基于改进SFLA-PF算法的OFDM系统的目标跟踪

在OFDM通信系统中,为了解决非线性的目标跟踪问题,提出了基于改进混合蛙跳算法(SFLA)和粒子滤波算法(PF)相结合的方法来研究动态目标跟踪技术.首先利用高斯变异的局部搜索能力强和柯西变异的全局搜索能力强等优点对混合蛙跳算法进行改进,然后用改进后的混合蛙跳算法来优化粒子滤波算法进行动态跟踪,其优点不需要重采样步骤,有效地保持了粒子的多样性和有效性.仿真结果表明,该算法能够有效实现动态目标跟踪,并且跟踪效果优于同等条件下的混合蛙跳算法和粒子滤波算法.     

基于改进混合蛙跳算法的SVM分类算法

支持向量机的训练需要求解一个带约束的二次规划问题,但在数据规模很大情况下,经典训练方法将变得很困难。本文提出一种基于改进的混合蛙跳算法的SVM训练算法。针对混合蛙跳算法搜索速度慢且容易陷入局部极值的缺陷,将模拟退火思想引入到混合蛙跳算法中,提出一种改进的混合蛙跳算法。该算法保持了混合蛙跳算法参数少和容易实现的特点,同时通过模拟退火的降温过程来提高算法的进化速度和精度。实验结果表明,该算法能显著提高收敛速度,并能有效克服局部极值,在SVM训练中具有良好效果。     

免疫遗传算法及其应用研究

遗传算法是一种导向随机搜索算法,具有较强的全局搜索能力.为克服遗传算法盲目搜索、收敛速度慢的缺点,文章提出了免疫遗传混合算法.利用求解问题特征对遗传算法的种群进行免疫接种,以提高搜索速度.为检验混合算法的效率,给出了经典TSP问题的混合算法.实验结果表明,混合算法具有收敛速度快、搜索精度高、稳健性强的特点.     

改进的SVM分类算法在人脸年龄估计中的应用

支持向量机的训练需要求解一个带约束的二次规划问题，但在数据规模很大情况下，经典训练方法将变得很困难，提出一种基于改进的混合蛙跳算法的SVM训练算法，针对混合蛙跳算法搜索速度慢且容易陷入局部极值的缺陷，将模拟退火思想引入到混合蛙跳算法中，提出一种改进的混合蛙跳算法，并将其应用到人脸年龄估计中去，另外使用核主成分分析算法、Gabor小波变换以及局域二值变换来提取人脸的特征，将这3种特征分别特征层和决策层融合后，得到更为适合人脸年龄的特征向量。实验结果表明，使用该算法得到的人脸年龄段分类的分类准确率相对较高。     

用混合蛙跳算法的智能防空火力分配

结合混合蛙跳算法对防空作战火力分配问题进行了探索。在火力分配建模的前提下,应用改进的混合蛙跳算法求解模型。首先根据空袭目标特点,采用十进制编码方式设计模型求解矩阵,由该矩阵可直接得到火力决策阵,其特点是求解精度高,可锁定任意火力单元的打击对象。在原混合蛙跳算法的基础上,通过引入一个与迭代次数相关的可变步长σ,使算法的执行过程从多点变异方式转换到单点变异方式,从而使算法具有更强的健壮性。在满足单个火力单元射击约束的前提下,根据算法原理给出具体的求解方案和步骤。通过实例仿真验证了算法的可行性和有效性。与遗传算法及改进的遗传算法相比较,混合蛙跳算法具有更快的收敛速度和精度。     

基于SFLA-GA混合算法求解时间最优的旅行商问题

该文以经典的对称旅行商问题(Symmetric Traveling Salesman Problem, STSP)为基础,求解时间最优的旅行商问题(Time Optimal TSP, TOTSP),将拟合函数引入到混合蛙跳遗传算法(SFLA-GA)的适应度函数来反映景点客流量随时间的变化,旨在旅游旺季为游客提供一条游览时间最短的路径推送服务。实验结果表明:相对于随机游览路径,SFLA-GA混合算法得到的游览路径明显节省了游览时间;与SFLA和混合粒子群遗传算法(PSO-GA)相比较,SFLA-GA混合算法具有计算量少、收敛速度快、对初始种群依赖性低以及全局性更好等优点,在求解TOTSP上搜索性能更强、时间更优。     

基于混合粒子群算法求解TSP问题

遗传算法是研究TSP问题中最为广泛的一种算法,它具有全局搜索的能力。而粒子群算法收敛速度较快,但容易造成局部最优的情况。本文基于遗传算法的交叉变异设计了混合粒子群算法,通过对TSP问题求解分析,证实该方法提高了标准粒子群的搜索能力,获得了较高的收敛速度和近似最优解。     

蚁群算法在求解TSP问题中的改进研究

针对蚁群算法在求解大规模优化问题时存在的3个缺点：消耗时间长、蚂蚁在下次搜索时目标导向不强导致搜索随机性大、寻优路径上的信息素过度增强导致得到假的最优解。本文提出了基于边缘初始化和自适应全局信息素的改进蚁群算法。在相同参数下,其搜索时间大大缩短,并且得到了更好的最优解。将其应用到旅行商（TSP）问题中,和基本蚁群算法、遗传算法相比较,其具有以下优点：较好的搜索最优解的能力;对新解不会过早的终止;探索新解的能力进一步增强。因此,改进的蚁群算法在求解TSP等组合优化问题时非常有效。     

求解旅行商问题的改进混合蛙跳算法

混合蛙跳算法（Shuffled Frog Leaping Algorithm,SFLA）是解决组合优化问题的有效方法,’但是应用于TSP问题时,由于SFLA没有充分利用最佳个体的优良信息,导致收敛速度太慢。文中把遗传算法（Genetic Algorithm,GA）的交叉和变异引入SFLA,提出了一种针对旅行商问题（Traveling Salesman Problem,TsP）的改进混合蛙跳算法（Improved Shuffled Frog Leaping Al—gorithm,ISFLA）。应用于TSP的实验结果表明：ISFLA的收敛速度明显高于SFLA,同时优于GA和简单翻转算子。ISFLA不仅表现出了更快的收敛速度,而且能有效地缓解局部早熟收敛。     

顺序表示编码的和声退火混合算法求解TSP

和声搜索是一种新的启发式优化算法,针对和声搜索算法容易陷入局部最优的缺陷,将其与模拟退火算法结合,得到了一种混合算法,为了保证和声的产生过程中不出现非法解,算法采用了基于顺序表示的编码方法.实验表明,混合算法针对TSP问题具有较高的求解质量.     

求解TSP问题的离散型萤火虫群优化算法

基于求解TSP问题,提出一种离散型萤火虫群优化(DGSO)算法,该算法结合TSP问题特点,给出一种有效编码和解码方法,并定义适合编码的个体间距离计算公式和编码更新公式.同时,为增强算法求解TSP问题的局部搜索能力,加快算法的收敛速度,算法使用了操作简单的2-Opt优化算子.最后,通过对10个TSP问题进行仿真实验,实验结果表明本文提出的算法是在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.在大规模TSP算例中算法获得的最优值与理论最优值的误差也在1%以下.     

基于自然选择策略的蚁群算法求解TSP问题

针对蚁群算法收敛速度慢,容易陷入局部最优解的缺陷,提出了一种基于自然选择策略的改进型蚁群算法,改进后的算法利用自然选择中“优胜劣汰”的进化策略,对每次迭代的随机进化因子大于进化漂变阈值的路径信息素进行二次更新,增强满足进化策略路径上的信息素浓度,以加快算法的收敛速度;而随机进化因子的随机性增强了算法跳出局部最优解的概率。将提出的改进型蚁群算法求解经典的TSP问题,并通过实验证明了改进后的蚁群算法在最优解精度和收敛速度等方面均有所提高。     

基于遗传算法的TSP问题研究

TSP是一个典型的组合优化问题，并且是一个NP难题，其可能的路径总数与城市数目n是成指数型增长的，所以一般很难精确地求出其最优解，因而寻找出有效的近似求解算法就具有重要的意义。现就提出的一种求解TSP问题比较有效的改进的遗传算法进行了研究，从遗传算子、评估函数、种群多样性等方面对算法进行了分析，并对实例CHN144进行了测试，实验结果表明文中提出的算法在求解TSP问题上是有效的。     

用参数正交选优神经网络算法解货郎问题

本文发现了货郎问题(TSP)能量函数的参数空间中的吸引域与全局性优化解之间存在着确定的对应关系，并找到了许多参数空间中的吸引域．在此基础上提出了一种新算法——参数正交选优神经网络算法求解TSP，30城市、31城市(中国)和300城市TSP的求解结果都十分满意，表明这种新算法的有效性．     

A Study of Travelling Salesman Problem

1　ＩｎｔｒｏｄｕｃｔｉｏｎＴＳＰｉｓｏｎｅｏｆｔｈｅｍｏｓｔｄｉｆｆｉｃｕｌｔｐｒｏｂｌｅｍｓｔｈａｔｍａｎｙｓｃｈｏｌａｒｓａｌｌｏｖｅｒｔｈｅｗｏｒｌｄｈａｖｅｂｅｅｎｓｔｕｄｙｉｎｇｕｐｔｏｎｏｗ .ＴｈｅｂａｓｉｃｄｅｓｃｒｉｐｔｉｏｎｏｆｔｈｉｓｐｒｏｂｌｅｍｗｈｉｃｈｗａｓｐｒｏｐｏｓｅｄｂｙＫ .Ｍｅｎｇｅｒｆｉｒｓｔｌｙｉｓ:Ａｔｒａｖ ｅｌｌｉｎｇｓａｌｅｓｍａｎｗｉｓｈｅｓｔｏｖｉｓｉｔａｎｕｍｂｅｒｏｆｔｏｗｎｓ,ｔｈｅｔｒａｖｅｌｌｉｎｇｄｉｓｔａｎｃｅｓｂｅｔｗｅｅｎｔｏｗｎ…     

模拟退火算法及其在求解TSP中的应用

TSP是组合优化中著名的NP hard问题,模拟退火算法是解决TSP的有效方法之一。介绍和描述模拟退火算法原理和Metropolis算法的过程,并应用模拟退火算法对TSP进行研究,给出解决TSP的一种比较精确的算法,比较好地解决了NP hard问题中TSP,同时为计算机编程提供了编程思路。     

基于改进遗传算法的TSP问题研究

通过对遗传算法和TSP问题的研究．提出了离散赌轮选择算子EPMX交叉算子和Dmutation变异算子等，对遗传算法的各个算子进行了改进。利用改进的遗传算法有效的解决了TSP问题．实验验证其与传统的解决方式相比有更好的收敛特性，解的准确性更好。     

旅行商问题的一种模拟退火算法求解

旅行商问题(TSP)是组合优化领域里的一个典型的、易于描述却难以处理的NP难题,其可能的路径数目与城市数目是呈指数型增长的,求解非常困难。首先介绍了旅行商问题,模拟退火算法原理及其算法实现。应用模拟退火算法对TSP进行研究,给出解决TSP的一种比较精确的算法并用Matlab实现了算法。最后用该算法对TSP进行了仿真,验证了该算法的有效性。     

优化TSP算法的完善及推广

本文完善和推广了文献１中的简单多边形优化三角剖分算法，提出了一种一般化的算法，它能对卷曲，缠绕复杂的简单多边形进行优化三角剖分。我们还把这种算法推广到简单多边形的优化外三角剖分和任意嵌套封闭多边形的情形。