混沌优化算法在TDOA定位中的应用研究

为了解决TDOA定位估计中遇到的非线性最优化问题,提出了一种联合使用Chan算法和混沌优化算法的混合定位算法。针对TDOA方式进行最佳坐标搜索的问题,本文所设计的基于Chan算法的的混沌搜索方法,提高了算法的收敛速度和性能。仿真结果表明,该算法性能稳定,能找到逼近全局最优点的解,相对于Chan算法精度更高,相对于遗传算法在保证收敛性能的前提下有更快的收敛速度。     

基于文化鱼群算法的到达时间差定位技术

针对到达时间差(TDOA)定位估计中的非线性最优化问题,在鱼群算法中引入文化机制设计基于实数编码的文化鱼群算法,将Chan算法的解作为文化鱼群的一个个体初始位置,并利用文化鱼群算法搜索TDOA定位的最优坐标。仿真结果表明,该技术性能稳定,在鱼群规模较小的情况下能快速鲁棒地找到逼近全局最优点的解,并且具有较快的搜索速度和较高的搜索精度。     

一种非视距传播环境下的TDOA定位算法

在基于时差定位的各种算法中,Chan氏算法应用普遍。但在非视线传播环境（NLOS,Non-Line Of Sight）下,其定位性能显著下降。在分析基于视线传播的Chan氏算法基础上,给出了一种改进算法,利用TDOA残差对Chan结果进行加权,研究了当NLOS为确定性和随机性误差两种情况下该算法的性能。仿真结果表明,该算法在不同场合和环境下,都能有效地抑制NLOS误差,定位精度明显提高。     

基于TDOA的改进室内定位算法

针对Chan算法无法有效处理质量较差的TDOA测量值及Taylor级数展开算法收敛较慢的问题,提出一种基于TDOA的改进室内定位算法。将Chan算法的线性模型重构为抗干扰能力较强的非线性模型,使用混合最小二乘法求解线性模型,将解算结果作为初值输入非线性模型进行迭代计算。实验结果表明：改进算法在定位精度与准确度方面优于混合最小二乘的Chan算法,与Taylor级数展开算法的结果相近;在计算效率上略逊于混合最小二乘的Chan算法,优于Taylor级数展开算法。     

基于Chan氏算法和文化算法的协同定位

提出一种到达时间差(TDOA)定位方法,利用Chan氏算法进行初始定位估计,将估计结果作为经验知识存储于信念空间中,采用文化算法求解定位估计中的最大似然函数,获得最佳估计坐标值,从而实现对移动台的最终定位估计。历史知识的引入能有效避免陷入局部最优值,并改善算法的定位精度。仿真实验结果表明,该方法性能稳定、定位精度高、收敛速度快。     

基于多种群的自适应免疫进化计算

将免疫思想同思维进化计算相结合，提出一种新的基于多种群的自适应免疫进化算法（IABM），算法定义了选择、记忆、克隆、超变异、抑制5种基本算子．试验结果表明该算法具有高效的收敛速度，并能收敛到全局最优点．与多种群遗传算法和思维进化计算相比，IABM收敛速度更快，收敛率更高．     

移动台抗NLOS定位算法研究

在CDMA的网络环境下,TDOA/AOA混合定位算法能够比Chan算法有较高的定位精度。然而随着AOA测量误差精度的下降,定位精度逐渐下降,甚至低于Chan算法的定位精度。提出了一种既能继承原算法的优良性能,又可充分利用AOA测量值信息提高定位性能的TDOA/AOA混合定位算法。实验证明,该方法的定位误差性能优于单纯的TDOA定位方法。     

基于BP神经网络的定位跟踪算法

提出了一种在NLOS环境下对移动台的定位与跟踪算法。利用BP神经网络对TDOA测量值中NLOS误差进行修正,再利用Chan算法进行移动台位置估计,配合相关检测距离门对移动台进行跟踪。仿真结果表明,该跟踪算法能够有效地实现移动台的静态定位与动态跟踪,性能优于基于Chan算法、LS算法、Taylor算法的静态定位与动态跟踪。     

基于小生境技术和聚类分析的人工免疫算法

针对标准人工免疫算法存在的早熟收敛和后期收敛速度慢的问题，本文提出了一种基于小生境技术和聚类分析的改进的人工免疫算法。首先运用嵌入进化标记的小生境技术对初始种群进化，“排挤机制”有效地保持种群的多样性，防止了早熟，而标记种群的进化方向则加快了算法的收敛速度。其次聚类方法的应用使得在各极值点附近形成了聚类区域，在不同的聚类区域运用人工免疫的趋同算子和异化算子分别进行粗搜索和细搜索，以保证全局寻优的速度和精度。仿真结果表明，该改进算法较之标准免疫算法，有更快的收敛速度、更强的全局搜索能力和更好的寻优精度。     

利用信息量留存的蚁群遗传算法

提出一种结合蚁群算法中“信息量留存”思想的遗传算法．该算法将问题空间进行均匀分割，基于这些子空间选取初始种群，并定义每个子空间的初始信息量，遗传操作中根据信息量留存情况来控制个体选择．由于初始种群均匀地分散在解空间，降低了发生过早收敛的可能性；而采用蚁群算法中“信息量留存”的思想，可保证算法快速收敛到具有最优(次优)解的子空间，从而达到提高收敛速度的目的．     

免疫算法抗体浓度调节定义的改进

基于信息熵的免疫算法存在计算复杂，设置的参数需要凭经验调节和含有冗余的计算信息而导致算法收敛速度慢的缺点。通过对免疫抗体定义的改进，本文提出了一种基于矢量距的改进免疫算法并证明了它的全局收敛性。多峰函数优化问题的测试结果揭示基于矢量距的免疫算法在全局收敛性方面要优于遗传算法；在收敛速度方面要快于基于信息熵的免疫算法。     

一种免疫微粒群优化算法

引入克隆选择操作和借鉴免疫学习中较好的多样性来克服微粒群算法易陷于局部最优以及对多峰值函数搜索效果不佳的缺点，构建了一种免疫微粒群算法。将该算法应用于4个常见的测试函数，实验结果表明，该算法比标准微粒群算法有更好的收敛性和更快的收敛速度。     

基于递进制编码的遗传算法研究

首先分析了编码的进制数对遗传算法收敛速度的影响．分析结果表明，当种群不稳定时，高进制编码较低进制编码具有更快地搜索至最优区域的能力，当种群较为稳定时，低进制编码较高进制编码具有更快地逼近最优点的能力．然后提出了基于递进制的遗传算法，该算法能提高优化问题的收敛速度，在优化参数较多时，与单一进制编码的遗传算法相比具有明显的优势．仿真实例也验证了这一结论．     

免疫算法的改进及在参数反演中的应用

本文提出一种改进的免疫算法。该算法用正交交叉生成初始种群,用精英交叉来增加群体的优良模式,用混合变异提高局部和全局寻优能力。将该方法应用于墨西哥湾地区典型地层模型AVO弹性参数反演。数值试验结果表明,和传统免疫算法相比,改进算法在反演精度和收敛速度上都有了很大的提高。     

一种改进的鲸鱼优化算法

针对鲸鱼优化算法（whale optimization algorithm ,WOA）容易陷入局部最优和收敛精度低的问题进行了研究,提出一种改进的鲸鱼优化算法（IWOA）。该算法通过准反向学习方法来初始化种群,提高种群的多样性;然后将线性收敛因子修改为非线性收敛因子,有利于平衡全局搜索和局部开发能力;另外,通过增加自适应权重改进鲸鱼优化算法的局部搜索能力,提高收敛精度;最后,通过随机差分变异策略及时调整鲸鱼优化算法,避免陷入局部最优。实验选取九个基准函数,所有算法均迭代30次,结果表明：改进的鲸鱼优化与原鲸鱼优化算法以及五种改进的鲸鱼优化算法相比,其均值和标准差均优于其他算法,收敛曲线也优于其他大多数算法。说明改进的鲸鱼优化算法收敛精度和算法稳定性最佳,收敛速度较其他大多数改进的鲸鱼优化算法明显加快。     

人工免疫算法及其应用研究

为了有效地解决病态的约束优化问题,提出了一种模拟生物免疫系统自我调节功能的人工免疫算法,介绍了算法的基本步骤,构造了几种人工免疫算子,分析了算法的收敛性.人工免疫算法继承了遗传算法“优胜劣汰”的自我淘汰机制,但新抗体的产生方法比遗传算法中新个体的产生方法灵活得多.在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群,则人工免疫算法是全局收敛的.100个城市TSP问题的仿真实例显示人工免疫算法比遗传算法具有更强的全局搜索能力和收敛速度.     

求解作业车间调度问题的改进遗传算法

使用遗传算法求解作业车间调度问题时,为了获得最优解,提高算法的收敛速度,提出了改进遗传算法.算法以最小化最大完工时间为优化目标,初始化时将种群规模扩大为原来的两倍以增加种群多样性;迭代时使用新的适应度函数让染色体间更易区分;通过轮盘赌法完成染色体选择;用POX(Precedence Operation Crossover)交叉算子完成交叉操作;用互换法完成变异操作;通过具有自我调节能力的交叉和变异概率不断地调整概率值来提高算法寻优能力和收敛速度.仿真结果表明,改进后的遗传算法收敛速度快,寻优能力强,获得的最优解优于标准遗传算法,更适用于作业车间的加工生产.     

基于动态拥挤距离的混合多目标免疫优化算法

多目标免疫优化算法的研究目标是种群均匀分布于优化问题的非劣最优域并使算法快速收敛。为进一步提高多目标优化问题非支配解集合的分布均匀性和收敛性,提出了一种基于动态拥挤距离的混合多目标免疫优化算法。该算法基于动态拥挤距离来对个体进行比较和更新操作,从而保持最终解集的均匀分布,同时借鉴经典差分进化算法中的变异引导算子来加强免疫优化算法的局部搜索能力并提高搜索精度。基于5个经典测试函数的仿真结果表明, 与其他几种有效的多目标优化算法相比,所提算法不仅在求得Pareto最优解集的逼近性、均匀性和宽广性上有明显优势,而且收敛速度也有较大的改进和提高。     

舰船补给物料搬运顺序优化问题的改进遗传算法

现有的多搬运工具可并行条件下的物料搬运顺序优化模型, 其采用的标准遗传算法收敛速度慢且易陷入局部最优. 提出了该模型的改进遗传算法, 采用精英保留策略代替传统的轮盘选择方法, 使用自适应策略设计交叉算子和变异算子. 以某一具体的舰船补给物料搬运顺序优化问题为背景, 通过实例进行了计算. 结果表明, 改进遗传算法收敛速度大大提高, 具有较高的求解质量和效率.