超宽带粒子群多路径选择算法

在多用户超宽带通信系统中,多路径的选择严重影响系统的信干噪比(SINR).针对这一问题,提出了基于离散粒子群的多路径选择算法(SMCA-DPSO).该算法将DPSO应用于UWB系统SRAKE多路径选择问题中,从而达到加快收敛速度,提高寻优效果的目的.最后与传统算法、放宽约束算法、遗传算法等进行了比较,结果表明,SMCA-DPSO在SINR、收敛速度、寻优效果等方面都有显著提高.     

非视距环境下基于粒子群的超宽带定位算法

将智能算法应用到无线传感器网络定位技术中是一种全新的尝试,粒子群算法是其中的一种典型算法.根据超宽带(UWB)定位原理,建立基于粒子群算法的定位模型,在非视距(NLOS)环境下,利用NLOS误差导致的附加时延和由信道决定的均方根时延扩展的联合统计特性,进行NLOS误差补偿,在迭代过程中采用线性递减的惯性权重,粒了群通过不断追踪个体极值和局部极值,更新自身的位置与速度,从而找到全局最优解,仿真结果表明正确率达90％以上.     

基于粒子群算法的混洗蛙跳算法

基于模因进化的演化算法是一种模拟自然界生物进化或社会种群活动的随机搜索方法。本文介绍一种基于新的智能搜索算法——混洗蛙跳算法的改进演化算法。对SFLA算法和PSO算法的基本原理进行阐述,为了更好地改进SFLA算法局部搜索能力差、收敛速度降低,将粒子群优化算法（PSO）与混洗蛙跳算法（SFLA）相结合,提出一种改进的混洗蛙跳算法（SFLA）,能够提高算法的局部搜索能力和稳定性。该算法比上述两种算法具有更好的性能,特别是对函数优化等问题计算效果更好。     

粒子群优化算法研究

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的,用于解决优化问题的一类新兴的随机优化算法。本文首先介绍PSO算法的基本原理和工作机制;然后介绍粒子群优化算法的优化策略,包括提高收敛速度﹑算法离散化﹑提高总群多样性;最后对其将来的发展进行了展望。     

基于粒子群优化算法的自动机制设计

机制设计是在代理自私行为的基础上寻找博弈规则,获得满意结果的理论和方法。传统的机制设计是手工完成的,Conitzer和Sandholm提出了自动机制设计的方法,把机制设计作为优化问题,并且用线性规划来解决。在本文中,我们提出了使用粒子群优化算法来实现自动机制设计,并对离婚案问题获得了较好的结果。     

基于量子粒子群算法的收敛性研究

对基于量子行为的粒子群算法(QPSO)的收敛性进行分析.QPSO算法不仅参数个数少,随机性强,并且能覆盖所有解空间,保证算法的全局收敛性.通过四个经典的基准函数对算法进行测试,将QPSO算法与PSO算法进行深入比较.通过实验结果表明.QPSO算法在收敛性能上大大优于PSO算法.     

基于混沌搜索的粒子群优化算法

粒子群优化算法(PSO)是一种有效的随机全局优化技术。文章把混沌优化搜索技术引入到PSO算法中,提出了基于混沌搜索的粒子群优化算法。该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高的算法的收敛速度和计算精度。仿真计算表明,该算法的性能优于基本PSO算法。     

基于量子粒子群优化算法的车辆路径问题

针对粒子群优化算法的搜索空间有限、容易出现早熟现象的缺陷,提出将一种基于量子行为的粒子群优化算法用于求解车辆路径问题.车辆路径问题是组合优化问题中的NP-难问题.将量子粒子群算法用于车辆路径问题求解,用粒子的位置表示车辆路径,建立车辆路径的数学模型.与粒子群算法相比,量子粒子群算法提高了最优路径搜索的成功率,能更有效的求解问题.     

基于粒子群优化算法的聚类分析

基于求解实优化问题时粒子群算法优于遗传算法这一事实,在基于遗传算法的K-均值聚类算法的基础上,给出了一种摹于粒子群优化算法的聚类方法。实验结果显示,基于粒子群优化算法的聚类方法在收敛速度方面明显优于基于遗传算法的聚类方法。     

基于梯度粒子群算法的细菌觅食算法

针对细菌觅食算法在优化过程中环境感知能力较弱且容易陷入局部极值的缺陷,将梯度粒子群算法的基本思想引入细菌觅食算法中,改进原算法的收敛速度和收敛能力,并据此提出了基于梯度粒子群算法的细菌觅食算法GPSO-BFA。该算法既利用了细菌觅食算法出色的全局搜索能力,又借助梯度粒子群算法的快速局部寻优能力,很好地将两者的优势结合在一起。基于六个高维Benchmark函数的实验结果显示,该算法在收敛速度和精度方面都优于其他四种细菌觅食算法。     

超宽带Rake接收机结构的研究

超宽带信号在室内密集多径环境下会产生严重的时间弥散,信号的传输性能将会下降,Rake 接收是提高超宽带接收机性能的重要手段。然而如何确定接收机的叉指数目成为接收机设计过程中的关键问题。基于 IEEE802.15.3a 室内超宽带多径信道模型,采用二进制相移键控(BPSK)调制方式时,选用最大比合并(MRC)方式对 Rake 接收机的超宽带通信系统的性能进行了仿真。仿真得出了最佳的合并叉指数目,结果表明在最佳的合并叉指数目情况下的系统性能较其他叉指数目情况下的系统性能更为优越,验讧了选取此叉指数目的有效性。此方法大大有利于 Rake 接收机的设计。     

基于粒子群优化的高光谱影像端元提取算法

回顾了粒子群算法的基本原理,分析了端元提取算法的两种技术途径。利用粒子群优化的原理,结合凸面几何学理论和线性光谱混合模型,设计了一种粒子群优化端元提取算法,并设计了算法的快速实现方法。该算法不需要假设影像中存在纯像元,同时保持了端元光谱的形状。利用模拟数据和AVIRIS影像对该算法、SGA算法和NMF算法进行实验对比分析,实验结果证明该算法的端元提取精度优于其他二者。     

PSO and APSO for optimizing coverage in indoor UWB communication system

This article presents a method for determining the required number and locations of transmitting antennas (TXs) to optimize wireless propagation coverage in an indoor ultra wideband (UWB) communication system. In the coverage prediction model, we use the three‐dimensional ray‐tracing technique associated with a particle swarm optimization (PSO), and asynchronous particle swarm optimization (APSO) for optimizing the TXs location in an indoor environment. The three‐dimensional ray tracing and optimization algorithm was applied in indoor environment to find the best location of the TXs by maximizing the power in the coverage area. A deployment is proposed to minimize the TXs and maximize the power in the coverage area. Simulation results illustrate the feasibility of using the integrated ray‐tracing, and optimization methods to find the optimal transmitter locations in determining the optimized coverage of a wireless network. The APSO has better optimization results compared to the PSO and numerical results also show that the APSO outperforms the PSO in convergence speed. © 2012 Wiley Periodicals, Inc. Int J RF and Microwave CAE, 2013.     

Rough set and PSO-based ANFIS approaches to modeling customer satisfaction for affective product design

Facing fierce competition in marketplaces, companies try to determine the optimal settings of design attribute of new products from which the best customer satisfaction can be obtained. To determine the settings, customer satisfaction models relating affective responses of customers to design attributes have to be first developed. Adaptive neuro-fuzzy inference systems (ANFIS) was attempted in previous research and shown to be an effective approach to address the fuzziness of survey data and nonlinearity in modeling customer satisfaction for affective design. However, ANFIS is incapable of modeling the relationships that involve a number of inputs which may cause the failure of the training process of ANFIS and lead to the ‘out of memory’ error. To overcome the limitation, in this paper, rough set (RS) and particle swarm optimization (PSO) based-ANFIS approaches are proposed to model customer satisfaction for affective design and further improve the modeling accuracy. In the approaches, the RS theory is adopted to extract significant design attributes as the inputs of ANFIS and PSO is employed to determine the parameter settings of an ANFIS from which explicit customer satisfaction models with better modeling accuracy can be generated. A case study of affective design of mobile phones is used to illustrate the proposed approaches. The modeling results based on the proposed approaches are compared with those based on ANFIS, fuzzy least-squares regression (FLSR), fuzzy regression (FR), and genetic programming-based fuzzy regression (GP-FR). Results of the training and validation tests show that the proposed approaches perform better than the others in terms of training and validation errors.     

多模式GNSS接收机的数字AGC电路设计

设计了一款应用于GNSS接收机的快速数字自动增益控制电路(AGC),该AGC电路采用三级增益控制算法实现快速稳定的增益收敛,对2 bit及以上ADC具有很好的普适性。电路仿真了增益收敛速度和稳定度以及有带内连续波干扰情况下不同量化精度的信噪比性能,结果表明所设计电路可以很好地满足性能要求。     

PSO-based intelligent integration of design and control for one kind of curing process

In this paper, a PSO-based intelligent integration of design and control is proposed for one kind of nonlinear curing process. This method combines the merits of both fuzzy modeling/control and PSO method, where fuzzy modeling/control is proposed to approximate/control the nonlinear process in a large operating region and the PSO-based intelligent optimization method is developed to solve non-convex and non-differential integration problem with design and control optimized simultaneously. Finally, the proposed method is compared with the traditional sequential method on controlling the temperature profile of a nonlinear curing process.     

基于粒子群优化的立体管状织机引纬系统

为满足立体管状织机中引纬机构和开口机构的严格运动配合关系要求,设计了一套数字化控制的自适应引纬系统。系统基于伺服电机通过减速机构,同步带轮和齿轮柱等机构驱动引纬梭子运动,利用编码器实时获得位置信号,通过微控制器STM32F407进行控制。运用自适应控制算法,以时间乘绝对误差积分准则为精度标准,引入粒子群优化算法迭代寻优,实现了系统控制参数的自整定。研制的系统经长期运行证明可保证立体管状织机引纬机构和开口机构的同步控制要求,能很好满足立体管状织造要求。     

双群体随机微粒群算法

以保证全局收敛的随机微粒群算法为基础,文章提出了一种双群体随机微粒群算法——DB-SPSO。该方法采用两个群体同时进化,一个群体在进化过程中所出现的停止微粒由另一群体的微粒来代替,并和此群体中其余的微粒一起继续进化。通过对此算法的参数适用范围及收敛率进行讨论,给出了此算法的适用范围。其仿真结果表明:对于单峰函数和多峰函数,此算法都能够取得较好的优化效果。     

一种动态改变学习因子的简化粒子群算法

基本粒子群优化算法(basic particle swarm optimization,简称bPSO)具有容易陷入局部极值,进化后期熟练速度慢,精度低等缺陷,而简化粒子群算法(simple particle swarm optimization,简称sPSO)在保证了熟练速度和精度的同时舍弃了速度项,使算法更加简练。本文提出了一种动态改变学习因子的简化粒子群算法。经过实验证明,该算法在寻优精度和收敛速度上具有明显的优势。     

二阶微粒群算法

为了提高标准微粒群算法的全局收敛性,提出了一种新的微粒群算法——二阶微粒群算法.首先,介绍了二阶微粒群算法的引入,分析了其收敛性,并且研究了其参数的选择范围.其次,在分析二阶微粒群算法的进化方程的基础上,引出了具有随机惯性权重的标准微粒群算法.再次,在二阶微粒群算法中加入振荡因子来调整微粒的速度变化率,更好地使二阶微粒群算法收敛于全局最优.最后,利用这几种改进方法对典型测试函数进行仿真,实验结果表明,这些方法能够有效克服早熟问题,在全局收敛性和收敛速度方面均优于标准微粒群算法.