求解多目标资源分配问题的改进蚁群优化算法

多目标资源分配问题就是将有限资源分配到不同事件来获得预期目标.建立了多目标资源分配问题的数学模型,提出了一种有效求解该问题的改进蚁群优化算法：设计了一种多目标资源分配问题的可行方案构建机制,定义了蚁群优化算法中的信息素形式及其更新方式,提出了一种新的概率选择形式;通过以上改进有效地提高了蚁群优化方法的效率.为了验证此方法的有效性,将蚁群优化方法与混合遗传算法的实验结果进行了对比分析,证明此方法优于混合遗传算法.     

应用遗传算法的认知无线电自适应参数调整

如何根据环境变化和用户需求智能调整无线电参数是认知无线电的基本功能。提出了应用遗传算法和适用多目标函数的需求认知无线电参数调整方法,给出了该方法的流程及对其性能进行了仿真分析。实验结果表明该方法能在多个具有竞争关系的目标函数间进行权衡,所得的参数配置与当前对目标函数的偏好一致。     

免疫遗传算法及认知无线电参数优化决策

根据感知的频谱环境变化及时优化并调整无线电参数是认知无线电的关键技术之一,也是一个复杂的非线性多目标优化决策问题。遗传算法是最适合优化问题的,但当遗传算法应用于优化问题时存在过早收敛问题。提出了基于遗传算法和人工免疫系统相结合的免疫遗传算法（IGA）来克服以上问题。由于在GA算法中引入了免疫系统中抗体和抗原的概念并在每一次迭代中丢弃亲和力较大的抗体,有效地防止了GA中过早收敛现象。最后,用免疫遗传算法来解决认知无线电的参数优化问题。仿真结果表明,免疫遗传算法可以迅速达到最优决策。     

求解多目标优化问题的若干算法概述

文章首先给出了多目标优化的数学模型,回顾了多目标优化的基本概念。其次,简要总结了多目标优化问题的传统方法和进化算法,其中对进化算法为遗传算法的求解方法进行了详细阐述,分析了传统方法和进化算法的优缺点。最后,对多目标优化领域的热点问题进行展望。     

认知无线电网络中基于免疫算法的多目标频谱分配

认知无线电网络中工作于同一信道的次用户越多,对网络造成的干扰越严重,因此如何在增加网络可服务次用户数量的同时提高网络吞吐量成为近年来的研究重点。针对此问题,文中提出了一种改进的多目标免疫算法。该算法将频谱效率和网络吞吐量作为求解目标,同时设计了适合问题求解的抗体编码方式。最后在获得适合该问题的Pareto最优解之后,与NSGA-II算法进行实验对比。仿真结果表明,所提方法在搜索Pareto最优解时性能更好,并且能够满足不同网络需求下的频谱分配要求。     

基于粒子群算法的钻进参数多目标优化

为了使钻进过程达到最优,提出了基于机械钻速、钻头寿命和钻头比能的钻进参数多目标优化模型。参考典型的多目标优化进化算法NSGA-Ⅱ,提出了一种多目标粒子群算法(MOPSO)。采用一个钻进参数优化实例对优化模型和算法进行检验,得到分布均匀的Pareto最优解,一些最优解与传统的钻进参数单目标优化的解近似;讨论了算法中的种群规模、迭代次数和外部档案规模三个参数,得到一组兼顾解质量和计算时间的参数值,其计算时间的统计结果证明模型和算法满足钻进参数动态优化的要求。     

求解多目标优化问题的GTSPA混合算法

为了有效求解多目标优化问题,文中结合遗传算法、禁忌搜索算法以及粒子群算法的优势,设计了一种新型的混合算法GTSPA,并对所设计的GTSPA混合算法的总体步骤进行了描述.通过从解的质量、算法的收敛性以及算法的复杂度这几方面对算法进行分析,可以发现:GTSPA混合算法是以较大概率收敛于全局最优的,具有很好的收敛性,并且运算相当快、计算复杂度并不高,具有很好的优势.     

协作多组多播认知无线网络的资源优化配置

考虑到无线电频谱资源日益紧缺,提出了一种基于组间组内协作传输的多播组新机制,涉及多个多播组并使用同一频谱资源以协作方式传输信息。基于认知无线网络中该机制,研究了系统的资源优化配置,理论分析得出了功率分配方案,进而讨论了系统加权总传输速率的优化,同时考虑了主用户和认知用户之间信号干扰及功率限制对传输速率的影响,最优化用户性能。仿真结果表明,优化方案下多播组传输速率随用户人数的增加而上升,达到最优化用户服务质量;当功率限制时,通过设置加权因子,能够保证主用户拥有良好的通信性能。     

基于工艺参数扰动的IC参数成品率多目标优化算法

在芯片制造工艺中,参数扰动影响了集成电路（Integrated Circuit,IC）成品率,使不同参数成品率间存在着此消彼长的相互制约关系,而目前IC参数成品率优化算法却主要局限于单一优化目标问题。本文提出一种基于工艺参数扰动的参数成品率多目标优化算法。该算法针对漏电功耗成品率及芯片时延成品率,首先构建具有随机相关性的漏电功耗及芯片时延统计模型;随后根据其相互制约特性建立基于切比雪夫仿射理论的参数成品率多目标优化模型;最后利用自适应加权求和得到分布均匀的帕雷托优化解。实验结果表明,该算法对于具有不同测试单元的实验电路均可求得大约30个分布均匀的帕雷托优化解,不仅能够有效权衡多个优化目标间的相互制约关系,还可以使传统加权求和优化方法在帕雷托曲线变化率较小之处得到优化解。     

量子进化算法用于求解约束多目标优化问题的探析

本文提出了一种用于解决约束多目标优化问题的方法。本算法在进化算法的基础上加入了邻里竞争与邻里合作算子,并通过引入agent-based模型的设计理念,更加注重个体变化对整个群体的影响。本算法首先使用约束偏离值的方法将约束多目标优化问题简化为多目标优化问题;然后使用自我更新算子,当新产生的个体优于原先的个体时予以替换;之后通过邻里竞争与邻里合作加快种群内部的信息交流;最后加入量子加速算子,通过使用量子旋转门来扩大计算搜寻范围提高程序计算速度。本文最后与两种已有算法进行对比,实验结果表明,本算法完成了设计目标。在运行时间和输出结果精度方面都有不错的表现。     

基于生态种群捕获竞争模型的多目标Memetic优化算法

本文针对复杂多目标优化问题Pareto前沿搜索难度大的特点,设计了一种结合多种群间捕获竞争、强化学习机制的多种群Memetic学习策略与进化计算模型.受种群进化、捕食种群与被捕食群体间的竞争等生态学原理的启发,提出了一种基于生态种群捕获竞争模型的多目标Memetic优化算法(Multi-Objective Memetic Algorithm based on Ecological Population Preying-competition Model,ECPM-MOMA).ECPM-MOMA算法设计并运用了捕获竞争、强化学习算子进行全局搜索,在种群进化过程中结合了Memetic搜索算子进行局部搜索.理论分析与实验结果表明,本文所提出的算法具有良好的收敛性能和分布特征,生态种群捕获竞争策略与进化计算模型对于解决复杂多目标优化问题是有效的.     

一种多策略融合的多目标粒子群优化算法

为提高多目标粒子群算法在解决复杂多目标优化问题中的整体性能,提出一种多策略融合的多目标粒子群算法.该算法采用均匀化与随机化相结合的方式初始化种群,在粒子速度更新中新增一扰动项,运用简化的k-最近邻方法维持档案以及对档案个体赋予生存期属性并动态调整生存期值.实验结果表明,在GD和SP性能指标上,本文算法与另外5种对等算法在ZDT和DTLZ系列测试问题上进行对比,其表现出了总体显著性的性能优势.     

基于全局约束的现网站址共享下LTE天线参数规划与优化

针对传统天线参数规划和优化方法的局限性以及在现网站址共享下LTE天线参数规划与优化应用上的不足,提出了基于全局约束方法在LTE天线参数规划与优化上的理论基础、实现方法和操作流程,并通过对广州某区域现网站址共享下LTE天线参数规划与优化的具体操作和仿真,采用量化分析验证了全局约束的现网站址共享下LTE天线参数规划与优化的科学性和可行性。     

人工智能技术在认知无线电中的应用

认知无线电技术是无线通信领域与人工智能领域相结合的产物,智能性是其区别于传统无线电的本质属性。先进的人工智能技术在无线电中的成功应用是实现认知无线电的关键。首先介绍了凝聚认知无线电智能思想的认知循环,并对认知无线电的智能实现载体认知引擎,进行了简要描述,说明了人工智能技术在认知无线电实现中的重要作用;然后,从推理、学习和优化的角度对适用于认知无线电的几种人工智能技术进行了总结归纳;最后,介绍了人工智能技术在现有的认知引擎中的应用。     

基于收-发联合优化的认知雷达序贯信号检测

在扩展目标条件假设下,提出了一种联合优化发射端和接收端资源配置的认知雷达序贯信号检测方法.该方法在假设检验的基础上,根据系统之前时刻获得的目标先验信息在发射端进行自适应波形设计,在接收端进行自适应检测门限值调整,以提高系统的检测性能.理论分析和仿真实验表明:通过收-发联合优化处理后,系统的估计性能和检测性能都得到明显提高.同时,随着循环次数的增加,目标冲激响应的估计精度越来越高,使得发射波形也越来越逼近最优波形,估计检测概率和虚警概率也越来越逼近各自的真实值,从而在提高系统性能的同时也保证了决策的可靠性.     

一种基于传感器网络的认知蜂窝网模型

文中针对未来的蜂窝通信服务提出了一种具体的基于传感器网络的认知蜂窝网模型，并对网络各部分的功能进行了深入分析．该模型能充分的利用现有蜂窝网的基础设施并发挥认知无线电解决频谱资源紧张的特点，具有广泛的应用价值．     

基于物理的GaAs MESFET模型参数计算

根据材料性能和物理结构参数近似计算 Ga As MESF ET等效电路模型参数 ,并给出等效电路参数随物理参数的变化曲线。     

认知引擎中决策方法的研究

认知无线电(Cognitive Radio,CR)技术通过智能的频谱管理来解决频谱资源"短缺"问题,它能够感知到授权用户的空闲频谱,并有效地加以利用,从而减少与授权用户的冲突。现有无线电参数调整策略无法根据环境变化和用户需求进行智能调整,认知引擎中的决策方法能够解决该问题。遗传算法(Genetic Algorithm,GA)和二进制粒子群算法是实现认知引擎决策的典型算法,在对2种算法进行了介绍之后,仿真比较了2种算法在性能方面的差异。