量子遗传算法及在模糊控制器参数优化中的应用

提出了一种基于实数编码的量子遗传算法。该方法用量子比特构成染色体,用量子旋转门进行染色体更新,用量子非门进行染色体变异。针对量子旋转门的旋转角方向的选择,提出了一种简易快捷的新方法。基于适应度函数的梯度信息,构造了旋转角大小的计算公式。该方法将每一量子位的两个概率幅,看作上下两个并列的基因,每条染色体包含两条并列的基因链,每条基因链代表一个优化解。在染色体数目相同时,可显著加速优化进程,提高获得全局最优解的概率。模糊控制器参数优化问题的仿真结果表明,该方法在搜索能力方面明显优于普通量子遗传算法。     

海上动态目标潜在区域博弈预测及搜索方法

针对遥感卫星对海上动态目标搜索定位的应用需求, 提出海上动态目标潜在区域博弈预测及搜索方法。通过非对称信息假设将动态博弈转化为静态博弈, 简化策略函数以提高算法效率。以收益为指标设计博弈策略, 使算法更贴近实际应用, 并将目标潜在区域预测算法和卫星搜索规划算法转化为纳什均衡下的最优策略求解问题。引入目的地信息, 将目标位置预测的时间跨度从数小时增加到数天。实验结果显示, 该搜索方法在保证了较高目标捕获率的同时, 降低了遥感卫星星座的资源消耗。该搜索方法在海上动态目标搜索领域具有潜在应用价值。     

求解连续空间优化问题的量子差分混合优化算法

借鉴量子计算的相关原理和差分进化思想,提出一种用于连续空间优化问题的量子差分混合优化算法。算法的核心是构造由决策向量的分量和量子位概率幅为等位基因的实数编码染色体;采用依据染色体的具体形式设计的互补变异进化部分优秀个体,以加快算法的收敛速度;利用差分进化思想进化部分随机选取个体,以保持算法的全局搜索能力和鲁棒性。对Benchmark函数测试表明,该算法具有寻优能力强、搜索精度高和稳定性好的特点。应用该算法求解路基沉降预测模型参数估计问题,能够有效提高实测沉降数据的拟合精度.     

基于TAS模式的多目标跟踪波束调度策略

在跟踪加搜索工作方式下,相控阵雷达既要对已捕获的目标保持稳定跟踪,又要继续搜索责任空域发现新目标,为此提出了一种波束调度策略。在交互多模型框架下,基于状态的一步预测估计了目标的预期驻留时间,以检测概率和跟踪精度为约束条件进行了优化,基于驻留时间估计了目标的预期噪声方差和预期误差协方差,定义了目标跟踪的紧迫因子、偏差因子和调度系数,在各个时刻估算所有目标下一时刻的调度系数,根据调度系数大小确定下一时刻的波束指向,指挥波束进行照射,当波束照射到目标上时,更新量测噪声并滤波,当波束未照射到目标上时用预测值表示目标状态,仿真证明了算法的可行性和有效性。     

面向多障碍物海面卫星搜索动目标方法

在多障碍物海面航行的动目标需规避海面障碍物,运动特征更为复杂。为提高卫星搜索该类目标的效能,分析了目标规避海面障碍物对其在搜索图中概率分布的影响,基于目标马尔可夫运动过程,提出一种面向多障碍物搜索海面的动目标运动预测方法。在使用搜索图建立动目标搜索环境模型的基础上,搜索过程中首先根据卫星探测信息更新搜索图,然后采用该运动预测方法计算目标转移概率,再次更新搜索图。最后采用最大化目标发现概率作为卫星搜索策略建立仿真场景,实验结果验证了所提方法的有效性。     

基于置信椭圆的无人艇区域覆盖搜寻规划优化

为解决水上遇险目标搜寻存在搜寻区域过大、搜寻代价过高等问题, 提出一种基于置信椭圆的无人艇区域覆盖搜寻规划方法。首先, 利用高斯混合模型聚类算法划分搜寻区域, 再基于腐蚀膨胀的置信椭圆确定最佳搜寻区域边界, 实现目标包含概率和单位面积粒子数全局最优。然后, 构造适应椭圆搜寻区域边界特征的无人艇转向模型, 优化非工作路径。最后, 以搜寻探测概率和总路径为优化目标, 采用带精英策略的非支配排序的遗传算法(nondominated sorting genetic algorithm II, NSGA-II)优化得到最佳搜寻规划路径, 实现无人艇高效区域搜寻规划。与常规矩形区域覆盖搜寻规划对比, 能够在达到相同搜寻成功率下显著减少搜寻代价投入。     

基于量子遗传算法的正规模糊神经网络控制器设计

针对模糊神经网络控制器通常涉及的参数较多,反传播算法难于收敛的问题,提出了一种优化设计正规化模糊神经网络控制器的量子遗传算法。该方法用量子比特构成染色体,用量子旋转门进行染色体更新,用量子非门进行染色体变异,将量子位的概率幅看作两个并列的基因,因此每条染色体包含两条并列的基因链,在染色体数目相同时,可提高获得全局最优解的概率。对控制器参数随机编码建立初始群体,利用量子遗传算法进行参数优化。实验结果表明该方法是有效的。     

密集杂波环境下的快速数据关联算法

联合概率数据关联(JointProbabilisticDataAssociation,JPDA)是密集杂波环境下跟踪多目标最有效的算法之一。但当目标数目和有效量测数增大时,关联概率的计算出现组合爆炸现象一直是工程应用的瓶颈。基于JPDA算法的思想,提出了一种快速数据关联算法,该方法首先根据被跟踪目标相关门的相交情况将监视区域分成相互独立的空间,对同一空间内具有公共量测的目标和各目标相关门内的多个量测的概率密度值分别进行概率加权后再计算关联概率。不需要象最优JPDA算法中产生所有可能的联合事件,因此具有计算量小,易于工程实现的优点。仿真结果表明,在不同的杂波密度环境下和不同的目标运动形式下,此算法都可以取得令人满意的跟踪效果。     

间歇非均匀采样转发干扰产生方法研究

间歇采样转发干扰(interrupted sampling repeater jamming, ISRJ)在接收端匹配滤波后会产生相干假目标群,但是这些假目标在距离和幅度上都呈现出很强的规律性。针对这一问题,依据每一个采样子波形的理论脉压结果,采用间歇非均匀的采样和不定量的转发破坏假目标在脉压后的规律性,使其能在较大范围内形成压制效果,并使用禁忌搜索算法对每一个干扰采样信号的脉冲宽度和转发次数进行优化求解。仿真分析了不同信号参数和禁忌搜索算法中的不同权值对干扰效果的影响,并从脉压前后的平均功率、脉压结果的过门限概率以及脉压前后干扰信号和目标信号的循环相关系数等3个方面将传统的产生干扰方法和本文所提的方法进行对比,证明了所提方法的有效性。     

突出重点目标跟踪的分布式MIMO雷达阵元选取

在分布式多输入多输出(multiple input multiple output, MIMO)雷达执行目标检测和跟踪多任务时, 为了在多个目标中突出对重点目标的跟踪, 提出了基于改进公平起点搜索的阵元选取模型与求解算法。在限定目标检测性能、跟踪性能和系统资源的前提下, 以最小的阵元集合为代价函数, 建立优化模型。为在同一框架下讨论系统的不同性能指标, 对参数进行预处理, 将表征跟踪性能的位置估计误差界进行去量纲化、归一化处理。分别引入表征目标重要程度和任务重要程度的权重因子, 得到表征系统综合性能的参数。遍历每一个初始阵元对, 逐次增加对系统贡献最大的阵元, 最终完成阵元集的选择。仿真结果表明, 所提算法能够提供接近穷举算法的性能并有效降低系统计算量。     

基于创建解动态控制和局部搜索合并的蚁群算法

为了加快蚁群算法的收敛性和改善解的合理性,提出了一种改进的蚁群算法。该算法提出一种基于动态控制的策略,其目的是确保蚂蚁在搜索前期采用最大概率探索解,而在搜索后期,每只蚂蚁都在当前最优解附近搜索解,这在一定程度上提高了算法的收敛性能;其次,为得到更合理的解,对每只蚂蚁的局部搜索解中加入合并机制,这样集成了多个蚂蚁对最优解的搜索性能。实验结果表明:该方法性能优于传统的蚁群算法。     

基于标签多贝努利多传感器组网目标跟踪算法

随着电磁环境的日益复杂, 强干扰和高杂波带来的目标低检测概率问题日益突出, 给探测系统准确估计监测区域内目标个数以及目标状态带来了新的挑战。针对低检测概率问题, 提出随机有限集框架下基于标签多贝努利(labelled multi-Bernoulli, LMB)多传感器组网目标跟踪算法。该算法首次将LMB框架应用到不同探测范围的多传感器组网目标跟踪场景中, 实现了多目标跟踪目标数和相应状态稳定估计。仿真结果表明, 所提方法不仅能在低检测概率条件下获得目标稳定的航迹估计, 及时捕捉目标新生、消亡等事件, 还能有效叠加不同传感器不同探测范围, 充分发挥多传感器优势。     

Learning algorithm and application of quantum BP neural networks based on universal quantum gates

A quantum BP neural networks model with learning algorithm is proposed. First, based on the universality of single qubit rotation gate and two-qubit controlled-NOT gate, a quantum neuron model is constructed, which is composed of input, phase rotation, aggregation, reversal rotation and output. In this model, the input is described by qubits, and the output is given by the probability of the state in which （1） is observed. The phase rotation and the reversal rotation are performed by the universal quantum gates. Secondly, the quantum BP neural networks model is constructed, in which the output layer and the hide layer are quantum neurons. With the application of the gradient descent algorithm, a learning algorithm of the model is proposed, and the continuity of the model is proved. It is shown that this model and algorithm are superior to the conventional BP networks in three aspects： convergence speed, convergence rate and robustness, by two application examples of pattern recognition and function approximation.     

面向收益不均等区域目标的多星调度问题

利用多星对区域目标的协同观测在工程应用方面的需求日益复杂化,当目标区域内待观测目标的重要性不同,其对应的观测收益不同。那么如何在资源有限的情况下,安排观测方案使观测总收益最大是亟待解决的问题。考虑区域目标内部观测收益不均等的实际情况,建立了区域目标内部收益随时间可变的多星调度优化模型,设计了条带动态分割方法(dynamic stripe segmentation method, DSSM),提出了基于权重优先策略的启发式算法(weight priority strategy heuristic, WPSH)和基于随机邻域的局部搜索算法(random neighborhood local search, RNLS),使求解结果对应的观测收益最大,最后通过仿真实验验证DSSM算法比并行分割算法观测收益提高约19%,覆盖率提高约22%;RNLS算法比WPSH算法的基础上平均提升观测收益约4.5%,且求解质量较稳定。     

基于GM-PHD滤波的空间邻近多目标跟踪算法

针对传统的高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GM-PHD)滤波器在跟踪空间邻近目标时存在错误估计、虚警和漏警问题,本文提出了一种改进算法.首先,提出一种权值重分配方案,对目标的高斯分量权值进行重分配,以提高目标邻近时GM-PHD滤波器的...     

渐近式Bloch球面搜索的量子遗传算法及其应用

为了进一步加快搜索速度,提高优化效果,提出了一种渐近式Bloch球面搜索的量子遗传算法.在该算法中,首先采用Bloch球面坐标对量子染色体进行编码,然后基于最小二乘法理论,构建了量子染色体的更新策略,建立了量子旋转门角度大小和方向的公式,最后构造了变异操作中相位公式.将本文算法应用于多变量函数极值优化问题进行验证.实验结果表明,该算法不仅具有较好的种群多样性和随机性,而且还具有进化代数少、收敛速度快和优化效率高等优点.     

基于Bloch球面搜索的混沌量子免疫算法

目前大多数量子智能优化算法的个体均采用基于平面单位圆描述的量子比特编码,由于量子比特只有一个可调参数,量子特性没有得到充分体现,从而限制了优化能力的进一步提高。针对这一问题提出一种基于Bloch球面搜索的混沌量子免疫算法。该方法采用Bloch球面描述的量子比特对抗体进行编码,用泡利矩阵建立旋转轴,用量子比特在Bloch球面上的绕轴旋转实现优良抗体的克隆,通过在旋转角度中引入混沌变量动态改变转角大小实现局部搜索;用Hadamard门实现较差抗体的变异,实现全局搜索。仿真结果表明,提出的方法在搜索能力和优化效率两方面均比其他量子智能优化算法有所提高。     

融合常规运动目标和突然机动目标的图像跟踪系统

当舰载或机载光电传感器晃动、掉帧或者目标做复杂战术机动时,跟踪目标在相邻帧间会突然改变原来的运动轨迹,此时如何有效跟踪突然机动目标是一个难点问题。首先利用基于组合基于(speeded up robust features,SURF)特征描述子的二帧差分法进行背景差分,然后再利用卡尔曼滤波给出目标的预测位置,在以此为中心的搜索区域内用Mean shift跟踪方法寻找目标的最佳匹配,同时逐帧根据卡尔曼滤波的先验预测误差协方差判断目标是否出现机动。在检测到目标机动后,利用基于显著密度的高效子窗口搜索方法快速检测视场内的所有可疑目标,最后利用SURF算法进行特征匹配筛选出原始跟踪目标并返回目标位置,实现突然机动目标的自动可靠跟踪。仿真实验表明,新系统无论针对常规运动目标还是突然机动目标都能保证又快又准的跟踪效果。     

一种新的基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过模糊聚类得到测量点迹与目标预测位置之间的隶属度,并将其作为权值系数对有效回波的信息量进行加权,来实现目标的状态估计的更新。仿真结果表明,传统算法在多目标密集时易产生关联错误而导致跟踪发散,新算法通过加权过程保证了对多目标的高精度跟踪。     

卫星对地搜索问题研究——搜索理论的新应用

用卫星搜寻海上的未知目标时，由于海洋的面积大，可参照点少，搜寻未知目标难度较大，因此有必要对此展开研究。建立了对地观测卫星对海洋未知目标的搜索模型，同时给出一种评估卫星搜索探测函数的新方法，在此基础上，以一颗载有推扫式CCD相机的低轨小卫星为例，说明如何用该模型指导卫星搜索海域内的未知目标，从而使卫星在有限的观测时间内发现目标的概率最大，为搜索理论在卫星应用上提供了新思路。