多维函数全局寻优的团队进步算法

通过模仿团队进步需要的学习、探索行为和成员更新规则，提出了一种新颖的双群体演化算法，称为团队进步算法（TPA）。算法将一个团队的成员分为精英和普通组，建立了两组的学习样板，定义了学习和探索运算，并合理设定了成员更新规则。两组成员在搜索过程中出现了明显分工，使算法兼备了全局搜索、局部搜索和定向搜索的能力。数值试验结果验证了新算法具有实现简单、全局寻优成功率高、收敛快、计算量少、坚韧性强和参数选择相对容易等特性，对解决优化应用问题具有较大的价值。     

考虑功率限制的WDM光网有效设计

提出了一种基于禁忌搜索技术的启发式算法有效波长与路由分配(RWA-TS-P)来解决考虑功率限制的WDM光网的优化设计。该算法建立在局部搜索贪婪算法RWA-greedy之上,引入了功率验证过程来保证建立光路的功率有效性。通过环网和网状网的设计实例验证了算法的性能。数值结果表明,该算法能够在保证网络中建立的所有光路功率有效性的前提下最优地配置网络资源,同时具有可以控制的计算复杂性。     

分群涡流搜索优化算法

涡流搜索优化算法的备选解主要集中在由搜索半径和迭代圆心圈定的大致范围内,在解空间备选解的分布比较单一。为增强涡流搜索优化算法的寻优效果,文章提出一种分群涡流搜索优化算法。将涡流搜索优化算法备选解分群,以历次迭代寻优的最优解位置和当前迭代最优解在解空间的反向位置为圆心产生两组备选解,以此来增加分群后备选解的多样性。将分群涡流搜索优化算法与原始涡流搜索优化算法对6个测试函数进行寻优对比,结果验证了改进算法具有较好的寻优效果。     

混合均值中心反向学习粒子群优化算法

为平衡粒子群算法勘探与开发能力,本文提出混合均值中心反向学习粒子群优化算法.算法将所有粒子和部分优质粒子分别构造的均值中心进行贪心选择,得出的混合均值中心将对粒子所在区域进行精细搜索.同时对混合均值中心进行反向学习,使粒子能探索更多新区域.将本文算法与最新改进的粒子群算法、人工蜂群算法和差分算法在多种测试函数集上进行比较,实验结果验证了混合均值中心反向学习策略的有效性,算法的综合优化性能更强.     

基于遗传-细菌觅食组合算法的非线性模型优化

文中提出一种遗传-细菌觅食组合优化算法以解决非线性模型优化问题。该方法先使用遗传算法进行全局搜索,并缩小最优解的搜索范围;再使用细菌觅食优化算法在该局部范围内执行局部搜索。这种组合搜索策略可以增强算法的收敛性,并能有效地均衡全局搜索和局部搜索。文中利用单峰、多峰和复杂多峰等非线性函数模型验证所提算法的性能。实验结果表明,组合算法的计算精度和效率分别比遗传算法和细菌觅食优化算法提高了30%和50%,表明该组合算法具有更快的收敛速度,更高的求解精度,适用于大规模多极值的非线性问题。     

一种不平衡注意参数条件下的遗传协同学习算法

本文讨论了目标识别的协同方法在不平衡注意参数条件下的动力学行为,并提出了不平衡注意参数条件下的遗传协同学习算法(GSLA).该算法利用遗传算法的全局最优搜索能力,对协同神经网络的注意参数进行全局优化.对从"车牌识别系统"中得到的数字样本的实验证明:新算法能有效地在注意参数空间搜索全局最优解,挖掘出协同方法在目标识别方面的最大潜能.另外,本文还将新算法与利用奖惩学习算法的协同学习算法进行了全局优化能力的比较,发现新算法具有收敛快和全局最优搜索能力强的特点.     

滤波器组多载波系统中基于双层优化的峰均比抑制算法

针对部分传输序列(PTS)算法在交错正交幅度调制的滤波器组多载波(FBMC-OQAM)系统中受符号重叠的影响,造成峰值再生,从而导致系统峰值功率比(PAPR)较高、计算复杂度较大等问题,该文提出一种基于双层优化的PTS算法(DO-PTS)。该算法对信号数据块进行两层相位因子搜索以获得更好的PAPR抑制性能,第1层充分考虑重叠特性,结合前面重叠数据块进行初步优化,第2层对数据块进行分组,在每组选择对峰值影响最大的数据块进行优化,来减少进行相位因子搜索的数据块数量,并且在第1层优化中缩小相位因子的搜索范围,以降低系统的计算复杂度。通过对计算复杂度和仿真结果的分析表明,同其它主流PTS优化算法相比,所提算法不仅能取得很好的 PAPR抑制性能,还具有较低的计算复杂度,同时也保证了系统的传输数据率。     

基于EGA与Alopex算法的非可微函数混合全局优化算法

遗传算法是一种全局化算法,能以较大概率搜索到全局最优解。本文将Alopex算子嵌入到保留最优个体遗传算法（EGA）中,对非可微或求导困难函数从而得到既能以较大概率搜索全局极值,又能进行局部细致搜索的混合全局优化算法;并对其全局收敛性和计算效率作了证明与分析。数值计算结果表明该算法优于求解函数优化的EGA和Alopex算法。     

基于网格爬山法的最大似然DOA估计算法

最大似然波达方向（DOA）估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足“预估分布”的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。      

滤波器组多载波系统中基于双层优化的峰均比抑制算法

针对部分传输序列(PTS)算法在交错正交幅度调制的滤波器组多载波(FBMC-OQAM)系统中受符号重叠的影响,造成峰值再生,从而导致系统峰值功率比(PAPR)较高、计算复杂度较大等问题,该文提出一种基于双层优化的PTS算法(DO-PTS).该算法对信号数据块进行两层相位因子搜索以获得更好的PAPR抑制性能,第1层充分考虑重叠特性,结合前面重叠数据块进行初步优化,第2层对数据块进行分组,在每组选择对峰值影响最大的数据块进行优化,来减少进行相位因子搜索的数据块数量,并且在第1层优化中缩小相位因子的搜索范围,以降低系统的计算复杂度.通过对计算复杂度和仿真结果的分析表明,同其它主流PTS优化算法相比,所提算法不仅能取得很好的PAPR抑制性能,还具有较低的计算复杂度,同时也保证了系统的传输数据率.     

Subspace fitting with diversely polarized antenna arrays

Diversely polarized antenna arrays are widely used in RF applications. The diversity of response provided by diversely polarized antenna arrays can greatly improve direction-finding performance over arrays sensitive to only one polarization component. For d emitters, directly implementing a multidimensional estimation algorithm would require a search for 3d parameters: d directions of arrival (DOAs), and 2d polarization parameters. A more efficient solution is presented based on the noise subspace fitting (NSF) algorithm. It is shown how to decouple the NSF search into a two-step procedure, where the DOAs are estimated separately. The polarization parameters are then obtained by solving a linear system of equations. The advantage of this approach is that the search dimension is reduced by a factor of three, and no initial polarization estimate is required. The algorithm can be shown to yield asymptotically minimum variance estimates: provided no perfectly coherent signals are present. Simulation examples are included     

一种新型低复杂度双层分组天线选择算法

针对平坦相关瑞利衰落信道环境下的端到端大规模MIMO系统复杂度过高的问题,提出一种基于离散布谷鸟搜索的低复杂度双层分组天线选择算法。该算法首先基于天线信道相关性对大规模天线阵列进行分组处理,进而利用新型双层算法对分组的天线集合进行优化天线选择。其中,新型双层算法的第一层是每小组天线基于离散布谷鸟搜索的内部选择,第二层是对第一层选择的所有天线利用离散布谷鸟搜索进行最终的选择。提出的新型天线选择算法可有效降低大规模MIMO系统复杂度。仿真结果验证了在平坦相关瑞利衰落信道环境下,提出的天线选择算法能够以较低选择复杂度获得接近最优选择方法的容量性能和较优的BER性能。     

Numerical annealing of low-redundancy linear arrays

An algorithm is developed that estimates the optimal distribution of antenna elements in a minimum redundancy linear array. These distributions are used in thinned array interferometric imagers to synthesize effective antenna apertures much larger than the physical aperture. The optimal selection of antenna locations is extremely time consuming when large numbers of antennas are involved. This algorithm uses a numerical implementation of the annealing process to guide a random search for the optimal array configuration. Highly thinned low-redundancy arrays are computed for up to 30 array elements. These arrays are equivalent to the optimal solutions that are known for up to 11 elements. The arrays computed for 12-30 elements have the fewest redundancies reported to date     

Synthesis of linear antenna arrays using Jaya,self-adaptive Jaya and chaotic Jaya algorithms

This work aims to show the effectiveness of a recently proposed population-based optimization algorithm known as Jaya algorithm and its variants named as self-adaptive Jaya algorithm (SJaya) and Chaotic-Jaya (CJaya) algorithm to synthesize linear antenna arrays which are widely used in the communication systems. Three case studies of synthesis of linear antenna arrays are formulated by considering different topologies. In addition, two case studies of synthesis of dipole antenna arrays are formulated and all the case studies are solved using Jaya, SJaya and CJaya algorithms. The results of Jaya, SJaya and CJaya algorithms are compared with those of cat swarm optimization (CSO) algorithm, particle swarm optimization (PSO), Cauchy mutated cat swarm optimization (CMCSO) algorithm, harmony search based differential evolution algorithm (HSDEA), dynamic differential evolution algorithm (DDE), improved genetic algorithm (IGA), modified real genetic algorithm (MGA) and accelerated particle swarm optimization (APSO) algorithm. The Jaya, SJaya and CJaya algorithms achieved a better side lobe level suppression as compared to the other optimization algorithms while maintaining the vital antenna parameters within permissible limits.     

基于遗传优化的天线阵元LMS改进算法

最小均方（LMS）算法是自适应阵列天线中得以广泛应用的阵列天线加权算法。提出了一种基于遗传优化的LMS改进算法,该基于遗传优化的最小均方（GA—LMS）算法充分结合了遗传算法的并行处理和全局搜索的优点。实验结果表明,与传统的LMS算法相比,GA—LMS算法具有良好的收敛性能,并可更好地抑制干扰信号,有效改善自适应阵列天...     

基于GA的智能天线系统前端扇区阵列设计

使用遗传算法(Genetic Algorithm)设计了智能天线系统前端的扇区天线阵列。该天线阵列用于TD-SCDMA基站系统中。依据智能天线系统扇区覆盖模式(即广播波束)对方向图的要求，利用GA的全局搜索性能，综合了阵列结构及单元激励相位。对该阵列结构使用GA模拟了智能天线系统工作模式(业务波束)下所要求方向图的阵列激励幅度和相位。给出了实际的智能天线系统前端扇区天线阵列结构，对智能天线技术的应用具有重要意义。     

天线阵列方向图的一种数值综合算法

本文提出了一种新型阵列综合算法，目标方向图迭代算法。这种算法与现有的阵列综合方法不同，它通过对目标方向图的迭代来调整实际方向图的形状，是一种纯数值的阵列综合算法。这种算法适用于任意结构阵列的方向图综合，计算效率高，可以满足实际工程的需要。作为验证，本文综合了一些具有代表性的天线阵列，给出了计算结果，并对结果进行了讨论。     

基于改进黑洞算法的阵列天线方向图综合

提出一种基于改进黑洞算法的阵列天线方向图综合方法, 在可控吸收率的基础上实施后向学习机制, 增加种群多样性以避免早熟收敛.针对基本黑洞算法在局部搜索方面的不足引入爬山搜索算子, 增加个体搜索深度以提高寻优效率.将所提算法应用于稀疏天线阵和等距非均匀天线阵的方向图综合, 仿真结果验证了所提算法解决该类问题的有效性.     

60 GHz毫米波通信中一种新的波束搜索算法

采用毫米波进行信号传输,使多天线技术集成实现成为可能,继而可利用阵列天线波束赋形技术。然而,当天线阵元数增多时,将导致最优波束对的搜索算法复杂度急剧增加。该文充分利用不同数目阵元产生的波束特性,提出一种基于划区而治的逐步细化高效搜索算法;通过逐步增加使能天线数目,有效缩小搜索空间,最终实现最优波束对搜索。相比于现有方案,该算法能显著降低搜索过程中信令传输及能量消耗,仿真结果进一步验证了该算法的有效性。