基于博弈论的二次博弈波束成形算法

针对波束成形算法中,用户的信号方向估计值和用户之间的功率分配存在着相互矛盾,本文提出了一种基于博弈论的二次博弈波束成形算法,构建了波束成形博弈算法数学模型,首先在第一次博弈的时候,将波束成形算法中的信号方向和功率分配映射为博弈论数学模型中的局中人,将其建模为函数的极大极小值求解问题,先求解出信号方向;然后在第二次博弈的时候,将不同用户的功率分配过程描述为一个多用户的博弈过程,设计了功率分配更新算法,通过数学推导论证了纳什平衡点的存在性和唯一性。最后在仿真中,与传统最大信噪比算法进行比较。结果表明该文算法的性能要优于最大信噪比算法,并且讨论了不同参数对该文算法的影响。     

基于博弈论的多小区OFDMA系统资源分配

立足于限制条件下实现多小区OFDMA系统容量最大或总传输功率最小的优化问题,比较分析了近年来提出的多种基于博弈论的资源分配算法。分析了纳什均衡点存在和唯一的条件,通过引入定价机制或虚拟裁判机制,使得到的解收敛于纳什均衡点。最后,探讨了联合中继节点或MIMO技术的多小区OFDMA系统资源分配算法,该算法能有效提高频谱效率,将成为未来研究的热点。     

探讨博弈论及其在企业管理及商战中的应用

博弈论是研究各方策略相互影响的条件下．理性决策人的决策行为的一种理论。凭着其强大的理论优势,经过半个多世纪的短暂发展,已经发展成为经济学领域中一门重要的学科。经过由纳什均衡理论向进化博弈理论的发展,博弈论的理论体系日益成熟．地位不断提高,并对个人、企业、国家之间的关系发展有巨大的指导作用。文章介绍了博弈论的两个经典范例．并描述了企业中对博弈论的应用。     

多宇宙并行量子遗传算法

提出了一种多宇宙并行量子遗传算法,并从理论上证明了算法的全局收敛性.算法中将所有的个体按照一定的拓扑结构分成一个个独立的子群体,称为宇宙;采用多状态基因量子比特编码方式来表达宇宙中的个体;采用通用的量子旋转门策略和动态调整旋转角机制对个体进行演化;采用量子非门实现量子变异以阻止早熟收敛;各宇宙独立演化,宇宙之间采用最佳移民和量子交叉操作来交换信息,提高算法的执行效率.将该算法与独立分量分析算法相结合,提出一种盲源分离新方法.仿真结果表明:新方法比采用常规遗传算法和量子遗传算法的盲源分离方法具有明显的高效性.     

一种基于改进遗传算法的多播路由选择方法

遗传算法已经在多播路由优化问题中得到了广泛应用,但由于算法本身存在着收敛速度与全局收敛性之间的矛盾,使得在具体应用时经常顾此失彼,难以二者兼得,本文借鉴一种改进的遗传算法,在全局收敛的基础上提高收敛速度仿真表明,应用这种改进型遗传算法于多播路由问题,可以得到比现有启发式算法更好的结果.     

增强Web服务可信性的服务选择方法

应用博弈论方法,建立了基于纳什讨价还价解的服务选择模型,提出了一种增强Web服务可信性的服务选择方法.设计了完全理性的服务双方的讨价还价算法,对服务的价格进行调整,以达到服务请求者与服务提供者双方效用最大化,从而提高交易的成功率和服务的可信性.实验结果表明,在服务提供者与请求者之间就服务质量、信誉、安全等属性进行博弈的基础上作服务选择,能够促进可信服务计算环境的建立,增强服务的可信性.     

蚁群-遗传算法在多传感器多目标跟踪技术中的应用

 本文提出了一种高效的多目标数据关联算法AC-GADA(Ant Colony-Genetic Algorithm Data Association),该算法以蚁群、遗传算法为基础,利用种群差异性使个体携带信息素,构建了全局信息素扩散模型,并引入了交叉变异策略和种群适应度模型.通过大量的实验数据证明,该算法在获得较高关联准确率的同时可以有效地提高关联速度.     

船舶动力定位多传感器闭环分级融合算法

为了改善船舶动力定位多传感器的融合性能,提出了一种多传感器闭环分级融合算法.该算法包括基于卡尔曼滤波的局部和全局两级估计,以全局融合信息的反馈作为局部估计的初始值进行时间更新,定义两级估计的映射关系并引入调节系数,自适应地调节全局融合增益.全局估计融入各局部估计过程中,两级估计组成了一个相互补偿的闭环系统.利用船舶半实物仿真系统的试验,仿真验证了该算法的有效性.     

基于遗传模拟退火算法的DNA多序列比对研究

针对生物信息学中DNA多序列比对问题,提出了一种基于遗传算法和模拟退火算法相结合的求解算法:在遗传模拟退火算法中,利用模拟退火算法针对遗传算子进行改进来提高算法的效率,由遗传算法进行全局搜索,模拟退火算法用于局部寻优,防止遗传算法的早熟收敛。通过与经典比对算法ClustalX和经典遗传算法进行比对研究,结果表明该算法是有效的。     

求解多目标优化问题的GTSPA混合算法

为了有效求解多目标优化问题,文中结合遗传算法、禁忌搜索算法以及粒子群算法的优势,设计了一种新型的混合算法GTSPA,并对所设计的GTSPA混合算法的总体步骤进行了描述.通过从解的质量、算法的收敛性以及算法的复杂度这几方面对算法进行分析,可以发现:GTSPA混合算法是以较大概率收敛于全局最优的,具有很好的收敛性,并且运算相当快、计算复杂度并不高,具有很好的优势.