Memetic算法在带时间窗的车辆路径问题中的应用

Memetic算法是一种将遗传算法和局部搜索结合使用的超启发式算法。本文将该算法应用于带时间窗的车辆路径问题。算法中采用了动态矩阵的染色体编码方式。通过数值仿真表明了该算法和编码方式求解这类问题的有效性。     

基于遗传算法RBF网络的波束形成

为寻求自适应阵列天线技术在波束形成准确性和收敛速度上的突破,尝试引入智能控制理论中的优化算法.提出一种染色体长度可调的编码方式,用这种编码方式下的遗传算法同时训练RBF网络的网络参数和拓扑结构,将训练后的RBF网络用于上行链路的自适应波束形成.理论分析和仿真结果表明,染色体长度可调编码方式下的遗传算法是有效的,该算法能够比较准确地逼近理论上的最优权值,提高了算法的收敛速度.     

用遗传算法求解多参量函数优化问题

针对简单遗传算法(SGA)的编码方式不适用于优化多参量函敷的弱点,介绍了一种基于多参级联编码方式的遗传算法,详细描述了该算法的各主要组成部分和工作原理,并通过仿真实验证明了该算法的有效性。     

TD-HSPA+MU-MIMO调制编码方式选择

在下行多用户多输入多输出场景下,针对时分双工增强高速分组接入系统的调制编码方式选择不准确的问题,提出了一种综合考虑多用户干扰和信道时变特性的调制编码方式选择算法.该算法不需增加信令开销,基站运算复杂度低,在用户间干扰比较严重时,系统性能增益明显.     

TD-HSPA+MU-MIMO调制编码方式选择

在下行多用户多输入多输出(MU-MIMO)场景下,针对时分双工增强高速分组接入系统的调制编码方式(MCS)选择不准确的问题,提出了一种综合考虑多用户干扰和信道时变特性的调制编码方式选择算法.通过调度用户前次上行传输的信道估计,对用户反馈的信道质量指示(CQI)进行调整,再进行调制编码方式选择.该算法不需增加信令开销,基站运算复杂度低.仿真结果表明,在用户间干扰比较严重时,算法系统性能增益明显.     

适用于Ad-Hoc网络移动终端的DOA估计算法

提出了一种应用于八单元圆阵的波达角度（DOA）估计算法，实现了360°范围的信号覆盖。该算法采用正交编码方式，通过驱动硬件可变移相器角度变化迭代逼近期望信号波达角度。对算法进行了理论推导，并对算法实现、导频编码方式和放置情况进行了分析。仿真实验证明了该算法的有效性。该算法具有的迭代精度高、复杂度低和收敛速度快的特点，使其非常适合应用在Ad-Hoc移动终端。     

基于离散蛙跳算法的零空闲流水线调度问题求解

针对零空闲流水线调度问题,提出了一种新的离散化蛙跳求解算法.该算法借助蛙跳算法优化机理,采用基于工件序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了3种改进策略.仿真实验表明了所提算法及策略的有效性.     

改进的离散混合蛙跳算法压缩感知信号重构及应用

针对工程离散优化问题特点,定义了具有普遍意义的青蛙编码方式,设计了编码位调换更新机制,提出了自适应权重因子和双模子族群策略。在此基础上,将改进的离散混合蛙跳算法(Discrete shuffled frog leaping algorithm,DSFLA)应用于压缩感知重构算法中,将未知重构信号理解为青蛙编码方式,利用DSFLA算法全局寻优能力得到次最优信号重构信息,从而实现了稀疏度未知情况下的信号重构。最后对典型TSP(Travelling salesman problem)问题算例和WSNs多目标定位问题进行仿真,仿真结果表明:改进的DSFLA具有更强的复杂问题求解能力,基于改进DSFLA压缩感知重构算法的WSNs目标定位精度优于传统信号重构算法,且抗噪能力达到25~45dB。     

基于结构和参数智能优化的神经网络数值预测方法研究

针对BP神经网络数值预测中结构不易确定、易陷入局部最小等问题,利用遗传算法,采用二进制编码方式优化网络结构,采用浮点数编码方式优化网络参数;利用粒子群算法进一步改善网络参数,减少算法耗时,提高预测精度。仿真验证了算法的有效性。     

单亲遗传算法编码方式的研究

给出了单亲遗传算法的几种序号编码方式,并指出同一组合优化问题可以按不同的同序基因数来编码,不同的编码方式串空间的大小有很大差别,选择串空间小的编码方式有利于提高搜索效率.     

遗传算法中群体多样性评价指标的研究

本文针对遗传算法中早熟问题进行了分析,提出了评价群体多样性的两个性能指标,在此基础上结合模糊逻辑调节遗传算法的交叉和变异概率.对一组函数优化问题对标准算法和优化算法进行测试,测试结果表明基于模糊逻辑控制的遗传算法的性能要优于标准遗传算法.证明本文提出的群体多样性的评价指标是有效的.     

群体多准则决策分析的TOPSIS算法

针对群体多准则决策问题，给出了一种新的分析方法—ＴＯＰＳＩＳ算法，这是将单人多准则决策的ＴＯＰＳＩＳ算法推广到多人多准则决策的情形．最后以实例说明该方法的应用．     

基于SA算法的k-means聚类算法的改进

传统的k-means聚类算法常陷入局部最优,需要事先输入聚类数,这样会造成原有算法失效或聚类结果不准确。在研究现有聚类算法的基础上,使用ε-最近邻法剔除孤立点,提出一种改进的基于模拟退火算法的、具有自适应功能的k-means聚类算法。实验结果证明,提出的算法是可行的、有效的。     

基于改进蚁群算法对最短路径问题的分析与仿真

使用传统蚁群算法求解图的最短路径问题时,随着节点的增加会出现搜索速度变慢且易于陷入局部最优解.针对这个问题,提出一种改进的蚁群算法,通过引入搜索方向和搜索热区机制提高算法的搜索性能.仿真实验证明：改进的蚁群算法较传统的蚁群算法具有更高搜索速度且容易得到全局最优解.     

一种基于时间顺序的开关量控制算法研究

基于时间顺序的开关量控制是工业生产过程中一种常见的控制形式。文中提出了一种输出状态-时基周期控制算法。期望对于基于时间顺序的开关量控制问题的解决,具有普遍适用性。     

使用遗传算法的一种新型修船坞的优化设计

研究了一种新型修船坞的设计问题这种修船坞不同于传统的浮船坞，在修船领域至今还尚未研究过，它工作时是附着在船舶的艉段，处于半潜状态，主要用于船舶推进器等的修理工作文中研究了可用于１５万吨级船舶修理工作的这种新型修船坞的可行性及设计方案本设计选取了４６个设计变量，采用遗传算法进行重量最小优化设计计算结果表明，遗传算法能较快地给出合理的优化设计结果     

一种解决指派问题的蚁群算法

指派问题是组合优化问题的一个分支,对解决现实生活中的任务分配问题有着重要的意义。本文将指派问题表述为TSP图,使用具有局部搜索策略的蚁群算法加以解决。实验结果表明,使用具有局部搜索策略的蚁群算法解决指派问题,提高了搜索效率,能够在短时间内得到最优分配方案。     

基于蚁群寻路的图像分割算法

文章主要是对蚁群算法做了一定的改进,将它用于图像分割,然后将分割出来的图像的边界利用腐蚀算法进行细化以达到更好的分割效果。分割算法可以看作一个组合优化问题,人工蚁群算法就是一种优化方法。因此,将人工蚁群算法引入到图像分割处理中完全可行。经过实验证明,该方法是完全可行的。     

不适定问题的一类变分解法

本文通过变分方法,利用Hilbert 空间中的闭线性算子,构造了求解第一类算子方程的正则化算法;并证明了按照偏差原理选择的近似解是收敛的.