基于免疫算法的天线方向图综合研究

给出了一种基于高斯变异与自适应克隆规模控制相结合的免疫算法的天线方向图综合方法．该算法利用免疫算法的分散式和独立式的搜索方式，克服了遗传算法局部收敛和对初始群体依赖等缺陷；同时自适应的克隆算子和变异算子克服了搜索的盲目性，提高了算法的收敛速度．计算机仿真结果表明，提出的算法能够在方向图的指定区域生成多个零点，并且零陷均衡，相比遗传算法取得了更低的零深．     

大角度干扰抖动下的零陷展宽算法研究

自适应波束形成算法能将零陷自动对准干扰方向，但在干扰快速移动或天线平台出现振动等情况下，很可能由于干扰位置的扰动而使自适应权和数据失配．通过对干扰导向矢量的左右旋转，利用对协方差矩阵的数值处理，推导出一种和干扰方向无关的自适应零陷加宽技术．该方法通过对角度偏移量的跟踪，尤其适合较大抖动角度情况下零陷的展宽，在干扰方向与数据失配的情况下，仍能够较好地抑制干扰，从而提高算法的稳健性．     

基于零陷展宽并加深的高动态GNSS 抗干扰算法

为解决高动态下自适应抗干扰算法在零陷展宽后深度变浅的问题,提出了干扰扰动服从高斯统计分布的 零陷展宽并加深算法。该算法通过投影变换方法对数据进行预处理,提取采样信号中的干扰分量,并通过系数 加权增强干扰分量,在零陷展宽算法基础上构造新的协方差矩阵,最后利用功率倒置算法完成干扰抑制,达到 零陷展宽并加深的目的。仿真实验结果表明,在高动态条件下,所提算法在零陷展宽算法的基础上实现了深度 的增加,提高了零陷展宽抗干扰算法的稳健性。     

小生境遗传算法用于阵列天线方向图综合

基于共享函数的小生境遗传算法能克服基本遗传算法易于早熟和局部寻优能力较差等不足，使种群中的个体保持多样性，对这种小生境遗传算法的遗传参数进行部分改进，并将改进后的遗传算法用于线天线阵列的方向图综合．通过与传统的切比雪夫综合方法结果比较发现，该方法在低副瓣方向图综合以及零点形成方面都能得到不错的效果，为其进一步在其他形式天线阵综合中的应用打下基础．     

基于遗传算法的截集FCM灰度图像分割方法研究

以截集模糊C均值聚类（Sectional Set Fuzzy C—means algorithm：SSFCM）算法为基础，提出一种自适应遗传算法（Adaptive Genetic Algorithm）改进截集FCM算法。传统FCM算法中一般使用一维直方图初始化方法，使初始化与聚类算法相分离，没有形成整体，而且同一幅一维直方图可能对应不同的原始图像。引入自适应遗传算法，与截集FCM算法有机结合，用遗传算法解决初始化问题的同时．以遗传算法的寻优性能来指导聚类。实验表明，该算法效率较传统FCM算法和未改进截集FCM算法有很大的提高，同时能够保持较好的分割效果和质量。     

基于改进遗传算法的PID参数整定

为了克服基本遗传算法收敛速度和寻优效果的不足,提出一种改进交叉和选择操作的遗传算法,并把它应用于PID控制器参数的优化中。仿真试验结果表明,该算法PID参数整定效果优于基本遗传算法,不仅解决了遗传算法存在的缺陷,而且提高了寻优精度和快速收敛性能。     

基于退火不可行度的约束优化问题遗传算法

传统的遗传算法在求解带约束的数值优化问题时，主要采用罚函数法．本文针对罚函数法在实际应用中的困难和不足，提出了基于退火不可行度的遗传算法来处理各类约束优化问题．仿真结果表明该方法是一种有效的约束问题寻优算法．     

用扰动方程研究可压缩边界层中扰动的演化

本文对传统的可压缩流动中的通量分裂方法进行了修正，使其可以用于扰动方程的计算。利用这一方法，对来流马赫数Ma为4．5、雷诺数Re为10^5的可压缩平板边界层中扰动的演化进行了数值模拟。对于给定的基本流，在计算域入口加入T-S波扰动，研究扰动的空间发展演化。对于小幅值的扰动，计算得到的扰动幅值演化和扰动法向分布与线性稳定性理论的结果符合的很好。对于有限幅值的扰动，结果表明，各次谐波无论幅值还是扰动分布都与完整的Navier-Stocks方程计算的结果符合的很好，但由扰动方程得到的平均流修正比N-S方程得到的大一些，这也许是由于在N-S方程计算时，基本流与零阶谐波一起计算而产生的误差所至。     

基于改进遗传算法的模糊C均值聚类算法

针对传统模糊C均值聚类算法(FCM)的缺陷,提出了一种基于改进遗传算法的模糊聚类方法.利用改进遗传算法强大的全局寻优能力,这种算法较好地克服了FCM算法对初始化敏感、容易陷入局部最优的缺陷.仿真实验证明,该算法具有较强的全局寻优能力和较快的收敛速度.     

遗传算法中的逐级进化策略研究

基于反馈控制原理，通过对遗传算法寻优规律的分析，提出了一种逐级进化策略．计算结果表明，该方法可有效地改善遗传算法的寻优性能．     

协同学习差分进化算法及在双转向机构优化中的应用

根据齐次坐标变换法推导了双转向机构转向分析数学模型,然后采用差分进化(DE)算法求解该模型。针对基本DE算法可能出现早熟或收敛速度慢的问题,提出一种基于协同学习机制的差分进化(CLDE)算法。该算法采用两个子种群,每个子种群采用不同的变异策略,利用局部极值判断机制确定早熟收敛种群;针对早熟收敛种群,利用精英种群映射策略向精英种群进行映射学习,实现子种群间的信息交流;若不存在精英种群,则在自身种群内采用自适应高斯扰动策略实现自我调整。函数测试结果表明,CLDE优化精度更高、速度更快、稳定性更好。将该算法用于机构优化问题,结果表明,与基本DE算法、随机变异差分进化算法(RMDE)、多种群自适应差分进化算法(ADEMP)相比,CLDE的最优适应度值分别降低13. 83%、8. 33%和6. 25%,且表现出了较好的稳定性和收敛性。     

Kalman filter for adaptive antennas

Adaptive control algorithm is a key technique for an adaptive array. It is necessary to find a fast and efficient algorithm for gaining rapid interference suppression. Convergence speed of conventional gradient-based algorithms is extremely slow and very sensitive to eigenvalue spread of autocorrelation matrix. This paper presents the Kalman filtering method to adaptive array processing. It has good transient response and achieves faster convergence speed, so it is most suitable for complicated adaptive systems. We analyzed its convergence performance which proved to be related to initial value forP(0). Computer simulation by applying four elements array to null steering was carried out. It is shown that fast convergence needs only 2M numbers of iteration. The less the value was selected forP(0), the slower convergence was found. Further, ifP(0) were too small, the method would not be able to converge. On the other hand, bigger values ofP(0) can not achieve more improvement in convergence performance. Simulation also discovered steady response denoted with SNIR dependent on the power of reference signal. These results demonstrate the validity and effectiveness of the Kalman type adaptive antenna. Supported by the Natural Science Foundation of Hubei Province Hu Jiayuan: born in 1941, Associate professor     

智能天线中一种抑制干扰的波束形成算法

提出了一种新的用于智能天线中极大抑制干扰的波束形成算法，在干扰信号的导向矢量矩阵的零空间内，经过正交基矢量的线性组合，用最小二乘法求得最接近期望信号导向矢量、并同时对各个干扰信号零陷的权值。与MVDR算法相比，本算法对干扰的抑制更加有效。     

半导体封装测试生产线模型及其调度方法

针对成都某工厂半导体封装测试生产线上的调度问题,结合封装测试生产线的特点,建立了以完成加工任务为约束条件,同时考虑设备初始状态和切换时间,以最小化设备的最大运行时间为目标函数的数学模型. 提出了基于自适应并行遗传算法求解半导体封装测试生产线调度的方法,算法同时综合了自适应遗传算法和并行遗传算法的优点. 并对该工厂半导体封装测试生产线上的调度案例结果进行了分析,试验结果表明了该算法的有效性.      

基于佳点集遗传算法的边缘检测

为了提高遗传算法应用于边缘检测的收敛速度,提出了一种基于佳点集遗传算法(GGA)的边缘检测方法.该方法利用佳点集理论构造交叉操作使得子代保留最能代表其家族性能的双亲共同基因以提高算法收敛速度.在用遗传算法进行边缘检测之前,将图像的灰度值特征空间转换为模糊熵特征空间,然后运用模糊熵理论对图像进行相异性增强处理,滤去非边缘像素以便缩小解空间规模,为提高算法的收敛速度提供了另一个有效的途径.实验结果表明,所提出的图像边缘检测方法具有较好收敛效率,所检测出的图像边缘细节丰富、单边缘、定位准确.     

A Blind Adaptive Jamming Canceller Using Antenna Array for GPS Receiver

Traditional beamformers need to know the incident angle of the desired signal leading while its ability to handle interference is limited. In this paper, the constrained steer vector of linearly constrained minimum-variance (LCMV) beamformer is modified to make sidelobe null to direction of powerful jammer. In addition, the state-space concept is used to describe the anti-jammer filter, and Kalman filter algorithm is deduced by building the observation model and measurement equation. The new method is more efficient on computation and more robust to survive environment with large scale variation in interference strength. Finally, simulation results shows that the new approach can form the null with its depth in proportion to power in direction of jammer, and has steady convergence process. The novel method can effectively improve the signal-to-jammer-plus-noise power ratio (SJNR) of GPS signals to make the correlation peak easy to track.     

基于集群式系统的GSAD算法

针对新出现的高性能价格比的集群式计算方式 ,提出了设计高效 SPMD(single program multiple data)算法的几个原则 ,并基于这些原则 ,给出了求解多极值点优化问题的 GSAD(genetic sim ulated annealing and downhill)算法的描述。该算法有机地结合了遗传算法、模拟退火以及下山的优点 ,达到了高效、收敛、可扩展的效果。基于 MPI编程实现 ,给出了该算法在几个典型的多极值点函数以及实际问题中的应用效果 ,通过与相关工作的简单对比指出了该算法的适用范围和特色。建立 SPMD求解模型是 SPMD算法深入研究的方向     

善治视域下我国政府回应能力提升探析

传统的可控源音频大地电磁法(CSAMT)反演方法属于线性或者局部线性,大都依赖初始模型.而遗传算法因其不依赖初始模型的特点而应用到CSAMT反演中.但是,标准的遗传算法存在早熟、局部收敛等问题.针对这些问题,对标准的遗传算法进行改进,采用排序法和最优保留策略相结合的选择算子,增强其种群多样性并保证其收敛性;采用父子竞争策略和自适应概率法相结合的交叉算子,能够防止好的父代个体被淘汰,又具有适应性.通过理论模型进行算法仿真验证,证明其有效性,说明改进遗传算法较标准遗传算法在CSAMT一维反演中有明显的改善.通过对实测数据进行反演,其结果与地质资料吻合,证明了其适应性.     

求解一类非线性规划问题的混合遗传算法

提出了一种求解目标函数和约束条件均二阶可导的非线性规划问题的混合计算智能算法．该算法是把一种浮点数编码遗传算法和约束变尺度法相结合提高求取全局解的速度和概率．在该算法中，选择、交叉和变异等遗传操作算子是以非线性规划问题的一个惩罚函数为求解对象，目的是把解引向全局解附近，为约束变尺度算子提供初值；而约束变尺度算子直接以原非线性规划问题为求解对象，以发挥其局部搜索能力强的优点，数值实验表明，混合算法是一种可靠、高效的全局优化算法．