自适应阵列天线中应用Kalman补偿算法的探讨

为了补偿在自适应阵列天线中应用Kalman算法时,由于模型误差和计算误差所引起的自适应阵列天线性能的损失,本文引入Kalman补偿算法,即自适应Kalman渐消记忆滤波算法及自适应Kalman参量识别滤波算法,获得了有益的结果。最后在上述两种算法的基础上,导出了一种新的算法,该算法具有上述两种算法的优点。     

一种新的整周模糊度快速求解算法

快速求解整周模糊度是利用GPS载波相位进行精确相对定位的关键技术.基于LAMBDA算法和FASF算法,提出了一种新的整周模糊度快速求解算法.该算法充分结合LAMBDA算法和FASF算法的优点,首先运用LAMBDA算法中的空间变换的思想,然后利用FASF算法的模糊度搜索技术,提高了模糊度求解效率.通过对1 km左右基线的相对定位实验表明:算法利用几个历元的数据可以正确地求解模糊度,使基线精度达到亚厘米级.     

人工鱼群算法研究综述

针对近年来人工鱼群算法的文献进行了总结和研究。首先介绍了鱼群算法的基本计算原理;随后,分析了鱼群算法的部分参数对于算法寻优结果的影响,并介绍了鱼群算法的相关改进方法和部分应用成果,指出了鱼群算法未来的改进与研究方向。     

基于蚁群和粒子群的混合光网络路由优化算法

基于蚁群算法和粒子群算法的特性,提出解决光网络路由问题的混合算法。研究了将粒子群算法生成的信息素作为蚁群算法的初始解,然后利用蚁群算法寻找更优解,再由粒子群算法进行变异、交叉操作,得到了"三阶段"的混合算法。仿真结果表明,在解决光网络路由问题时,混合算法比其他几种优化算法效果较好。     

一种改进的隐私保护关联规则挖掘算法

部分隐藏的随机化回答方法是基于关联规则数据挖掘的隐私保护算法,针对该算法在重构频繁项集支持度上的指数级时间复杂度导致算法执行效率下降的不足,采用分治策略和集合运算方法对该算法进行改进,消除重构数据的指数级运算。改进算法降低了算法的时间复杂度并有效提高了执行效率。仿真实验与分析表明了改进算法的有效性。     

基于动态扰动策略的人工搜索群算法

为了提高人工搜索群算法(ASSA)的整体性能,提出一种基于动态扰动策略的人工搜索群算法.为了增加算法的种群多样性,在算法初期,通过Tent映射的混沌策略产生初始种群.结合反向学习策略,算法在进化过程中对种群进行反向学习扰动,从而增加算法跳出局部最优解的可能性.算法采用动态步长的方式,在初期时能够扩大最优解的搜索范围,在...     

树自动机超最小化

提出一种新的树自动机超最小化算法,该算法将确定的树自动机转换为确定的有限自动机,再根据确定的有限自动机划分f-等价类方法及状态合并算法,对转换后的自动机进行超最小化,得到最终具有有限差异的确定的树自动机。通过采用实例算法证实:该算法与现有的确定的树自动机超最小化算法相比,具有过程简单、效率高等优点,是一种高效易用的算法。     

天线选择算法在MIMO系统中的应用比较

介绍了最佳选择、相关性选择和快速选择三种天线选择算法,并将三种算法在信道容量上进行了比较。结果表明,在信道状态、天线数量相同的前提下,三种算法相对于随机选择算法明显增加了MIMO系统容量,其中相关性选择算法在其算法复杂度上体现出的优越性更体现了其实用价值。     

基于单代号网络的银行家算法

通过对银行家算法的分析,提出单代号网络的进程安全状态序列的改进算法-基于单代号网络的银行家算法,并通过具体的示例实现此算法。     

基于量子搜索和高斯变异的MOEA/D算法

在实际应用中,尤其是在研究大规模决策空间的优化问题时,MOEA/D算法容易陷入局部最优。针对此问题,提出了一种基于量子搜索和高斯变异的MOEA/D算法。引入环境迁移模型,将两者进行并联,并且与原算法进行串联,利用量子搜索来提升算法的全局搜索能力,采用高斯变异位置更新方法保证算法的局部搜索能力。同时为了避免算法在迭代后期陷入"早熟"危险,提出了基于邻居位置的量子搜索,通过改变吸引点的生成方式,来加强量子搜索在迭代后期的局部搜索能力。结果表明:改进后的MOEA/D算法与原算法相比,提升了算法的搜索能力,也保证了算法的收敛能力。     

求解装箱问题的遗传算法

本文提出了两种求解装箱问题（ＢｉｎＰａｃｋｉｎｇ）的遗传算法。一种是简单遗传算法,它采用等长度字符代码编码方法,使用常规的遗传操作算子。另一种是混合遗传算法,它综合运用解装箱问题的ＦＦＤ（ＦｉｒｓｔＦｉｔＤｅ－ｃｒｅａｓｉｎｇ）近似算法和简单遗传算法。试算结果表明,由这两种遗传算法所得到的装箱方案较一些近似算法所得到的装箱方案都要好。     

基于工件表达法的遗传算法在车间作业计划中的应用

针对车间作业计划领域的实际情况，本文提出了一种简单快捷的遗传算法编码方式——基于工件表达法，详细讨论了其算法设计及其实现原理。通过基于该编码方式的遗传算法在车间作业计划优化中的应用实例与其他算法结果的比较，证明该编码方式简捷、实用、有效。     

一种新的求解非线性方程组的混合遗传算法

为了解决实际工程中经常遇到的求解非线性方程组的问题,作者提出了求解非线性方程组的一种新的思维,即首先将非线性方程组的数值求解问题转化为最优化问题,然后利用浮点遗传算法全局群体搜索能力及起始搜索速度快的特点,快速得到接近精确解的较优解,之后将其作为拟牛顿法迭代的初始值,利用其局部寻优能力非常强的特点,快速迭代至精确解。该混合遗传算法充分利用了浮点遗传算法与拟牛顿法的各自优点。     

一种基于改进遗传算法的模糊建模方法

针对复杂系统的模糊建模问题，提出了一种改进遗传算法的模糊建模方法。首先在标准的T—S模糊模型基础上，提出了扩展的T—S模糊模型。然后采用改进的遗传算法优化扩展的T—S模糊模型参数和规则数。最后．通过数字仿真结果验证了算法的可行性和有效性。     

复合材料层合结构铺层顺序优化设计的免疫遗传算法

本文利用生物免疫系统对抗体浓度调节原理,提出了一种用于组合优化的免疫选择概率算子,同时考虑了抗体调节加权系数随搜索进行动态变化。对给定的复合材料层压板,以几何因子为优化对象,应用免疫遗传算法进行了铺层顺序的优化。应用四种不同遗传算法,对算例的优化结果进行了统计分析,结果表明:本文算法的成功率高,首次获全局最优解的迭代次数少,并能使种群收敛于全局最优解。     

基于遗传算法的混合威布尔分布参数最小二乘估计

混合威布尔分布模型常用来分析具有多种失效模式的复杂系统的可靠性数据,由于模型中包含较多参数,与单一威布尔分布相比,混合威布尔分布的参数估计更为复杂。利用遗传算法为优化方法,提出了一种混合威布尔分布参数估计的最小二乘方法。以残差平方和最小为优化目标,以各参数取值范围为约束条件,构建了混合威布尔分布的非线性最小二乘优化模型;通过变换决策变量上下限、引入惩罚因子和保存最优个体等策略改进传统遗传算法以提高算法的性能,进而利用改进后的遗传优化算法对混合威布尔分布的非线性最小二乘优化模型进行求解。实例分析表明本文方法有效,利用本文方法计算得到的可靠度估计值与真实值之间的最大偏差和标准均方根误差,相对于图估计法分别减少了0.028 4与0.032 8,相对于极大似然估计法分别减少了0.000 8与0.003 6。     

基于实值编码遗传算法的起重机伸缩臂结构优化

实值编码遗传算法(RCGA)的染色体空间和问题解空间是同一个空间，较好地解决了二进制编码遗传算法(BCGA)存在的求解精度和冗余代码等问题；给出了改进的交叉和变异操作算子；RCGA自然集成工程领域知识．弥补BCGA语义的不足．就实现而言．RCGA可有效继承常规数值算法的代码。因此，RCGA更适合有连续变量的复杂的工程数值优化问题。本文建立了多工况的基于惩罚的RCGA模型用于起重机伸缩臂的优化设计，该模型比常规方法更符合工程实际，优化结果令人满意，证明RCGA在工程设计中有实用意义。     

最小二乘影响系数法的优化改进

阐述了柔性转子高速动平衡的最小二乘影响系数法和加权最小二乘法的基本原理，在此基础上提出了基于遗传算法的最小二乘法，并对考虑平衡质量受限时的最小二乘法进行简化修改后得到了限制配重的最小二乘法。比较分析这几种方法的适用性，进行了算例分析。结果表明，在对平衡配重量及平衡后的残余振动值要求不同时，应该分别采用不同的改进最小二乘法。其中基于遗传算法的最小二乘法，综合了以上改进最小二乘法的适用性，使平衡配重量和残余振动值均达到了优化。     

飞机穿越微下击暴流风切变的智能控制

在应用模糊逻辑建模与辨识方法建立微下击暴流风切变模型的基础上，根据恒定俯仰姿态改出微下击暴流的飞行引导策略，提出了一种改出微下击暴流风切变的模糊反馈控制系统，并将遗传算法应用于该模糊逻辑控制器的设计。结果表明，本文提出的建模方法能够更真实地反映出飞机穿越微下击暴流风场的动态特性；采用模糊逻辑控制器，可使得飞机在穿越微下击暴流风场时具有较好的改出性能；另外，遗传算法的应用对已设计的模糊逻辑控制器进行了优化，进一步改善了飞机穿越微下击暴流的性能。     

改进遗传算法的纵列式直升机总体参数优化设计

研究纵列式双旋翼直升机总体参数的优化设计方法,在分析双旋翼气动干扰对旋翼气动特性影响的基础上,采用改进的遗传算法,以运输效率为目标、以飞行性能和重量效率等参数为约束条件,建立优化设计模型,优化纵列式直升机总体参数。以CH-47D纵列式直升机为优化算例,计算结果表明,本文提出的优化方法是可行的,优化效果良好。