-based Increased Learning)算法用于模型求解，它的基本思想是利用信息熵来度量算法的进化程度，并按照熵值的变化自适应地调整算法的学习因子和变异率。通过应用实例的计算，以及和基本PBIL算法、GA计算结果的比较，证明该模型和算法的有效性和应用潜力。     

基于Pcomm组合导航系统高效串行通讯技术实现

为使组合导航系统串行通讯满足多通道、稳定、快速等多种特殊要求,在对常规WindowsAPI函数、多线程控制和异步OverlappedI/O等技术利弊分析的基础上,采用面向对象的程序设计方法,对MoxaPcomm函数库功能进行了分析和封装,建立了一种新的高速串行通讯类的通讯程序设计方法。该技术方法在Windows平台的组合导航系统设计中得到了有效的验证和应用,可使通用串行通讯程序的设计更加简便、紧凑、可靠和易于维护。     

基于工艺随机扰动的非均匀RLC互连线串扰分析

提出一种基于工艺随机扰动的非均匀RLC互连线串扰分析方法;同时建立了互连线随机扰动模型.通过解耦技术将耦合非均匀互连线模型转化为独立互连线模型,从而简化了分析,并利用新的逼近模型对数值结果进行复频域的函数逼近,提高了算法精度.最后将算法应用到多根耦合互连线互连的情况,拓展了算法可计算的电路规模.实验结果表明算法可以对工艺随机扰动下的耦合互连线串扰进行有效评估.     

一类非线性互补问题的宽邻域预估校正算法

针对一类P-函数非线性互补问题,提出了一种新的内点算法——宽邻域预估校正算法。该算法基于精典预估校正思想,把窄邻域拓展到一个宽邻域里使得算法更快的迭代,给出了应用该算法的具体步骤,讨论了其算法的计算复杂性,分析结果表明,所给方法是一多项式时间算法。通过数值实验验证该算法的有效性。     

一种基于基因表达式程序设计的新算法

基因表达式程序设计是一种基于基因组和表现型组的新型遗传算法,该算法在运行时具有很高的运行效率,实验表明在求解很多问题时比遗传程序设计优越两个数量级以上.通过对基因表达式程序设计的变异算子进行分析,发现在个体变异过程中存在着大量的基因漂移现象,这些漂移的基因一方面造就了种群的多样性,但是另一方面也降低了算法的效率,阻碍了算法精度的提高.为此,构造了一种新的算子--漂移抑制算子,通过在基因表达式程序设计方法中加入此漂移抑制算子构造出一种新的算法-基因漂移抑制算法(Gene Drifting Suppression Algorithm Based on Gene Expression Programming, GDSA-GEP),该算法在保持种群多样性的同时,能有效地控制基因的过度漂移.实验结果表明,新算法能有效地提高问题的求解精度.     

用GEP实现复杂函数的自动建模

GEP是一种新颖的遗传算法,在函数建模的应用中取得良好的结果.给出计算有效基因长度的伪代码,结合GRCM方法阅读基因,快速计算出染色体的适应值.在算法中增加了参数估计模块,用GEP得到较好模型后,用参数估计模块进行参数优化,试验显示这种混合的GEP方法比传统的最小二乘法、神经网络以及遗传程序设计等方法具有更好的性能.     

植物多向生长模拟算法

针对整数规划问题提出了一种以植物向光性为启发式准则的智能优化算法——植物多向生长模拟算法. 改进了植物生长激素的分配方式并将随机选择机制引入新枝生长方向的选择,更符合植物生长的自然机理. 利用马尔可夫链描述算法迭代过程,证明了算法的收敛性. 利用无约束和有约束两类具有多个全局最优解的非线性整数规划实例测试了植物多向生长模拟算法的性能,并与基本植物生长模拟算法、填充函数法、罚函数法以及基于遗传算法的混合算法进行了对比. 植物多向生长模拟算法不仅提高全局寻优能力,增加解的多样性和准确性而且提高收敛速度.     

利用多群体DNA遗传算法求解线性规划问题

针对经典遗传算法存在的问题 ,提出了多群体DNA遗传算法。该方法在经典遗传算法的基础上 ,通过借鉴生物学及社会学 ,引入了多群体及DNA片断等概念 ,并提出迁移与自适应变异算法 ,可以提高遗传算法的有效性与收敛性。为了验证算法的有效性 ,将该算法应用于线性规划问题的求解。在求解过程中 ,首先利用熵障碍对偶方法对原问题进行转换 ,然后使用多群体DNA遗传算法对转换后的目标函数进行求解。仿真结果表明 ,该方法具有良好的全局搜索能力和较快的收敛速度。以上工作为解决大规模线性规划问题的求解提供了全新的思路和方法 ,对遗传算法应用的发展具有重要意义     

一种基于双向动态规划的立体匹配算法

提出了一种利用双向动态规划和视差可靠性准则的立体匹配算法.首先,提出了一种新的全局能量函数,它解决了扫描线间的不连续性,同时保护了的视差不连续边缘;其次,利用加强顺序约束和遮挡约束的双向动态规划方法来处理遮挡;最后,在利用三个可靠性准则去除伪视差点之后,使用可移动窗口方法填充伪视差点的视差获得稠密视差图.实验结果表明,该算法在深度不连续区域和大的无纹理区域均能取得很好的匹配效果.     

解非线性两层规划问题的新的遗传算法及全局收敛性

针对两层规划问题本质上的非凸性和不可微性给其数值求解带来极大困难,特别是求非线性两层规划问题的全局最优解,而遗传算法不受这些因素的限制,设计了一种新的有效的遗传算法来解决非线性两层规划问题.该算法充分考虑了两层规划问题的结构特点,使遗传算子更加有效,并且易于产生好的后代.     

基于遗传算法的城市用地与路网设计一体化优化模型

针对目前城市土地利用规划和路网设计中存在的一些缺陷，提出一种基于遗传算法的城市土地利用规划与路网设计一体化优化模型，该模型可一次性求得多个城市用地和道路网规划方案，并利用一个算例进行了仿真试验，结果表明．该模型和算法是有效的。     

基于模糊时间序列预测的二目标区间数折衷规划

用效用函数代替传统投资规划目标函数中的收益率,采用S型隶属函数描述反映投资收益带给投资者的心理满意度水平,利用模糊时间序列的模糊逻辑关系预测满意度水平,建立目标函数为区间收益和区间风险的二目标区间数规划,在引入优化系数的基础上,并采用折衷规划的方法求解.对上证180成分指数进行实证检验表明:所提出的模型对待定参数依赖性小,具有很强的鲁棒性;在参数在标量范围内,所提出的模型具有很好的投资决策效果.     

一种改进的自适应免疫进化规划方法及其应用

结合免疫系统的机理和进化规划原理,对免疫进化规划进行改进。即引入多样性函数和群体局部退化相结合的方法,对克隆细胞进行选择和更新,增强群体信息的多样性,克服近亲细胞过度繁殖而引起早熟收敛;利用双曲正切函数,无须区分亲和度界限,决定个体细胞的变异率,实现细胞群的自适应变异;选择亲和度高的一半细胞作为记忆细胞,利用其替换原始细胞群亲和度低的细胞。对各部分改进的原因和优点进行了分析,给出了算法的主要步骤,并对自适应免疫进化规划的收敛性进行了说明。最后用不同的测试函数进行仿真实验,结果表明了方法的有效性。     

洪水灾情评价的遗传程序设计方法

洪水灾情评价在洪水灾害分类管理决策中具有重要的指导意义,其关键问题就是在评价模型的结构未确知时,如何建立合适的模型来描述以灾情评价指标值为系统输入与以灾情评价等级值为系统输出之间所隐含的复杂关系。为此,提出了用FORTRAN语言实现洪水灾情评价的遗传程序设计新方法(GP-EFDL)。研究结果说明,GP-EFDL可在较大的程序搜索空间中获取一个最佳函数表达式,来反映洪水灾情评价系统的输入与输出样本数据系列所隐含的关系,在自然灾害系统建模、预测和控制等计算机程序自动设计中具有应用价值。表4,参13。     

基于粒子群优化算法的KK分布参数估计方法

针对KK分布的参数估计,首先介绍了半经验估计法,然后提出了一种基于粒子群优化的估计方法。该方法将杂波数据统计直方图与KK分布概率密度函数在部分采样点上的差异作为代价函数,通过粒子群优化搜索参数的最优值。通过蒙特卡罗方法对半经验估计法在权重参数不同时的性能进行了仿真,然后分析了杂波数据样本点数的多少等因素对所提算法精度的影响,最后基于实测合成孔径雷达图像杂波数据对该算法进行了验证。仿真结果表明,该算法对KK分布参数具有良好的估计性能,KK分布与K分布等相比,对合成孔径雷达图像杂波数据具有更强的拟合能力。     

差分进化算法结合正则化解算病态方程

针对卫星导航快速定位中的观测方程病态问题,提出一种利用自适应加权的差分进化(differential evolution,DE)算法结合Tikhonov正则化求解病态方程的方法。在深入分析DE算法寻优过程的基础上,通过自适应地改变当前个体的加权因子,并在目标函数中引入正则化项,快速稳健地求解病态方程。仿真实例表明:当法矩阵条件数为10⁵左右时,新方法的解算精度比传统的截断奇异值法、Tikhonov正则化法、遗传算法(genetic algorithm,GA)和DE算法分别高约5倍、2倍、1.5倍和1倍;迭代次数是DE算法的22.37%、GA算法的5.67%,寻优速度最快;加入粗差后,新方法的解算精度基本不变,即具有较好的稳健性。