基于克隆选择算法的天线方向图综合算法

基于克隆选择算法的唯相位天线方向图综合算法在应用中需要加权值的模值是已知的,而实际中会有需要解决方向图的加权值模值并不已知的问题。为了提高基于克隆选择算法的唯相位天线方向图综合算法的应用自由度,研究了将天线各阵元所接收信号加权值的模值与相位同时进行编码的算法。算法仿真结果表明,加入模值编码的算法能够应用于任意形状的方向图综合问题,为算法在实际中的应用提出了一定的理论基础。     

基于改进QPSO算法的阵列天线方向图综合

 针对传统智能方法在方向图综合中易于早熟和局部寻优能力不足等缺陷,在基于量子位概率幅编码的量子粒子群优化算法(QPSO)的基础上,设计一种进行收敛停滞检测,并对粒子选择性变异的新量子粒子群算法,然后将其应用于阵列天线方向图综合.仿真结果表明,在多零点和低旁瓣约束情况下新算法均可以取得良好的优化效果,而且该算法相对于近邻粒子群算法(NPSO)和免疫克隆选择算法(ICSA)来说,在方向图综合中精度更高,速度更快,具有很好的推广能力.     

WMN中基于免疫算法的QoS路由研究

无线Mesh网络的路由技术是影响网络性能的一个关键问题。针对无线Mesh网络的QoS多约束路由算法难于找到最优路径的问题,提出了一种基于免疫算法的路由算法,利用免疫算法的寻优能力,实现了无线Mesh网络QoS多约束条件下的最优路径选择,并与基于遗传算法的路由算法进行了比较。实验结果表明,利用免疫算法获得满足QoS要求的最佳路径时,不容易陷入局部最优,且收敛速度快,性能优越,更符合无线通信实时性的要求。     

基于模糊相关机会规划的机会阵雷达方向图综合

研究了机会阵雷达的方向图综合问题,提出了一种基于模糊相关机会规划的方向图综合算法.该算法基于可信性理论,综合考虑天线单元分布的随机性以及工作状态的不确定性,以模糊变量来刻画天线单元参与方向图综合时的复杂不确定环境,建立方向图综合的规划模型.并结合模糊模拟算法和遗传算法设计了一种混合智能优化算法,用于求解该模型,仿真实验验证了所设计算法的有效性和稳定性.     

免疫克隆分类算法

本文提出了一种新的数据挖掘分类方法——免疫克隆分类算法（Immune Clonal Algorithm for Classification，ICAC）．ICAC是一种基于免疫克隆算法的搜索机制和Michigan方法模型的规则提取和分类方法．与遗传分类算法不同，ICAC是一种自下而上的分类算法．ICAC虽然着眼于规则的进化，但是从编码到免疫算子的设计都立足于训练样本，可避免进化过程中产生无意义规则，且产生的规则是可解释的．文中将算法用于UCI数据集，并与现有的基于非遗传算法、遗传算法和分布式遗传算法的分类方法进行了比较实验．结果表明，ICAC是一种有效的分类算法．     

基才一种QPSO算法的阵列天线方向图综合

方向图综合技术是智能天线中的一项关键技术。由于采用普通粒子群算法存在着易于早熟和局部寻优能力不足等缺点．为此本文提出一种基于量子位概率幅编码QPSO算法的阵列天线方向图综合技术,即在方向图综合中,QPSO算法采用量子位对粒子当前位置进行编码,用量子旋转门实现对粒子最优位置的搜索,用量子非门实现粒子位置的变异以避免早熟。实际应用表明基于量子位概率福编码QPSO的方向图综合技术是切实可行的,在多零点和低旁瓣约束情况下均可以取得良好的优化效果,具有很好的推广能力。     

阵列天线的遗传算法综合

提出了一种基于排序的实数码遗传算法并用于阵列天线的方向图综合。该算法对简单遗传算法的编码方式、选择策略、交叉和变异操作进行了改进,使搜索效率有了很大的提高,有效地避免了早期收敛。在实例设计中体现出优良特性,获得了比有关文献更好的结果。     

基于免疫克隆与核匹配追踪的快速图像目标识别

为了避免核匹配追踪通过贪婪算法在基函数字典中寻找一组基函数的线性组合来逼近目标函数的计算量大的缺陷,本文利用免疫克隆选择算法全局最优和局部快速收敛的特性,加快对核匹配追踪算法每次的匹配过程进行优化,提出了一种免疫克隆核匹配追踪图像目标识别算法,该算法有效降低了核匹配追踪算法的计算量,对UCI数据集和遥感图像进行的仿真实验结果表明,相比标准核匹配追踪,该算法保持相当识别率情况下可以明显缩短一次匹配追踪的时间,尤其当字典规模较大时效果更为明显;同基于遗传算法优化相比,本文方法目标识别速度快,精度高。     

免疫克隆选择算法的参差MTI滤波器设计

传统的遗传算法设计参差MTI滤波器的方法存在早熟、多样性下降等问题。针对上述问题,提出一种新的搜索最优参差码的方法,该方法是以免疫克隆选择算法为基础,经过克隆、重组、变异及选择操作,将个体竞争与种间协作相结合,并根据局部特征信息以一定程度干扰全局并行搜索进程。仿真实验结果表明,该方法可有效地避免种群退化的问题,且能够快速收敛到全局最优点,设计滤波器的第一零点深度提高了1.7dB以上。     

基于遗传算法的低频不规则天线阵综合

低频天线工作波长长,辐射性能受载机影响大,且阵列布局受限于安装环境极不规则,从而造成副瓣电平抬高和方向图恶化,传统的阵列综合方法将难以适用,文中采用遗传算法并结合载机影响来优化,以实现所期望的平均副瓣。作为一种优化算法,它能解决一些N维和非线性的优化问题。首先,给出了任意阵列的方向图公式;其次,介绍了遗传算法;最后,给出了应用实例及其优化结果。结果表明,该算法是一种解决多维和非线性问题的行之有效的方法。     

基于遗传优化的天线阵元LMS改进算法

最小均方（LMS）算法是自适应阵列天线中得以广泛应用的阵列天线加权算法。提出了一种基于遗传优化的LMS改进算法,该基于遗传优化的最小均方（GA—LMS）算法充分结合了遗传算法的并行处理和全局搜索的优点。实验结果表明,与传统的LMS算法相比,GA—LMS算法具有良好的收敛性能,并可更好地抑制干扰信号,有效改善自适应阵列天...     

基于Memetic算法的SAR图像变化检测

提出了一种无监督SAR图像变化检测算法,利用数据聚类思想,通过进化算法寻找最小均方误差,得到变化检测结果.在原有Memetic算法基础上,针对图像自身特点,提出全新的搜索策略并根据当前检测结果动态调整局部搜索算法,实现了粗细结合的搜索过程.算法不受分布模型限制,不需要先验知识,适用性较强.将改进的算法与GA、ICSA及原MA进行比较,实验证明,该算法可以快速收敛.对真实SAR图像进行检测,可以得到较好的检测结果.     

多通道SAR图像滤波的向量总变分模型

提出了一种无监督SAR图像变化检测算法,利用数据聚类思想,通过进化算法寻找最小均方误差,得到变化检测结果.在原有Memetic算法基础上,针对图像自身特点,提出全新的搜索策略并根据当前检测结果动态调整局部搜索算法,实现了粗细结合的搜索过程.算法不受分布模型限制,不需要先验知识,适用性较强.将改进的算法与GA、ICSA及原MA进行比较,实验证明,该算法可以快速收敛.对真实SAR图像进行检测,可以得到较好的检测结果.     

基于遗传算法的智能天线波束形成

为降低智能天线方向图旁瓣电平,加深干扰方向零点深度,提出一种改进的实数编码遗传算法。该算法基于人类的繁殖现象,改进了标准遗传算法的交叉算子,从而克服了标准遗传算法收敛速度慢,易陷入局部最优等问题,提高了优化效率。在仿真实验中,以均匀直线阵为例,用改进的遗传算法对阵元激励的幅度进行优化,形成的方向图获得了更好的结果。     

平面阵子阵级自适应波束形成方法研究

利用遗传算法(GA)将大型阵列划分为非均匀邻接子阵,以主旁瓣比作为适应度函数,并对遗传操作增加约束条件,得到具有栅瓣抑制能力的子阵结构。为进一步抑制平面阵俯仰和方位上的高旁瓣,对平面阵进行两级子阵划分,使平面阵方向图在俯仰和方位上均具有良好的主旁瓣电平比;为消除非均匀子阵结构各子阵通道噪声功率不同对子阵级自适应波束形成算法的影响,通过对阵列协方差矩阵进行奇异值分解、重构特征子空间,提出了基于特征空间重构的子阵级自适应波束形成方法。仿真结果表明了该方法的可行性与有效性。     

阵列方向图综合的一些方法

介绍了几种常用的阵列方向图综合方法。切比雪夫阵列在指定的副瓣电平下主瓣宽度最窄,在指定的主瓣宽度下副瓣电平最低;相位控制技术通过控制阵列各单元的相位实现波束的指向变化;最后介绍了遗传算法并利用遗传算法优化了8元线阵,将其相对副瓣电平抑制到了-50dB。     

一种改进变异算子的混合遗传算法

分析了遗传算法传统变异算子的缺陷,为解决遗传算法搜索效率低下及早熟收敛的问题,设计了一种融合遗传搜索和模式搜索的混合遗传算法。理论分析与实验仿真结果表明,所给出的混合遗传算法是有效的,在收敛速度、精度和稳定性方面均有明显的提高。     

应用于贴片机贴装顺序优化的遗传算法的比较和改进

元件贴装顺序优化是决定贴片机生产效率的关键问题,传统的解决贴装顺序优化问题的方法有遗传算法,蚁群算法,SS(伞布搜索法)等。使用较多的还是遗传算法。遗传算法中包含选择算子、交叉算子、变异算子,且编程思想简单,但容易出现局部最优,过早收敛等情况。在此,通过对遗传算法在贴装顺序优化应用的结果比较找到一种更适合的遗传算法,使之拥有较快的收敛速度和全局优化性。     

求解旅行商问题的改进混合蛙跳算法

混合蛙跳算法（Shuffled Frog Leaping Algorithm,SFLA）是解决组合优化问题的有效方法,’但是应用于TSP问题时,由于SFLA没有充分利用最佳个体的优良信息,导致收敛速度太慢。文中把遗传算法（Genetic Algorithm,GA）的交叉和变异引入SFLA,提出了一种针对旅行商问题（Traveling Salesman Problem,TsP）的改进混合蛙跳算法（Improved Shuffled Frog Leaping Al—gorithm,ISFLA）。应用于TSP的实验结果表明：ISFLA的收敛速度明显高于SFLA,同时优于GA和简单翻转算子。ISFLA不仅表现出了更快的收敛速度,而且能有效地缓解局部早熟收敛。