带混合算子的自适应遗传算法的收敛性研究

针对标准遗传算法存在搜索效率不高以及过早收敛的问题,利用自适应遗传算子提高算法的优化性能,并结合混合算子增加种群的多样度,设计了一类带混合算子的自适应遗传算法,给出了该算法的具体实施步骤,利用Markov链理论研究了该算法的收敛性问题,并通过模拟实验分析了该算法的性能。实验及分析表明,该算法切实可行,可操作性好,具有一定的通用性。     

实验室智能排课的研究

针对目前实验室排课的具体情况,提出实现实验室排课的智能化的理论方法.通过分析实验室排课的资源集和约束条件,推导出实验室排课需求集(RCRL),从而提出了一种实验室智能排课的求解算法-AICRL.     

重图的T-染色

重图的T-染色是图的T-染色的一个较为实用的部分,这是因为在研究频率分配时,干扰可能会在不同的水平上发生.由于一个重图G能够被剖分成K个不同部分,用G(y,G0,G1,……,GK-1)来表示G.重图G(V,G0,G1,…,GK-1)的一个T-染色是指一个函数f,f满足同时是Gi的T(i)染色,即:对(A)i=0,1,……,K-1,{x,y}∈E(Gi)(→)|f(x)-f(y)|(∈/)T(i).G的f染色的色数是指值不同的f(x)的个数,记作:XT(f).其中x∈V(G).G的f染色的跨度等于max|f(x)-f(y)|,记作:spT(f),其中{x,y}∈E(G).G的T-染色的色数和跨度分别记作XT(G)和spT(G),当f取遍所有G的T-染色时,XT(G)=minXT(f),spT(G)=minspT(f).本文将给出一些关于重图的T-染色的已知结论,同时还将给出一种计算重图的spT的新算法.     

遗传进化算法搜索斜坡最小安全系数的研究

介绍了斜坡滑裂面搜索问题和遗传进化算法,并试用遗传进化算法从斜坡任意形状滑裂面组合中搜索最有可能的滑裂面,也就是安全系数最小的滑裂面.作为实例,分析了遗传进化算法在天生桥二级电站首部枢纽进水口右岸滑坡案例中的应用.分析结果表明,在搜索斜坡滑裂面问题上遗传进化算法较其它搜索算法具有准确性和可靠性的优势.     

利用启发性知识降低交叉算子破坏性的研究

在随机搜索的过程中,交叉算子被认为是演化算法的主要动力.然而,在搜索更好的候选解的时候,如果交叉点选择不当就会破坏一个已有的较好的候选解,使得交叉后生成的新候选解比原有的候选解更差.该文提出应用与问题相关的领域知识构建更有建设性的交叉算子,并应用于旅行商问题(TSP).实验结果表明,基于具有建设性的交叉算子的混合演化算法具有更好的性能.     

短波跳频FH/QDPSK系统信道自适应监测的研究(Ⅱ)

基于短波跳频FH/QDPSK系统的FFT解调,利用FFT解调的结果,提出了在瑞利衰落信道中对信道的BER进行实时自适应监测方法,该方法利用伪错监测及其非线性外推较好地解决了在较短的监测时间内获得较为精确的监测结果。模拟结果表明,采用伪错的非线性外推算法,其估值的最大绝对误差不超过0.28,最大相对误差不超过12.1%。     

一种新的改进遗传算法——混合式遗传算法

针对遗传算法应用的局限性,把模糊思想应用到大变异操作中,提出了模糊大变异操作;并结合自适应遗传算法、最佳选择策略机制和过滤操作的思想,提出了一种新的遗传算法结构--混合式遗传算法(hybridgeneticalgorithm,HGA).HGA不仅保证了算法的全局收敛性,而且提高了算法的收敛速度和稳定性.算例验证了算法的优越性能.     

任意结构阵列基于高阶累积量的信号频率和二维角联合估计算法

提出了一种基于高阶累积量的信号频率和二维角估计算法。假设阵列中存在3个特性完全一致的阵元,此时使用高阶累积量实现的阵列虚拟展宽相当于存在两个和实际阵列相同的虚拟平移阵列,因而在其它阵元位置和响应特性未知的情况下也能实现空间信号频率和二维角估计。推导了使用PRO-ESPRIT算法实现联合估计的过程,并给出了相应的信号配对方法,计算机模拟结果证实了该算法的有效性。     

BP网络泛化能力改进研究

详细阐述了防止BP网络过度训练的方法,总结了常用的增强网络泛化能力的方法。并在此基础上,提出了基于主要影响因素和基于修正误差函数来增强网络泛化能力的方法,取得了良好的效果,提高了BP神经网络的适应性。     

一种新的模糊自校正控制学习算法

提出一种基于模糊竞争学习的模糊自校正控制方法.通过基于模糊竞争学习确定一种在线模糊辨识算法,在采用此模糊辨识方法对对象进行在线估计的基础上,用调节器实现参数的自动整定.为了验证所提方法的有效性,给出了非线性系统的控制结果.