基于一种改进遗传算法的多用户检测器

针对码分多址接入(CDMA)系统中最优多用户检测的指数计算复杂度问题,从组合优化的角度,提出了一种基于改进遗传算法的多用户检测。这种方法通过增加种群的多样性,可避免单纯使用遗传算法时收敛速度慢,易于出现早熟收敛等缺点。实验结果表明,该方法可获得接近最佳检测的性能。     

基于混合鲸鱼优化算法的鲁棒多用户检测

针对冲击噪声环境下多用户检测误码率高的问题,提出一种基于混合鲸鱼优化的鲁棒多用户检测算法。该算法首先利用基于非线性控制策略的改进鲸鱼优化算法,加速寻优算法迭代过程的收敛;再利用自适应差分进化算法丰富算法种群个体信息,增强优化算法的全局收敛性;同时将适应度较好的个体信息保存到集合中,以保证下一次迭代寻优方向的可靠性,最终实现对最优解位置的快速解算。仿真结果表明,基于本文算法设计的多用户检测器相比采用遗传算法、差分进化算法,以及鲸鱼优化算法的多用户检测器寻优迭代次数更少,且误码率低。     

一种新的次优多用户检测器

针对码分多址接入(CDM A)系统中最优多用户检测的指数计算复杂度问题,从组合优化的角度提出了一种基于改进遗传算法的多用户检测;这种方法通过增加种群的多样性,可避免单纯使用遗传算法时收敛速度慢、易于出现早熟收敛等缺点;计算机仿真结果表明,该检测器的比特误码性能接近最佳检测器。     

案例注入式遗传算法在大学课程表问题中的应用

遗传算法在解决大学课程表问题过程中往往采用随机方式来初始化种群,这就造成了运算量变大和复杂度增加等情况,从而影响了算法的性能.提出了一种改进的遗传算法——案例注入式遗传算法,该算法利用基于案例的推理对遗传算法进行初始化,以此加快算法的收敛速度.     

双基球扁发射药生产线的改进遗传排产算法研究

针对传统遗传算法在解决批次生产问题中存在的"早熟收敛"以及"局部搜索能力差"等问题,设计了基于预处理技术的改进遗传算法,实现对批次生产过程的处理.采用随机数法、定则生成法和块基因插补法三种方法,按照合适的比例,进行种群的初始化,在保证初始化种群多样性同时提高其个体质量;通过精英保留策略和锦标赛选择策略进行选择操作,实现优质种群个体的选择;运用专家打分法对产品进行优先级排序;采用基于位置和优先级相结合的方法选择交叉位点,进行交叉操作,保留父代优良基因,避免"早熟收敛";采用邻域重组策略进行变异操作,保证优质解种群的产生和质量解的继承.以最大化最小交货提前期为目标函数,实现排产算法研究.最后,以双基球扁发射药生产线为例,实现了改进遗传算法排产过程,大大提高公司的接单预估效率和产线的生产组织效率,然后运用单一随机初始化种群法和混合初始种群法进行比较分析,证明了改进算法的优越性.     

基于海明距离改进的自适应遗传算法

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优解的不足，通过引进种群迁移及增强种群个体杂交之间的海明距离对自适应遗传算法进行了改进。改进的算法提高了种群精英基因，使其能很好地保留到下一代；较好地提高了自适应遗传算法的全局搜索能力，并增强了算法收敛速度。通过仿真实验验证了本文算法的有效性。     

采用粒子集群算法的DS-CDMA多用户检测

为了有效抑制多址干扰 ,实现结构简单、鲁棒性强的目的 ,将粒子集群算法 (PSO)应用于直扩码分多址 (DS-CDMA)通信系统的多用户检测中。提出了 PSO- MU D方法。利用改进的 PSO- MU D方法与传统多阶段多用户检测器相结合 ,在加速收敛的同时降低了计算复杂度。仿真结果表明 ,这种多用户检测器充分利用了粒子集群算法的优良特性 ,与传统的 CDMA接收机和基于遗传算法的多用户检测器相比较 ,在误码率、收敛速度、抗远近能力等方面都有显著改善     

基于改进自适应遗传算法的船联网拓扑优化算法

提出了一种改进的自适应遗传算法优化船联网拓扑结构.考虑实际应用场景,以及网络的连通度、节点度、通信链路质量及通信成本等因素,最大化船联网总链路增益.改进的遗传算法在选择操作中,提出自适应个体适应度调节公式,动态调整当前种群中个体的适应度值,减小个体间适应度的差值,增加适应度较低个体通过选择过程进入下一步操作的概率,提高种群多样性.交叉和变异过程中,引入自适应调节系数,调整交叉和变异概率,尽可能使适应度值较高的个体进入下一次迭代过程.仿真实验表明,提出的改进算法能够避免早熟收敛,跳出局部极值,最终收敛得到船联网最优拓扑结构,且收敛速度更快,算法效率更高.     

一种新的次优多用户检测器

针对码分多址接入（CDMA）系统中最优多用户检测器的指数计算复杂度问题，从组合优化的角度，提出了一种基于遗传算法和局部最小算法的次优多用户检测器，这种多用户检测器，通过遗传算法进行初步选择，再用局部最小算法进行局部优化，可避免单纯使用遗传算法时收敛速度慢，易于出现早熟收敛等缺点，且计算复杂度小，计算机仿真结果表明，该检测器的比特误码性能接近最优多用户检测器。     

一种多用户交互式遗传算法及其在群体设计中的应用

一般的交互式遗传算法只支持单用户评估,得到的结果只能反应单个用户的偏好,而交互式遗传算法设计的产品需要满足尽可能多的用户的需求.为此,提出一种适合于群体设计的多用户交互式遗传算法.给出了算法的三个主要模块——种群初始化模块、单种群模块和多种群模块的详细设计.最后,将该算法和一般的单用户交互式遗传算法分别应用于服装设计系统进行对比实验,验证了该算法在群体设计中的有效性.     

基于VB的BP算法描述

BP网络具有结构简单、技术成熟的优点,在很多领域都有广泛的应用。介绍了BP算法的数学表达,并用VB对BP算法进行了具体描述,包括BP算法的初始化、隐含层与输出层之间权系数的更新、主程序等。     

MQX操作系统启动流程剖析

针对嵌入式操作系统启动流程中的内核数据区的结构及其初始化,MQX运行所需系统中断和时钟滴答的初始设置,系统初始化任务及其空闲任务的创建与启动等问题.提出了实际应用中冷热复位区别启动、系统滴答时钟调整等问题的操作系统内核级解决方法.结果表明该方法提升了带MQX操作系统的应用项目的实时性、稳定性、鲁棒性等性能.     

基于图像特征的卷积核初始化方法

针对当前卷积核初始化方法易导致网络不稳定及主成分分析算法对网络结构限制的问题,提出一种基于图像特征的卷积核初始化方法.该方法先结合模糊处理技术和边缘处理技术对图像进行采样,再将采样后的数据随机分组,使用主成分分析算法提取各组数据的主成分,初始化卷积核.将该方法应用于数据集Cifar-10和Corel-1000,并与Ga...     

MCS-51与MC6845的接口电路设计

本文详细介绍了CRTCMC6845与单片机MCS-51接口组成图形与字符显示适配器的设计方法。这种显示适配器可广泛用于智能化仪表和工业控制等领域作终端显示。     

基于免疫粒子群优化的模糊C均值聚类算法

把免疫系统的免疫信息处理机制引入到粒子群优化（PSO）算法中，并与模糊C均值（FCM）算法相结合提出一种新的模糊聚类算法．新算法用免疫粒子群优化算法代替FCM算法的基于梯度下降的迭代过程，使算法具有较强的全局搜索能力，很大程度上避免了FCM算法易陷入局部极小的缺陷，同时也降低了FCM算法对初始值的敏感度．采用对当基思想初始化种群，获得更优的初始候选解，提高算法聚类过程中的收敛速度．以UCI机器学习数据库中的两组数据集为研究对象，实验结果表明，该算法优于基于PSO的模糊C均值聚类算法和FCM算法．     

一类支持向量机中引导式量子粒子群优化机理及实现

通过分析量子粒子群在一类超球面支持向量机训练优化的应用机理,提出一种基于引导式量子粒子群(D-QDPSO)的一类超球面支持向量机训练优化算法,根据Zoutendijk最速下行策略确定全局最优gbest的优化方向,计算引导粒子位置;同时在初始化时根据序列最小优化算法(SMO)得到靠近最优解的近似位置,并以约束平面边界点作为初始化粒子,扩大了搜索范围。实验表明,D-QDPSO算法有较好的收敛性能和泛化性能,其误识率比SMO降低约0.12%,运算速度比LPSO提高2倍左右。     

浅谈管理信息系统的安全保密设计

针对管理信息系统中软件设计的安全保密问题，提出采用三层客户／服务器数据访问结构、严格的密码保护、限定用户可使用的工作站数量、限定用户访问系统的时间段、限定用户访问数据的部门范围、设定用户可操作的功能权限、及其他安全措施。     

Win 2000下USB数据采集系统驱动程序开发

为了将通用串行总线(USB)应用于数据采集系统中，提出了利用Windows2000设备驱动开发包(DDK)开发USB驱动程序的方法。该方法将USB驱动程序分为即插即用(PnP)、电源管理、USB初始化和USB设备I／O等功能模块，在这几个模块中，只有USB初始化和USB设备I／O模块跟具体的USB设备有关。该方法具有结构清晰、易移植、复用性好等优点，在USB驱动程序设计中具有良好的应用价值。     

铁路行包运输交付系统初始化设计

铁路行包运输交付系统初始化子系统由路径表初始化,系统标题表初始化,操作行李员表初始化,初始参数设定和计算参数设定等模块构成.铁路行包运输交付系统的初始化设计,主要解决系统在铁路各等级车站使用中作业流程、业务管理的差异问题.本文讨论了该系统中初始化模块的设计思想与实现手段.     

基于人工免疫粒子群优化算法的动态聚类分析

模糊C-均值聚类算法受初始化影响较大,在迭代时容易陷入局部极小值。将粒子群优化算法与模糊G-均值聚类算法相结合,提出一种新颖的动态聚类算法。该算法利用人工免疫思想改进粒子群优化过程,在很大程度上避免了粒子群算法和聚类算法早熟现象的发生,全局搜索能力和局部搜索能力优于同类算法。利用聚类理论中的经验规则kmax≤√n确定聚类数k的搜索范围,在最优粒子基础上进化新一级种群,该方案可有效提高算法的收敛速度。两组数据的仿真实验表明,新算法优于传统模糊C-均值聚类算法,具有收敛速度快和解的精度高的特点。