基于PSO-LR的多输入多输出系统预编码方案

为了提高多输入多输出系统的通信质量、降低误码率,针对格基约减(Lattice Reduction,LR)算法格基优化的难题,提出一种粒子群算法优化格基约减的多输入多输出系统预编码方案(Particle Swarm Optimization-LR,PSO-LR)。该方案将初始格基置乱产生粒子群算法的初始粒子群,然后采用粒子之间的信息共享和交流操作产生性能最优的新格基,最后对算法的性能进行理论分析,并通过仿真实验测试其性能。结果表明,相对于同类其它方法 ,PSO-LR算法有效地降低多输入多输出系统通信的误码率,提高了通信质量。     

LTE系统基于格基约减辅助V-BLAST算法

LTE作为以OFDM-MIMO为主要技术特征的第四代移动通信,它的终端信号检测实现比较困难,这就需要一种性能好、复杂度低的检测算法来实现。格基约减是一种在接收端对信道矩阵进行预处理,可以消除子信道间干扰和抑制噪声的增强。本文在已有的格基约减ELLL算法的基础上,提出一种限制条件更为宽松的对角格约减算法(DR)。该算法的计算复杂度要低于ELLL算法。在该算法的基础上,结合传统V-BLAST和K-best算法思想,给出了一种基于格基约减辅助的V-BLAST算法。仿真结果表明,在LTE系统中该算法能够在复杂度较低的情况下,性能更接近ML算法。     

基于OSTBC的MIMO无线信道性能仿真

利用导频插入对瑞利衰落信道进行估计,运用正交空时分组编码和最大似然解码,仿真结果显示：插入导频后的误比特率曲线比没有插入导频的误比特率曲线性能有所提高,随着导频数目的增加,系统的误比特率有所下降。估算方法有效提高了信道估算性能,且运算量增加不大。     

基于矩阵特征值分解的盲SIMO信道识别算法

论文提出了一种有效的基于矩阵特征值分解的多路信道盲辨识算法。与基于预测误差盲辨识方法不同,新的算法不要求输入信号独立同分布,甚至输入信号可以是非平稳的。与最小均方盲辨识算法相比,这种新算法对信道时延阶数估计有更好的鲁棒性。最后实验演示了新算法的有效性。     

基于遗传算法的双旋翼系统的PID控制器设计

双旋翼多输入多输出系统是一套具有复杂非线性和强交叉耦合性的控制系统实验装置,难以进行控制参数的整定。而遗传算法对问题的依赖性小,适合复杂非线性系统的参数寻优。文中利用遗传算法,借助Matlab语言和Simulink仿真模型,实现了双旋翼多输入多输出系统PID控制器的设计。仿真结果表明,该控制器是有效的。     

量子遗传算法优化神经网络的MIMO-OFDM检测研究

信号的最优检测在常规条件下是一NP难解问题,针对RBF（径向基函数）神经网络算法易陷入局部极值和简单遗传算法收敛速度慢的问题,提出一种新型智能算法并将其用于MIMO-OFDM系统信号检测中：该算法将量子计算、遗传算法与神经网络相结合,用量子遗传算法（QGA）优化神经网络初始值。由于QGA给RBF网络提供了较好的初始值,故能够使RBF网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。实验结果表明,该算法能够有效地提高系统的信号检测性能,降低误码率。     

基于遗传算法的双旋翼系统的PID控制器设计

双旋翼多输入多输出系统是一套具有复杂非线性和强交叉耦合性的控制系统实验装置,难以进行控制参数的整定.而遗传算法对问题的依赖性小,适合复杂非线性系统的参数寻优.文中利用遗传算法,借助Matlab语言和Simulink仿真模型,实现了双旋翼多输入多输出系统PID控制器的设计.仿真结果表明,该控制器是有效的.     

基于遗传算法的建筑容积率优化研究与设计

为了自动确定拟建建筑的容积率,提出一种基于遗传算法的最大容积率计算方法,并设计出一套实用软件。求解拟建建筑最佳容积率,是一个NP问题,遗传算法是一种进化优化算法,能够有效地解决这种NP优化问题。所提方法首先计算太阳高度角;然后,由太阳高度角和其他参数,计算拟建建筑的棒影长度;最后,基于日照约束条件,采用遗传算法自动计算拟建建筑的最佳高度,从而进一步计算最佳容积率。满足日照最低要求计算建筑的最佳高度是软件的核心技术。在建筑申报前计算出该地块的建筑最佳高度,进一步计算日照约束下的最大容积率。在建筑申报前,该系统能够计算出地块建筑最佳容积率,提高了建筑设计的科学性和便捷性,也为建筑行业设计提供一种良好设计方法。     

基于遗传算法的多QoS约束服务选择

为了实时提供满足客户QoS需求的组合Web服务,提出了一种快速稳定的基于遗传算法的多QoS约束服务选择算法.首先根据基于QoS约束的组合服务选择问题的数学模型,提出了一个较为合理的数据预处理过滤方法以缩小搜索空间,然后使用遗传算法的思想构造算法,并在实验的基础上确定各项参数,最后使用新的算法完成可行解搜索.实验结果表明,与传统的整数规划算法相比,新算法具有运算速度较快、可满足实时性要求,并且在问题规模扩大时具有良好的可扩展性等特点.     

基于叠加训练序列的MIMO信道估计算法

针对提高无线信道的传输性能,提出了改进的基于叠加训练序列的MIMO信道估计算法。利用训练序列与信息序列的不相关特性,在没有带宽损失的情况下初步估计出信道参数;然后利用加权因子对信道参数在相邻信号段之间进行加权平均,得到最终的信道参数。与以往的叠加训练序列估计方法比较,利用算法具有更低的估计均方误差,且适用于时变信道。通过计算机仿真结果表明,估计方法提高了信道传输精度和性能。     

基于遗传算法的多方法协作优化方法

采用遗传算法、模式搜索法和Powell法进行多方法协作构成多方法协作优化方法,进行多方法协作优化方法的结构设计,分析多方法协作优化方法的优化性能。实例证明了多方法协作优化方法相对于遗传算法的优越性。     

一种基于遗传算法的属性约简算法

在基于Rough集理论的知识发现过程中,减小属性约简复杂度问题是重要研究内容之一。该文分析了基于遗传算法的约简算法,提出了一种在优化初始群体基础上提高算法性能的遗传约简算法。     

基于混沌遗传算法的PID参数优化

随着计算机技术的飞跃发展和人工智能技术渗透到自动控制领域,各种先进PID控制器参数整定方法层出不穷,给PID控制器参数整定的研究带来了无限活力和契机;然而很多先进的PID参数整定方法并没有像预期的那样产生完美的控制效果.将遗传算法和混沌优化方法智能集成,利用混沌序列的"遍历性、随机性、规律性"的特点生成初始种群,在遗传操作中加入混沌细搜索,大大提高了局部搜索能力,能有效防止遗传算法陷入局部最优和发生早熟现象,仿真表明,混沌遗传算法优化结果相当理想,效果令人满意,优于常规的遗传算法.     

基于遗传算法的QoS路由优化算法

研究了带宽、时延等QoS路由问题,提出了一种基于遗传算法的QoS路由选择优化算法。算法采用网络资源消耗和负载分布为目标函数,目的是在消耗网络资源最小的基础上,使负载均衡分布,合理利用网络资源,降低网络拥塞。仿真结果表明,该算法是有效的、稳定的。     

一种基于遗传算法的信道感知顺序设计

认知无线电中,认知用户必须不断对待选频段进行扫描以发现可用频谱用来通信。在感知能力有限的现实环境下,认知用户逐一进行信道的感知带来的问题是,感知信道越多,耗时越长,用于通信的时间就越短。所以合理设计感知顺序将是非常关键的技术。对该问题进行了全面的分析和建模,相比前人工作又引入了空闲概率和信道容量等因素,但是该问题变成了NP难问题。为了在多项式时间内求解该问题,使用了遗传算法。不仅设计了详细的算法过程,使用了精英保留等多种加速算法收敛的技术,而且重点对交叉算子进行了研究,提出了3种可行的交叉算子:单点交叉、多点交叉和编码交叉。在仿真分析中比较了遗传算法和全搜索算法的复杂度和准确度,同时以平均吞吐量和最大吞吐量为准则,对3种交叉算子进行了仿真比较,验证了编码交叉算子的相对优越性。     

基于改进遗传算法的信道估计方案

为了提高通信系统信道估计的准确率,同时适应更大的数据量,进行更加复杂的数据计算,引入神经网络的方法进行信道估计,采用了BP和RBF神经网络进行实验对比,与传统信道估计方式相比有明显提升;在此基础上,进一步提出基于改进遗传算法优化的 RBF 神经信道估计方法,目的是帮助确定 RBF 网络的隐藏层参数, 使得网络的参数趋于全局最优解,信道估计器的性能从而得到提升。经过 MATLAB 仿真,改进后的RBF神经网络可以更好地解决信道估计问题,验证了此方法的可行性。     

基于遗传算法的多信道无线网络信道分配方案

在传统单信道无线网络中,多节点同时传输时彼此间的干扰会使吞吐量降低.为解决该问题,提出一种改进的自适应遗传算法用于信道分配.在进化过程的前期执行固定参数的遗传操作,后期执行自适应遗传操作,采用新的交叉方式,即将染色体按适应值大小分成2组,从各个组中随机选取染色体进行交叉运算,使得整个染色体种群的适应值向最优解逼近,并在生成子代时使用父子竞争机制.仿真结果表明,该算法能有效避免标准遗传算法容易早熟和局部收敛的缺点,收敛速度快且容易逼近最优解,并能降低网络冲突.     

基于改进遗传算法的神经网络优化方法

为了克服神经网络反向传播算法收敛速度慢,易陷入局部极小值,初始权值和阈值的选择缺乏依据,具有很大随机性等缺陷,采用基于自适应遗传算法的神经网络优化方法,方法结合了两者的优点,但是仍存在种群早期进化速度慢的缺点,于是提出了一种改进的自适应遗传算法,将其应用于神经网络的权值和阈值的优化设计中,并将此模型用于对某城市污水厂难测参数SVI的预测.仿真结果表明,算法不仅可克服BP算法的缺陷,而且与BP和GA-BP网络模型比较,大大提高了收敛速度与收敛精度,获得了良好的测量效果.     

基于粒子群算法的无线信道资源分配算法研究

为了 最大化 多媒体无线信道资源分配的网络效用,提出了一种新的基于粒子群算法的信道时间分配算法。该算法能够优化分配给网络内每个设备的时间,以便为每位网络用户 提供最优化的服务质量(QoS)。所提算法结合了多样性增加函数以及基于个体最优值的学习方法,并基于自适应粒子群算法进行了改进,在持续增强QoS的同时加快了收敛速度。在多达40个设备的千兆网络环境内对所提算法进行了测试。实验结果表明,提出的算法能够大大提升资源分配能力,尤其是在网络规模较大的情况下。     

基于进化遗传算法的优化计算

针对经典遗传算法在优化计算中存在的弊端,提出进化遗传算法.在染色体基因位编码方式、交叉与变异算子、适合度函数设计、候选解染色体选取方式及收敛准则等方面做了改进.通过对极难优化的Shekel类函数等的优化计算,说明该算法具有良好的全局搜索能力和较快的收敛速度.