宽带天线设计中自然树生长竞争算法的并行化

实现了模拟自然树生长的竞争算法的并行化,并用该算法设计了一种新型树形结构宽带天线.该天线的-10dB带宽达73%,在“元谋-IV”Beowulf集群系统10个节点上,并行效率达82.7%,从而验证了并行算法的有效性.     

交叉粒子群算法及其在天线设计中的应用

目的 为了求解解析性质差的复杂优化问题,提出了一种新的交叉粒子群算法.方法 该算法将全局邻域粒子群算法与局部邻域粒子群算法交叉使用,并采用适应度距离比确定局部邻域粒子群算法的速度更新策略.结果 提高了粒子群算法粒子的搜索能力.结论 该算法用来解决六边形阵列天线问题,取得了满意的效果.     

并行进化算法及其在航空工程优化问题中的应用

提出了用于加速气动力形状优化过程的分级型Nash基因算法．分级型算法可以看作是并行基因算法的特例，后者使用了互相联系但独立进化的子群的概念．本文在并行基因算法中引入多层分级拓扑结构以提高算法的收敛性．这种拓扑结构混合使用不同精度的模型，低精度模型用于探索搜索空间，高精度模型用于对准优解进行提纯．将此方法与Nash博弈相结合，构造了多目标优化算法，并应用于气动力优化问题．针对喷管反设计问题与多段翼型高升力优化问题，在计算机集群并行环境下进行了计算，结果表明本文的算法具有较高的加速收敛特性．     

智能天线结合并行干扰消除技术在DS-CDMA检测中的应用

多址干扰是影响码分多址系统性能的码分多址系统多址干扰的方法,二者各有其特点及不足之处.就如何将它们结合起来以实现更好的接收性能作出了探讨.在自适应波束形成中,采用了基于到达角估计的ESPRIT算法;在干扰消除中,采用了软输出判决的多阶并行干扰消除器.     

用于3G系统智能天线的设计

根据我国提出的3G系统标准(TD-SCDMA)的技术规范，提出了一种用于3G系统基站的智能天线的设计方案，在设计中引入了智能天线的概念，采用了圆形阵列结构形式，利用优化算法和矩量法相结合的方法对阵元及阵列的性能进行了优化设计，并且对设计方案进行了系统仿真分析．仿真结果符合设计指标要求，从而证明了设计方案的可行性．该方案的提出对于指导3G系统中智能天线的设计工作具有指导意义．     

序列比对算法的并行化研究与应用

针对生物信息序列比对的动态规划算法介绍了基于并行前缀的比对算法和并行化思路.     

SPMD型程序的自动并行化

介绍了基于共享变量的ＳＰＭＤ型程序自动并行化模型,给出了从串行源程序生成以ＥＰ８６０并行计算机系统为运行环境的并行程序源程序的过程,并详细讨论了一些关键技术和实现方法．     

基于并行粒子群优化算法的预失真器设计

高功率放大器是无线通信系统中非线性失真的主要来源之一. 数字基带预失真技术能有效地降低系统非线性失真,提高系统传输性能. 采用Hammerstein模型作为预失真器的模型结构,通过粒子群优化算法(particle swarm algorithm, PSO)估计预失真器系数,解决了梯度算法无法直接估计Hammerstein模型系数和易陷入局部极值等问题. 通过对PSO算法进行并行优化设计,使算法最大加速度比达3以上,加快了算法处理速度. 仿真结果表明新算法能够有效抑制系统带外频谱再生现象,减小相邻信道功率比(ACPR)达25 dB.      

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

GROMOS96分子动力学模拟的并行优化算法

介绍了流行的分子动力学软件GROMOS96中的MD算法 ,分析了制约GRO MOS96性能的原因 ,并提出一种优化的算法 ,将邻域原子搜索的时间复杂度从O(N2 )降低到O(NlogN) ;同时并行化了GROMOS96算法 ,并进一步在国产曙光并行机上开发了基于MPI的软件 ,证实了性能的改进     

连续变量函数全局优化算法—列队竞争算法

提出了一种全局优化搜索新算法——列队竞争算法．算法在模拟进化过程中,始终保持着独立并行进化的家族,通过家族内部的生存竞争和家族间的地位竞争这两种不同的竞争方式,使群体快速进化到最优或接近最优的区域．根据家族的目标函数值大小排成列队,并按家族在列队中的地位不同获得不同的竞争推动力,使得各个家族在列队中的位置发生动态的变化,从而使得局部搜索与全局搜索达到均衡．数值计算结果表明,列队竞争算法具有在复杂搜索空间内迅速搜索到最优解的能力     

遗传算法在低副瓣天线阵综合中的应用

应用遗传算法进行低副瓣天线阵的综合。针对低副瓣天线阵综合的特点,通过构造适当适应度函数,大大减少了计算量,通过对适应度函数进行非线性变换,增强了遗传算法的搜索能力,由于遗传算法固有的稳并行性、鲁棒性和简单易行等特点,提高了计算效率,可以获得全局最优解,并且收敛稳定,获得了良好的结果。     

改进鲸鱼优化算法及其在混流U型装配线平衡问题的应用

为提高鲸鱼优化算法的寻优效果和求解稳定性,通过改进算法的种群初始化、局部搜索、越界处理方法和收敛因子,提出一种改进的鲸鱼优化算法 。 采用基于切割法的均匀设计种群初始化方法,改善算法初始种群的均匀性;通过引入基于NEWUOA算法的局部搜索算子,提高算法的局部搜索能力;在算法的越界处理方面,提出一种基于环形区间和随机波动的方式,降低算法陷入局部最优的可能;引入了非线性收敛因子和自适用权重,均衡算法的局部和全局搜索,并进一步增强搜索的精细度。通过7个单模态、多模态以及固定维度的基准测试函数进行了数值仿真实验,验证了改进的鲸鱼优化算法相较于遗传算法、鲸鱼优化算法以及其他改进的鲸鱼优化算法,在寻优效果和求解稳定性方面具有优越性。 针对混流U型装配线平衡问题,考虑最小化装配线的节拍时间,将改进的鲸鱼优化算法用于问题求解;在解码阶段,设计一种基于阈值的解码方法,优化工序的分配过程;最后计算了21个混流装配线算例,结果表明,改进的鲸鱼优化算法在20个算例中求得了更优解,相较于其它算法,节拍时间平均降低3.02%。     

一种新型钻石形超宽带天线的设计与实现

设计一种新型钻石形超宽带天线,该天线印刷在介电常数为4.4的FR4介质板上,尺寸为26mm×24mm×0.8mm.设计过程中对天线辐射贴片进行两次优化,并利用阶梯化接地板的方法对天线进行优化.实验结果表明,该天线可在2.0~14.5GHz内实现电压驻波比VSWR≤2的带阻特性,相对带宽为151%,且具有结构简单和小形化等优点,可应用于各种超宽带(UWB)系统中.     

蚂蚁算法及其在机械优化设计中的应用

在蚂蚁算法基本原理的基础上,通过引入蚁群更新、沿途搜索等策略,对算法进行了改进. 用C语言设计了蚂蚁算法程序,通过典型优化设计问题进行了验证,并给出了机械优化设计实例. 实例表明,改进后的蚂蚁算法全局收敛能力强,程序运行可靠.     

多边形填充扫描线算法在行切刀具轨迹生成中的应用

推广应用了计算机图形学中的多边形填充扫描线算法的基本思想,解决了在机械零件型腔加工中生成行切刀具中心轨迹时,快速准确稳定地求行切扫描线与型腔轮廓边界交点的问题,建立了完整的适应实际情况且容易编程实现的数据结构和算法流程,并经实例证明是切实可行和有效的.     

基于PSO-PTS算法的E形双频微带天线设计

为了能处理复杂的电磁优化问题,从粒子群优化算法（PSO：Particle Swarm Optimization ）的原理出发,通过对算法收敛性以及算法局限性的分析,改进了粒子群的性能,并结合参数跟踪策略（PTS：Parameters Tracking Strategies）及动态搜索域形成一种新的混合算法--PSO PTS混合算法。给出了PSO-PTS混合算法的基本理论、数学模型和步骤,并利用该方法对E形双频微带天线进行了模拟实验。仿真结果表明,该方法可有效地缩小PSO算法搜索区域,保证了解的单一性,提高了运算速度和解的精度。利用该方法设计的天线可有效地实现小型化的要求。     

改进的粒子群算法在分形天线中的应用

针对基本粒子群算法初始种群的盲目性、搜索过程中粒子多样性丧失的问题,提出了一种自适应混沌差分粒子群算法,该算法提高了种群粒子的多样性,具有更快的搜索速度和更高的求解精度。利用自适应混沌差分粒子群算法优化设计了一款小型化多频微带分形天线,这对于实际工程应用具有一定的指导作用。     

遗传算法及其在桁架优化设计中的应用

阐述了遗传算法的特点和实现方法。针对遗传算法在优化进程中易陷入局部最优解的弱点，采用保护优良个体和改变参数设置的措施，通过桁架优化设计的例子加以证明。使遗传算法的搜索速度和能获得全局最优解的可靠性有所提高。     

双边装配线平衡的启发式算法

针对目前研究较少的双边装配线平衡问题,分析、研究了双边装配线平衡的特点,建立了问题的数学模型,并提出一种有效的启发式算法.在该算法中,采用基于位置的任务分配策略,运用多个启发式规则,如具有操作方位约束的任务将被优先分配,来进行任务的选择与分配;通过综合考虑E型任务在装配线双边的状况,确定其分配的具体方位,最大化E型任务的调节作用.大量实例运算结果表明,该算法具有较好的性能.