基于离散粒子群算法的CDMA多用户检测方法

研究了离散粒子群算法，并将其应用于CDMA多用户检测问题，提出一种基于离散粒子群优化算法的CDMA多用户检测的方法。该方法应用一种新的选择和分区搜索的策略，改进搜索的质量和效率。分析以及实验仿真表明该方法具有计算复杂度低且可以得到较好误码率性能的特点，为寻求新的多用户检测方法提供了思路。     

基于自适应人工鱼群算法的多用户检测器

将智能优化算法应用到多用户检测器(MUD)问题中,是近年来改善MUD性能的一个研究方向。人工鱼群算法(AFSA)是一种新的智能优化算法,该算法具有一些遗传算法和粒子群算法不具备的特点。但是用其解决离散优化问题时,该算法保持探索与开发平衡的能力较差,且在算法运行后期搜索的盲目性较大,从而影响了该算法搜索的质量和效率。为了克服这些缺点,本文对该算法进行了改进,得到两种自适应人工鱼群算法(AAFSA_FP和AAFSA_SP),并首次用其构建了新的多用户检测器。仿真结果表明,该方法与基于遗传算法的多用户检测器和基于粒子群算法的多用户检测器相比,在误码率、抗远近效应的能力和收敛速度等方面都有明显的改善。     

基于拟生态优化算法的CDMA多用户检测方法

拟生态优化算法是一类模拟自然生态系统运行机制,求解复杂优化问题的智能计算方法,其中的蚁群算法和粒子群算法是较新出现的两种具有不同特点的方法。该文研究基本蚁群算法和离散粒子群算法,并结合CDMA多用户检测问题,改变算法的搜索机制,提出两种CDMA多用户检测的方法。从理论分析以及实验仿真的角度对比两种方法,表明两种方法的计算复杂度低且可以得到较好误码率性能,同时又各有特点。     

基于蚁群的无线电源管理网络路由算法

蚁群算法(Ant Colony Algorithm,ACA)是一种新型的基于群体的仿生算法。采用蚁群算法实现了对无线电源管理网络的路由优化,为远程设备管理提供了新的解决思路。对原始蚁群算法进行了改进,提出了一种多蚁群的优化算法。基于蚁群算法及其并行搜索最优的特征,通过蚁群聚类和动态调整网络优化参数的方法,可作为一种面向无线电源管理网络的路由算法,经过仿真验证了该算法的有效性。     

一种基于可变禁忌长度的多用户检测方法

CDMA系统的性能很大程度上受多用户干扰影响。多用户检测是抑制多用户干扰的有效方法。文中介绍一种基于可变禁忌长度的多用户检测方法。该方法以传统匹配滤波器的判决输出为初始解,采用禁忌长度可变的禁忌搜索(TS)算法,使禁忌长度与搜索空间的崎岖程度相适应,以避免搜索限入局部最优。仿真实验证明,该方法具有较好的误比特性能和抗远近效应能力,并具有多项式复杂度。     

蚁群算法多用户检测用于MC-CDMA系统

在MC-CDMA系统中检测技术是影响系统性能的关键技术之一。这里首先对最优多用户检测方法做出了简要的分析,然后引入蚁群算法多用户检测,使用最优多用户检测的判决准则作为蚁群算法中的目标函数,并对蚁群算法多用户检测和其他多用户检测性能做了仿真比较。结果表明蚁群算法多用户检测和其他次优多用户检测相比,具有较好的性能;和最优多用户检测相比具有很低的复杂度。在多用户检测的实际应用中表现出了很大的优势。     

基于混合优化算法的正交多相码的设计

通过结合模拟退火算法的概率接受准则和蚁群算法的并行搜索，提出了一种有效的混合优化算法，设计出了具有良好自相关和互相关性能的正交信号组。混合算法弥补了模拟退火算法的搜索效率低和蚁群算法的容易陷入局部最小值的缺点，提高了全局搜索的能力。仿真结果表明，在搜索最优正交多相码方面该混合优化算法优于其他搜索算法。     

混合粒子群优化算法在CDMA系统多用户检测中的应用

针对粒子群优化算法易早熟的问题,提出了一种混合粒子群优化算法(HPSO)。首先在算法中采用惯性权重的分段递减策略,以提高算法的全局搜索能力;然后在算法后期,引入拉伸技术剔除比局部极值大的点,缩小搜索空间,使算法能及时跳出局部最优从而加速收敛,最后提出了基于HPSO算法的多用户检测器。仿真结果表明在信噪比相同的条件下,该多用户检测器的误码率和抗远近效应性能更接近于最佳多用户检测器,有效解决了码分多址通信系统中的多址干扰问题。     

基于改进QACA的无人机集群任务分配算法

针对无人机集群多目标任务分配问题，提出在量子蚁群算法(QACA)基础上，融合克隆选择算法的交叉和克隆复制因子来提高算法的全局搜索能力，避免搜索过程陷入早熟收敛问题，然后利用量子蚁群算法快速搜索。仿真结果表明，该算法是求解无人机集群多目标任务分配的一种有效算法。     

融合QPSO思想的多行为蚁群算法在QoS路由问题上的应用

在解决QoS(quality of service)单播路由问题上,针对蚁群算法缺点,提出了一种融合量子粒子群算法(QP-SO)思想的多行为蚁群算法.该算法采用QPSO作为前期搜索,根据各粒子历史最优值来初始化路径信息素浓度,后期利用多行为蚁群算法来优化路径.仿真结果表明:该算法寻优能力强,可靠性高,是解决QoS路由问题的有效方法.     

基于遗传因子的自适应蚁群算法最优PID控制

蚁群算法是一种新型的模拟进化算法,重点始于组合优化问题的求解.作者运用该算法优化PID控制参数,但在基本蚁群算法中,存在收敛速度较慢,易出现停滞,以及全局搜索能力较低的缺陷.论文提出了一种具有遗传因子的自适应蚁群算法最优PID控制参数的方法,设计出参数优化图.该方法克服了基本蚁群算法的不足,能够满意地实现PID控制参数优化.仿真结果与Z-N法、遗传算法、基本蚁群算法相比较,优化效果明显得到改善.实验表明,该方法对于控制其他对象和过程也具有应用价值.     

一种改进搜索无序数据库最小值的量子算法

Grover量子搜索算法利用了量子态的并行计算特性,具有高效的搜索效率,因此得到深入研究和广泛应用.分析Grover量子搜索算法的原理及性能,深入研究将其应用于搜索无序数据库最小值的算法,针对该算法搜索次数较高的缺点,提出一种双门限搜索无序数据库最小值算法.经过仿真发现,改进算法的搜索次数比原算法少,将该算法运用在多用户检测中,该算法具有接近于最优多用户检测算法的误码率性能,而在复杂度上却远远低于最优多用户检测算法.     

多径CDMA信道下一种新的RLS空时接收机

针对多径CDMA信道下的多用户检测中出现的线性约束二次规划问题提出一种新的递归最小二乘算法，该算法可以完全避免因约束而引进的矩阵求逆运算(相对常规的递归最小二乘算法)，并将这种算法与CDMA多用户系统结合起来给出了一种新的自适应接收机，仿真结果表明了这种算法是有效的(无论在检测性能上还是在收敛性能上)。     

基于高阶累积量的盲自适应多用户检测

基于高阶累积量,讨论一种新的盲多用户检测方法,首先,分析一种新的优化准则,证明该优化准则在满足规范约束条件下具有全局最小值,且极值点满足解相关条件。由此,得到一种新的盲多用户接收方案,然后,利用约束优化问题的一个无约束条件的等价形式,给出盲多用户检测的自适应算法,仿真结果表明,本文给出的检测器具有较强的多址干扰抑制性能。     

基于高阶累积量的盲自适应多用户检测

基于高阶累积量,讨论一种新的盲多用户检测方法.首先,分析一种新的优化准则,证明该优化准则在满足规范约束条件下具有全局最小值,且极值点满足解相关条件.由此,得到一种新的盲多用户接收方案.然后,利用约束优化问题的一个无约束条件的等价形式,给出盲多用户检测的自适应算法.仿真结果表明,本文给出的检测器具有较强的多址干扰抑制性能.     

基于进化算法的多用户检测器

粒子群算法PSO遗传算法(Particle Swarm Optimization)是由Kennedy和Eberhart于1995年提出的一种新的进化算法,PSO能够以一种更简便、快速的方式来完成和遗传算法(GA)一样的功能。本文在PSO算法思想的基础上提出了两种新的多用户检测算法: BEP(Binary Evolution Programming)算法, BPSO(Binary PSO,BPSO)算法。分别基于这两种算法构造了新的多用户检测器。仿真结果表明,这两种新的多用户检测器的抗误码性能比传统多用户检测器和基于遗传算法的多用户检测器都好,并且新的检测器的收敛速度明显比遗传算法检测器快。     

改进的蚁群算法及其在TSP中的应用研究

提出一种改进的蚁群算法,其核心是应用遗传算法对蚁群算法的 4 个控制参数(α、β、ρ、q0)进行优化,以及运用 MMAS(max-min ant system)进行寻径,新算法具有全局搜索能力强的特点。对旅行商问题(TSP)的仿真实验结果表明:新算法的优化质量和效率都优于传统蚁群算法和遗传算法。     

CDMA系统粒子群多用户检测算法

Kennedy和Eberhart提出的粒子群优化算法(PSO),作为一种新的并行优化算法,在解决多维和非线性的复杂问题中,性能优良且算法简单易于实现。本文对二进制粒子群优化算法进行改进,并将其应用于DS-CDMA通信系统的多用户检测中,提出了基于矢量的二进制粒子群多用户检测器(V-BPSO-MUD),同时提出了两种高效实用的多用户检测器:基于矢量的串行二进制多用户检测器(VS-BPSO-MUD)及基于矩阵的二进制多用户检测器(M-BPSO-MUD)。仿真结果表明,PSO多用户检测器充分利用了粒子群优化算法的优良特性,性能明显优于传统的CDMA检测器,接近无多址干扰情况。     

基于蚁群算法的动目标显示参差码优化设计

提出了一种基于蚁群算法的动目标显示(MTI)参差码优化设计方法。该方法在保证最大参差比不大于允许值和盲速扩展倍数大于第一盲速点对应扩展倍数的前提下,采用蚁群算法搜索最优参差码,使得参差MTI滤波器第一凹口的深度尽可能浅,通带尽可能平坦,因此,在抑制杂波的同时减小了目标损失。MTI参差码设计是一种组合优化问题,蚁群算法非常适合于解决这种问题。设计实例和性能分析验证了该设计方法的可行性和有效性。     

基于改进的自适应克隆选择粒子群优化算法的多用户检测

为了提高多用户检测技术的性能，改善粒子群算法的局部搜索能力，将克隆选择算法（CS）和传统离散粒子群算法（DPSO）相结合，文中提出一种改进的自适应克隆选择粒子群优化算法（ACSPSO），并用于多用户检测。仿真证明，这种基于ACSPSO的检测器在误码率和收敛速度上都比DPSO和CS得到明显改善。