基于Alopex的进化优化算法

提出了一种基于Alopex的进化优化算法。该算法在进化过程中从种群中随机选择2个个体,通过计算2个个体和目标函数值的变化情况,确定算法进一步搜索方向的概率,逐步迭代最终收敛到全局最优。该算法具备基本进化算法的特点,同时具备Alopex算法的优点,即在一定程度上具有梯度下降法和模拟退火算法的优点。对典型函数的测试表明:新算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

基于改进分布估计算法的作业车间调度

为求解离散型生产过程中作业车间的调度问题,基于分布估计和模拟退火算法,提出一种改进的分布估计算法(enhanced estimation of distribution algorithm, EEDA),并通过激素调节机制设计了一种新的速度冷却控制方法以平衡EEDA算法的深度和广度搜索能力,基于关键路径的状态生成函数可缩小搜索领域,提高算法的搜索效率.数值仿真试验结果证明了本文算法的可行性和有效性.     

改进进化算法的贝叶斯网络结构学习及其应用

针对现有的基于进化算法(EA)的贝叶斯网络结构学习算法存在收敛速度慢、局部搜索能力差以及种群数目难以确定的问题,提出了一种基于改进EA的贝叶斯网络结构学习算法.借助最大支撑树(MWST)得到种群中节点的父节点数目上限,设计了计算函数来估计参与进化的种群数目.为了提高算法的局部搜索能力,设计了个体变异函数来增加种群多样性.利用条件独立性获得初始结构来进一步限制模型搜索空间,提高算法的运行效率.实验结果表明:与经典的EA和最大最小爬山(MMHC)算法对比,本文提出的MWST-EA提高了贝叶斯网络(BN)模型的学习效率,并且能够得到较高的准确率.将MWST-EA用于UCI数据库中糖尿病数据集上,与支持向量机(SVM)、MMHC方法相比,识别率分别提高了1.54％和11.15％,具有良好的应用价值.     

基于改进樽海鞘群算法的到达时间差定位

针对室内到达时间差(time difference of arrival, TDOA)位置估计中的非线性最优化问题, 提出用改进的樽海鞘群算法搜索目标位置. 通过选择最优主基站构造改进的适应度函数, 使适应度函数可以更好地反映解的优劣程度, 提高了搜索精度. 在初始樽海鞘种群中引入近似解, 使全局搜索的步骤得到简化, 加快了算法前期收敛速度. 采用自适应跟随策略更新追随者位置, 解决局部开发低效问题, 加快了算法后期收敛速度. 仿真结果表明, 基于改进樽海鞘群算法的 TDOA 定位技术相比其他元启发式算法具有更高的定位精度和更快的收敛速度.     

基于自适应Levy飞行改进的TDOA三维定位算法

针对已有的算法在基于到达时间差(time difference of arrival, TDOA)测量方案中存在的搜索能力不均衡，导致三维定位区域局部存在定位精度低甚至求解失败的问题，提出了一种基于改进探路者优化算法(pathfinder algorithm, PFA)的TDOA定位算法，通过将自适应Levy飞行和改进后的PFA算法进行融合，增强了个体对定位区域复杂环境的适应性，解决算法早熟、易陷入局部最优等问题，提升了算法综合性能.通过仿真和实验，结果表明：与Taylor算法、LM算法相比，本文提出的算法(Levy-pathfinder algorithm, LPFA)可以提高定位精度；与PSO算法、PFA算法相比，LPFA算法可以在提高运算速度的同时得到更准确的定位结果.     

结合Rosenbrock算法的混合MIMIC算法

分布估计算法是基于群体的进化算法,具有较强的全局搜索能力,但其局部求精能力较弱且易陷入早熟.为了解决分布估计算法局部搜索能力不足的问题,引入一种求精能力较强的Rosenbrock算法对分布估计算法进行改进,提出一种结合Rosenbrock算法的混合MIMIC算法(Rb-MIMIC).通过实验仿真测试算法性能,将所得结果与标准的MIMIC算法相比较可知,结合Rosenbrock算法的混合MIMIC算法在求精能力和收敛性方面都有所提高.测试函数维数越高,算法的优势越明显.     

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.     

基于贪婪搜索和变异操作的布谷鸟算法

作为一种新型的生物启发式群体智能算法,布谷鸟算法模拟了布谷鸟生育雏鸟以及鸟类的Levy flights行为,是一种全局最优搜索算法,为了更好地提高算法对不同问题的适应能力,提出一种基于贪婪搜索和变异操作的布谷鸟(GMCS)算法.根据最优位置设计一种贪婪搜索策略,贪婪搜索策略和Levy flights随机游动搜索策略按概率交替进行,加强算法的局部探索能力;引入差分进化算法中的变异操作,提高算法跳出局部最优的能力;加入一个新的参数,根据收敛状态自适应地调整参数阈值以控制贪婪搜索策略和变异操作的执行次数.通过8个标准测试函数进行数值实验,实验结果表明,与部分改进的布谷鸟算法以及一些其他改进的演化算法相比,GMCS算法具有较好的收敛性能和适应能力,验证了改进后算法的有效性.     

Copula EDA与BP结合优化神经网络

分布估计算法是一种新的种群进化算法,通过建立概率模型得到新的个体,copula分布估计算法是将copula理论与分布估计算法结合,提高估计的精确性和效率。针对分布估计算法全局收敛的特点,与BP算法结合可以避免BP算法易陷入局部极值点的缺陷,同时可以使优化结果更加精确。本文采用copula EDA与BP算法的两种结合模式来优化神经网络的权值和阈值,并且比较两种结合模式。可以得出,copula分布估计算法与BP算法融合可以提高收敛速度和精确性。     

1个单纯形搜索法和免疫进化的微粒群算法的混合算法

基于单纯形搜索法和免疫进化微粒群算法,提出1个求解无约束最优化问题的新的混合算法—单纯形搜索法和免疫进化微粒群算法的混合算法.由于它不需要梯度信息,所以具有易实施、收敛速度快和计算准确的优点.为了证明混合算法能够改进免疫进化微粒群算法的性能,首先利用6个测试函数进行仿真计算比较,计算结果表明,新的混合算法在求解质量和收敛速率上都优于其它进化算法(IEPSO,PSOPC,GSPSO,LSPSO and CPSO);其次,将新混合算法和最新的3种混合算法进行鲁棒性分析比较,结果表明,新混合算法在解的搜索质量、效率和关于初始点的鲁棒性方面都优于其它算法.     

利用ECM算法进行参数估计

在区间型数据条件下利用ECM算法对Weibull分布进行了极大似然估计.在得到相应的迭代公式后,进行随机模拟.根据模拟结果分析了此种算法在处理Weibull分布参数极大似然估计时的优越性.     

一种改进的欠定混合矩阵估计算法

针对欠定盲源分离中混合矩阵的估计问题,以及现有算法大多存在复杂度高、估计精度低的缺陷,在分析K-Plane算法的基础上,提出了一种改进的欠定混合矩阵估计算法——IK-Plane(improved K-Plane)算法.IK-Plane算法通过最优化方法,计算与所有观测信号的内积和最小的向量,并将该向量作为新的法向量,改进了法向量的更新方法,从而改善了算法的时间复杂度及估计精度.实验结果表明:相对于K-Plane算法,IKPlane算法在提高估计精度的同时,能够显著地降低算法的时间复杂度.     

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.     

高精度正弦信号频率估计算法研究

该文分析了复正弦信号频率估计的插值模型及其各插值算法.指出低信噪比条件下Rife算法的波动性破坏了MRife算法的稳定,导致部分频点估计精度下降.同时指出在低信噪比条件下Quinn算法的波动性,对此提出了一种修正法以提高其稳定性.最后提出一种改进的迭代算法,并分析了其有效性;该法采用修正后的Quinn算法作为迭代初值,进行一次迭代,对部分频点进行二次迭代.MonteCarlo仿真表明该法在FFT信噪比门限以上全频点估计的均方误差十分逼近克拉美罗下限,具有较强的抗噪性,且性能稳定.     

一种应用于 LPLC 通信的信噪比估计算法

首先阐述了基于离散短时傅立叶变换(DSTFT)的多载波FSK通信系统的基本原理,然后提出了一种新的基于时频分析方法和高阶矩理论的信噪比估计算法,并对其进行详细推导,给出了计算公式,最后对该算法的性能进行了仿真.结果表明,其精度能满足低压电力线载波(LPLC)通信的实际需求.     

分数像素精确运动搜索快速算法

为了降低视频编码标准H.264中分数像素运动搜索的运算量,提出一种分数像素运动搜索快速算法。该算法利用H.264中整数像素和分数像素运动矢量的特点,给出一组提前退出门限,能够跳过大部分分数像素搜索点;并结合钻石搜索法,进一步减少了搜索量。实验结果表明:采用该算法,分数像素搜索部分运算量平均下降77.45%,峰值信噪比降低0.03dB,码率增加2.38%。该算法显著降低了运动搜索的运算量,且较好地保持了编码性能,对背景基本不变的简单运动图像改善最为显著。     

基于FFT变换的快速信道估计算法

联合检测作为TD-SCDMA的关键技术之一,它的实现依赖于对无线信道响应的快速而准确的估计。传统方法的信道估计都需要进行计算量很大的矩阵求逆运算,不能满足实时快速的要求。提出了2种使用FFT（fast Fourier transform）变换的快速信道估计算法,简化了计算量,仿真结果表明,联合检测性能并未受到不利影响。     

故障估计的快速梯度算法

加性故障的估计通常是依赖于状态空间模型,如滑动时域估计和未知的输入观测器。本文基于闭环系统的输入-输出观测数据,采用直接设计的方法来估计故障,并设计控制器。该直接方法无需建立系统和故障的状态空间模型,也无需采用子空间辨识来建模。对于故障的估计,利用闭环系统中输入-输出关系建立一个参数化的最小二乘问题。在施加故障的上下限约束条件下,采用快速梯度算法来估计故障。最后以直升机悬停状态为例,利用本文方法估计故障,验证方法的有效性。     

异步电动机转子参数的自校正辨识方法的研究

转子参数的变化对异步电机调速系统的动静态性能有很大的影响。基于自校正方法设计了一种新的转子电阻的辨识算法。并通过仿真和实验 ,将这种算法与直接公式法进行了比较。在对自校正辨识算法进行研究时 ,主要分析了算法中参数 kp、 ki、电阻初始设定值、转速和负载转矩的变化对辨识效果的影响。讨论了负载转矩和转速对转子电阻辨识精度产生影响的原因。并且给出了该辨识算法的适用范围。实验结果证明了自校正辨识算法的有效性 ,特别是在大负载的情况下该算法可以准确地辨识出转子电阻     

正交频分复用-多天线系统的盲信道估计算法

为了解决多天线系统的识别模糊问题,提出一种基于系统输出信号二阶统计的正交频分复用多天线(OFDM-MIMO)系统盲信道估计算法。该算法从频域角度出发,从而将有限冲击响应信道的识别简化为一系列的无记忆系统识别问题。利用信道频率相关特性降低了算法复杂度,同时解决了算法对样本数的依赖问题。为了去除盲识别的模糊度,设计了带少许导频插入的OFDM-MIMO系统结构,研究了算法的估计精度及其对信道容量的影响。仿真结果表明:2发2收,1024子载波的OFDM-MIMO系统在信噪比为20dB时盲估计的归一化均方误差约为10-2。另外,子载波信道的容量结果表明,在信道变化较快时该文提出的盲估计算法相对于训练方法有明显的容量优势。