基于遗传算法的水火弯板工艺参数预报方法研究

以钢板加工时间和铜板收缩率曲线拟合优度作为两个目标函数．建立水火弯板工艺参数优化问题数学模型,并应用权重系数变化法．将问题转化为单目标优化问题．基于分层遗传算法（HGA）,应用三次样条插值、误差分析等方法,将目标函数转化为群体中个体的适应度函数．由加热线条数、相邻加热线之闻距离（加热线间距）和加热线收缩量作为3个约束条件,构造分层遗传算法编码,并且内外层编码在遗传运算时分别采用不同的遗传算子,最终得到钢板水火弯板加工工艺参数预报结果．经算例验证,该方法可以对船体外板作出良好的水火弯板工艺参数预报．     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力,使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度,提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先,对跳频信号进行短时傅里叶变换获取谱图。然后,从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明,此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

基于GAs/PSO组合算法的水轮机调速系统PID参数寻优

提出了一种基于GA s/PSO组合算法的P ID控制器参数自整定方法,这种方法兼有遗传算法(GA s)和粒子群算法(PSO)的优点。组合算法种群由GA s和PSO的最佳个体迁移形成,其中GA s采用了实数编码和变异概率自适应,PSO算法采用了带指数衰减的惯性因子的速度更新算法,以加快收敛速度。通过对水轮机调速系统P ID控制器参数寻优仿真比较表明,该组合算法寻优性能比单独的GA s和PSO表现更为优异,且所得系统具有更好的动态性能。     

蓝绿激光束在海水中光斑扩散规律的研究

从蓝绿激光束在海水中的散射和吸收规律出发,运用能量守恒定律,研究了蓝绿激光束在海水中的能量扩散过程,导出了篮绿激光束光斑大小随海水水质参数和深度变化的解析公式,详细讨论了光斑大小与衰减系数和海水参数之间的关系,对已有的解析公式进行了有效地修正,对已取得的实验数据进行了正确阐释.研究结果对海洋探测和海洋激光雷达的研制有一定参考意义.     

MLC型NAND闪存中基于MI异构的Polar码优化

为了进一步提高多级单元（multi-level-cell,MLC）闪存的耐久度和可靠性,提出了一种MLC闪存信道中基于互信息量（mutual information,MI）异构的polar码优化方法.该方法利用对数似然比（log-likelihood ratio,LLR）分布在MLC闪存信道和AWGN（additivewhite Gaussian noise）信道中的差异性,以MI重新拟合LLR分布,得到在闪存信道下等效的标准方差,从而进行高密度存储系统中的polar码优化设计.随后,分析了不同的polar码构造法对多级存储单元的纠错性能影响,并与所提的构造方法进行比较.仿真结果表明该文优化方法优于AWGN信道下传统的构造方法,当编程/擦除（program-and-erase,PE）循环为21 000次时,与蒙特卡罗法相比其误码率（bit error rate,BER）性能提升2个数量级,且在BER为2 × 10-5时可增加6 800次的编程/擦除循环.     

一种自适应免疫遗传算法及其在系统辨识和参数优化中的应用

基于遗传算法与免疫系统的机理,提出了一种自适应免疫遗传算法(AIGA).该算法定义了选择、扩展与突变等操作,通过对选择比例、扩展半径、突变半径的约束和参数的自适应调节,提高了算法的全局与局部搜索能力.同时,将AIGA用于系统辨识以及PID参数的优化中,进行了仿真实验,取得了较好的结果,证明了该方法的有效性.     

污染数据线性回归模型的参数估计和区间估计

研究线性回归模型:yi=α βxi iε,i=1,2,…,n,其中Eiε=0,E2iε=21σ;但y1,y2,…,yn受到另一个独立同分布随机变量序列W1,W2,…,Wn的污染,仅能观察到yi*=(1-v)yi vwi,i=1,2,…,n,Wi与yi相互独立.文章给出了α,β,v的估计及区间估计.     

基于粒子群的交叉规划问题的求解算法

提出了基于单纯形法和内部映射牛顿法的子空间置信域法的粒子群算法,分别用于求解线性交叉规划和非线性交叉规划,并结合实例说明了这两种混合粒子群算法求解交叉规划的可行性和有效性.     

一种不确定区域间的方向关系模型

基于区间值及其运算性质给出了不确定区域间方向关系的表示及推理方法. 该方法不同于基于经典模糊集及其截集的方向关系模型, 利用区间值方向关系矩阵分析不确定区域间方向关系的隶属程度, 将不确定区域间的方向关系划分为不确定区域与不确定区域间的方向关系、 不确定区域与分明区域间的方向关系、 分明区域与不确定区域间的方向关系、 分明区域与分明区域的方向关系4种类型. 将分明区域作为不确定区域的特例统一处理.     

关于支持向量机参数选择方法分析

在分析支持向量机(SVM)原理基础上,分析了SVM中核函数、核参数及惩罚参数C的影响。介绍了两种SVM参数选择方法,作了深入比较,并提出了一种改进的最优化方法。