自适应杂交退火粒子群优化算法

为解决粒子群优化(particle swarm optimization, PSO)算法易早熟、后期收敛慢、收敛精度低等问题, 提出一种自适应杂交退火PSO算法。采用Sigmoid函数控制惯性权重, 平衡粒子的全局搜索和局部搜索能力; 采用双曲正切函数控制加速系数, 平衡粒子的自我认知和社会认知能力, 提高算法精度; 引入模拟退火算子, 使粒子在搜索过程中以一定概率接受差解, 增加粒子跳出局部最优的能力; 在算法后期引入杂交变异算子, 增加种群多样性, 进一步提高算法精度。基于3种标准测试函数对所提算法的性能进行了验证, 并与现有典型PSO算法进行了对比。结果表明, 所提算法在收敛精度及收敛速度上均具有一定提升。最后, 将所提算法应用于阵列天线方向图综合设计, 取得了较现有算法更优的结果。     

基于改进粒子群算法的移动机器人定位构图研究

为深入探究粒子滤波算法,针对粒子群优化算法易陷入局部最优解问题,利用Levy步长对PSO算法的权重和学习因子进行改进,从而改善了对移动机器人位置的最优估计。基于Levy-PSO算法改进粒子群优化的FastSLAM算法,应用matlab软件平台建立地图,构建仿真环境,阐明具体的仿真流程。改进FastSLAM算法和原算法相比,平均相对误差降低了13.5%,证明了改进FastSLAM算法的有效性。通过ROS平台在室内复杂环境开展了建图实验,在建图效果、建图精度以及算法实时性上都有较好的性能指标。通过仿真实验探讨了路标数量与系统性能的关系,以及机器人运动路径与误差消除效果的关系。     

基于粒子群优化的波束空间广义旁瓣相消算法

针对广义旁瓣相消(generalized sidelobe canceller, GSC)算法运算量大, 在波束形成中存在旁瓣较高、稳健性差的问题, 提出一种基于粒子群优化(particle swarm optimization, PSO)的波束空间GSC算法。首先, 建立一种优化自适应转换矩阵将信号处理过程由阵元空间转换到波束空间, 通过减小自由度来降低算法的运算量。其次, 构建最小均方误差适应度函数, 在波束空间中利用压缩因子PSO算法充分利用接收数据的相关性, 缩减与期望信号误差并降低波束旁瓣。所提算法在降低算法运算量的同时, 解决了波束旁瓣过高的问题, 并在低快拍、强干扰条件下具有较好波束形成能力, 算法稳健性好。