基于离散人工蜂群算法的认知无线电频谱分配

针对二进制粒子群优化算法在认知无线电频谱分配中容易陷入局部最优等问题,将人工蜂群算法引入到认知无线电频谱分配中,提出了基于离散人工蜂群算法的认知无线电频谱分配方法。针对一种认知无线电网络模型,将离散人工蜂群算法中的蜜源位置离散化,与模型中的可用频谱矩阵相结合产生分配矩阵,对目标函数进行优化,并且使用了一种新的比例公平性目标函数评价该算法的性能;通过仿真比较了本文算法与二进制粒子群优化算法的频谱分配方法的性能,同时在使用电视频段的认知无线电系统进行了验证,结果表明本文算法的高效性和优越性。     

军用飞机智能起降调度技术研究

为了削弱军用飞机实际起降时刻与计划起降时刻之间的偏差对作战带来的不利影响,探讨了智能化的军机起降调度方法。分析了军机起降过程中的时间窗口约束和尾流间隔约束,建立了军机起降调度的数学模型。设计了针对模型解的混合编码策略,并针对自然数编码部分提出了一种离散粒子群算法进行更新。通过仿真实验确定了算法的最大迭代次数,并通过与其他调度算法的对比分析,说明了模型和算法的有效性。     

改进多相粒子群算法反演粗糙面下方导体目标

提出了一种能快速有效反演介质粗糙面下方导体目标参数的方法--改进多相粒子群算法,优化以双站散射系数的测量值和理论计算值为偏差的目标函数,当目标函数达到最小值时,实现地下目标参数的反演。为加快反演过程,提高反演精度,正问题采用了快速互耦迭代算法这一数值算法来快速准确求解双站散射系数。逆问题采用了基于子群和母群交叉搜索机制以及小种群策略的改进多相粒子群算法,能减少目标函数计算次数（对应正问题计算次数）、提高全局寻优能力。文中反演了一维粗糙面下方截面为圆柱和任意连续形状的导体目标,仿真实验验证了算法具有较好的反演精度和较强的抗随机噪声能力。     

随机波动和跳跃下的短期利率动态

在短期利率模型中引入随机波动和跳跃两种因素,利用序贯参数更新思想和粒子滤波方法实现模型的估计,并对中国银行间短期利率进行实证分析. 研究结果显示短期利率存在显著的随机波动和跳跃特征,表明CIR-SV-J模型在描述短期利率动态中拟合效果最优,而且忽视随机波动或跳跃因素会使拟合变差,影响对利率均值回复特征的描述,并证明了随机波动因素在模拟中比跳跃因素起着更为重要的作用.     

基于PSO-ABC的混合算法求解复杂约束优化问题

为了改善粒子群优化（particle swarm optimization, PSO)算法在处理复杂约束优化问题时的求解效果,提出了一种基于粒子群和人工蜂群的混合优化(particle swarm optimization artificial bee colony,PSO-ABC)算法。在采用可行性规则进行约束处理的基础上,将PSO种群分为可行子群和不可行子群,并在ABC算法从粒子种群中选择蜜源时,保留部分较优的可行解信息和约束违反程度较低的不可行解信息,弥补了联赛选择算子在处理最优点位于约束边界附近的问题时存在的不足。同时,使用禁忌表存储局部极值,减小了PSO算法陷入局部最优的危险。针对4个标准测试实例的实验结果表明,该算法能够寻得更优的约束最优化解,且稳健性更强。     

基于细致化仿生的改进粒子群优化算法

粒子群优化(particle swarm optimization, PSO）算法基本思想是试图通过模拟鸟群觅食中的迁徙和聚集等行为获得连续非线性函数的最佳值,其仿生算法产生于对鸟群寻食过程中飞行方向与飞行速度等的隐喻。近年对粒子群算法经典算法的研究,虽然在速度及精度上有所改进,但由于缺乏细致化仿生（precise bionic metaphor, PBM）,改进效果并不太明显。通过在PSO算法中引入飞鸟寻食细致化行为特征隐喻,即在算法中同时导入满意粒子局地细致化寻优和探索粒子随机寻优过程,进而提出了一种新的基于细致化仿生的改进PSO算法;对改进算法和经典算法进行了性能比较,结果显示所提算法在收敛速度和求解精度方面较经典算法有很大程度的改善。     

多传感器量测自适应Rao-Blackwellised粒子滤波算法

针对量测不确定下非线性系统状态估计中多传感器量测数据的有效利用和计算复杂度的简化问题,给出了一种多传感器量测自适应Rao-Blackwellised粒子滤波算法。首先,通过随机采样策略和量测模型先验转移概率实现用于评估粒子权重的传感器有效量测集合的采样;其次,利用重采样步骤和概率最大化原则完成对不含扰动影响传感器量测模型的辨识;最终,依据Rao-Blackwellised粒子滤波中非线性状态分量和线性状态分量的独立求解方式实现当前时刻系统的状态估计。理论分析和仿真实验结果验证了算法的可行性和有效性。     

基于粒子群算法的图像相关反馈研究

在浩如烟海的图像库中按用户的需求去搜索图像,传统的做法是基于图像的视觉低层特征进行检索。但是由于视觉低层特征与高层语义之间存在语义鸿沟,因此检索结果往往不尽如人意。研究者发现,将相关反馈技术引入图像检索中则能提高系统的检索性能。提出将粒子群优化算法(Particle Swarm Optimization)[1]引入基于内容的图像检索之中,通过用户对检索结果进行评价,系统通过学习来动态修改各特征的权值,从而达到模拟人类的思维,提高图像检索系统的检索性能,并通过实验证明该算法的可行性和有效性。     

基于MRO服务提供商的设备预维修调度

为了解决MRO服务提供商的预维修调度问题,提出了基于设备故障预期的预维修人员优化调度方法。在该研究方法中,分析了MRO服务提供模式及其优点,建立了基于设备故障统计分布的预维修计划时间优化模型,根据模型确定设备的预维修计划时间,建立了设备预维修调度模型,采用量子粒子群算法对模型求解,并比对基于预维修计划时间的先来先服务方法。最后,通过实例示例了基于MRO服务提供商的预维修调度的求解过程,并对结果进行了分析,保证了模型的合理性及算法求解的有效性。     

末制导雷达目标与诱饵的联合参数估计和辨识

拖曳式诱饵干扰条件下目标与诱饵的参数估计和身份辨识是制导雷达实现精确打击的前提条件。不可分辨角度范围内的目标和诱饵引起导引头雷达回波的干涉混叠,导致常规测量方法失效。当目标和诱饵处于相邻的两个匹配滤波采样点之间时,这些采样点所包含的信息将有助于参数估计的获取。通过充分挖掘两个连续匹配滤波采样点所包含的特征信息获得接收回波的概率分布,结合干扰形式和特点采用改进的粒子群优化方法从最大似然估计的角度获取目标与诱饵的对应参数,实现删除二者的身份辨识。各种条件下的仿真实验验证了方法的有效性。