CDMA系统粒子群多用户检测算法

Kennedy和Eberhart提出的粒子群优化算法(PSO),作为一种新的并行优化算法,在解决多维和非线性的复杂问题中,性能优良且算法简单易于实现。本文对二进制粒子群优化算法进行改进,并将其应用于DS-CDMA通信系统的多用户检测中,提出了基于矢量的二进制粒子群多用户检测器(V-BPSO-MUD),同时提出了两种高效实用的多用户检测器:基于矢量的串行二进制多用户检测器(VS-BPSO-MUD)及基于矩阵的二进制多用户检测器(M-BPSO-MUD)。仿真结果表明,PSO多用户检测器充分利用了粒子群优化算法的优良特性,性能明显优于传统的CDMA检测器,接近无多址干扰情况。     

混合粒子群优化算法在CDMA系统多用户检测中的应用

针对粒子群优化算法易早熟的问题,提出了一种混合粒子群优化算法(HPSO)。首先在算法中采用惯性权重的分段递减策略,以提高算法的全局搜索能力;然后在算法后期,引入拉伸技术剔除比局部极值大的点,缩小搜索空间,使算法能及时跳出局部最优从而加速收敛,最后提出了基于HPSO算法的多用户检测器。仿真结果表明在信噪比相同的条件下,该多用户检测器的误码率和抗远近效应性能更接近于最佳多用户检测器,有效解决了码分多址通信系统中的多址干扰问题。     

基于进化算法的多用户检测器

粒子群算法PSO遗传算法(Particle Swarm Optimization)是由Kennedy和Eberhart于1995年提出的一种新的进化算法,PSO能够以一种更简便、快速的方式来完成和遗传算法(GA)一样的功能。本文在PSO算法思想的基础上提出了两种新的多用户检测算法: BEP(Binary Evolution Programming)算法, BPSO(Binary PSO,BPSO)算法。分别基于这两种算法构造了新的多用户检测器。仿真结果表明,这两种新的多用户检测器的抗误码性能比传统多用户检测器和基于遗传算法的多用户检测器都好,并且新的检测器的收敛速度明显比遗传算法检测器快。     

基于改进的自适应克隆选择粒子群优化算法的多用户检测

为了提高多用户检测技术的性能，改善粒子群算法的局部搜索能力，将克隆选择算法（CS）和传统离散粒子群算法（DPSO）相结合，文中提出一种改进的自适应克隆选择粒子群优化算法（ACSPSO），并用于多用户检测。仿真证明，这种基于ACSPSO的检测器在误码率和收敛速度上都比DPSO和CS得到明显改善。     

量子行为粒子群算法在图像恢复中的应用

遗传算法等智能搜索技术避免了图像恢复方法中存在的较多约束和计算量过大的问题,但遗传算法存在“过早收敛”现象。作为一种新的智能优化算法-量子行为粒子群优化算法,在全局收敛性和稳定性上有较好的表现。文章提出了一种基于量子行为粒子群算法的图像恢复方法,并与基于标准遗传算法的图像恢复进行了比较。仿真结果表明,该算法可使图像恢复结果和效率得以较大的改善和提高,具有推广应用价值。     

基于离散粒子群算法的CDMA多用户检测方法

研究了离散粒子群算法，并将其应用于CDMA多用户检测问题，提出一种基于离散粒子群优化算法的CDMA多用户检测的方法。该方法应用一种新的选择和分区搜索的策略，改进搜索的质量和效率。分析以及实验仿真表明该方法具有计算复杂度低且可以得到较好误码率性能的特点，为寻求新的多用户检测方法提供了思路。     

一种基于蚁群算法的CDMA多用户检测方法

提出一种基于蚁群优化算法(ant colony optimization algorithm)的CDMA多用户检测(MUD)的方法。该方法在基本蚁群算法的基础上，应用一种新的相遇和搜索分区的策略，来解决最佳多用户检测的组合优化问题，可提高搜索的质量和效率，通过分析以及仿真表明，该方法具有多项式的计算复杂度，并可以得到较好的误码率性能，为寻求新的多用户检测方法提供了思路。     

基于和声搜索和模式探测移动的混沌鱼群算法

鱼群算法是一种群智能优化算法,寻优效果良好,但后期易产生陷入局部极值;混沌搜索全局搜索能力强,能跳出局部极值,但局部搜索能力不强。为了提高算法的全局搜索能力和搜索精度,文中提出一种基于和声搜索和模式探测移动的混沌鱼群算法,在鱼群寻优过程中利用混沌搜索的遍历性使其摆脱局部极值,同时用模式探测移动、和声搜索来提高搜索精度。仿真结果表明,该算法比基本鱼群算法和混沌鱼群算法的搜索精度更高,收敛速度更快。     

一种新的数字调制信号分类特征选择算法

针对调制信号分类特征选择问题,提出了自适应惯性权重模拟退火二进制离散粒子群算法。该算法将模拟退火算法嵌入到离散粒子群算法循环体中,利用模拟退火算法具有较强的局部搜索能力和避免陷入局部最优解的特点,解决了简单智能优化算法早熟收敛和局部搜索能力弱等问题。仿真结果表明,该算法能有效选取最优特征,性能优于简单离散粒子群算法和遗传算法。     

基于改进遗传算法的多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.     

一种基于改进的遗传算法的块匹配运动估计方法

块匹配方法(Block Matching Algorithm,简称BMA)是目前广泛使用的运动估计方法,但该方法的最大缺点是容易陷于局部最优,这主要是由搜索模式决定的。而遗传算法(Genetic Algorithm,简称GA)是一种具有广泛适应性的全局最优的搜索算法。将块匹配方法的局域性搜索与遗传算法的全局性搜索结合起来,本文提出了一种基于改进的遗传算法的块匹配运动估计方法。实验证明,该方法的平均绝对误差(MAE)接近全搜索(FSS),优于三步法(TSS),而运算量相对较低,接近三步法。     

基于人工鱼群算法的IIR数字滤波器设计

将人工鱼群算法（AFSA）用于IIR数字滤波器设计，建立了相应的优化模型，给出了简化的人工鱼群算法及其实现步骤。最后，将该算法用于低通、带通IIR数字滤波器的设计，并与粒子群算法进行了比较。仿真结果证明了AFSA的有效性，并且具有算法灵活、简单，全局收敛性好。收敛速度快的优点。     

一种基于遗传算法的时问表问题求解算法

排课问题是一个多因素的优化决策问题,是组合规划中的典型问题,其属于NP完全类问题。给出了该问题的数学模型。遗传算法借鉴生物界自然选择和遗传机制,使用群体搜索技术,处理传统搜索方法难以解决的复杂的非线性问题。针对时间表问题,提出一种基于遗传算法的解决方法,定义了一个新颖的染色体编码方式,基于该编码,进一步分析并设计出交叉和变异2个遗传操作,运行结果显示该方法可行。     

改进遗传算法在E面波导滤波器设计中的应用

由于遗传算法表现出良好的全局搜索性能,因此本文将其应用于高性能E面波导滤波器的设计中.针对传统遗传算法所存在的局部搜索能力差的缺点,本文在并行遗传算法的基础上,通过将原有群体划分为多个子群体,利用多个子群进行局部极值点的搜索,并利用群间迁徙,使改进后的算法收敛速度平均提高了2~3倍.数值实验表明算法具有较快的收敛速度和较好的全局搜索性能,证明了算法的有效性.     

基于遗传的人工鱼群优化之武装直升机对地攻击火力分配决策

结合遗传算法和人工鱼群算法的优点对武装直升机对地攻击作战的火力分配问题进行研究,建立了火力分配的教学模型,并利用基于遗传算法的人工鱼群优化算法实现武装直升机对地攻击的火力分配.仿真实验结果表明,基于遗传算法的人工鱼群优化算法解决火力分配问题不仅收敛速度快、效果好,而且运行速度快、求解精度高,满足火力分配实时性和准确性的...     

合作式粒子群优化算法

针对粒子群优化(PSO)算法随着维数增加而导致的收敛速度慢,容易陷入局部最优的问题,提出了一种合作式粒子群(CPSO)算法。通过多粒子群不同的组态向量合作,显著改善了标准算法的早熟问题。利用标准测试函数对CPSO算法、协同进化遗传算法(CCGA)、遗传算法(GA)、PSO算法进行比较测试,结果表明,CPSO算法在多个基准优化问题方面显示了较佳性能。     

一种结合遗传算法和钻石搜索的多模式快速运动估计方法

为了解决视频编码中运动矢量搜索精度与速度的矛盾,本文提出了一种基于遗传算法(GA)和钻石搜索(DS)的多模式快速运动估计方法——MMS算法.它以图像序列的时空预测矢量作为图像活动剧烈程度的判据,自适应选择搜索模式.针对平缓运动类型使用快速的DS搜索模式,针对剧烈运动类型使用GA/DS联合搜索模式.与现有的次优解快速算法相比,MMS有效地解决了在大运动矢量情况下编码器性能下降的问题,可以从整体上提升编码器的性能,接近理想的全搜索法的结果;与其它直接利用GA进行全局优化的方法相比,MMS利用DS配合GA实现加速收敛.此外,通过引入多模式处理的概念,在保证搜索精度的同时,充分发挥了次优解算法的效率,整体编码速度与DS等快速算法的结果十分接近.这一方法为有效地解决运动估计中的矛盾问题提供了一个新的处理框架.实验结果验证了算法的性能.     

基于PSO算法的系统可靠性优化分析

提出了将粒子群优化算法(Patticle Swarm Optimization Algorithm,PSO)用于求解系统可靠性优化问题,建立了系统的可靠性模型,分别采用遗传算法(Genetic algonthm,GA)和PSO算法进行了优化仿真,结果表明采用PSO算法和GA算法都能实现系统可靠性优化,但是相比之下PSO算法的计算精度和求出最优解的概率更高,需较少的迭代次数,能更稳定的求解最优解,而且没有求解早熟的弱点,因此PSO算法更适合于系统可靠性优化。     

量子遗传算法在多输出Reed-Muller逻辑电路最佳极性搜索中的应用

量子遗传算法是一种融合量子计算和遗传算法优点的智能算法,常用于求解组合优化问题.本文给出多输出RM(Reed Muller)逻辑电路最佳极性搜索方案,将量子遗传算法应用到多输出固定极性RM电路逻辑优化中.针对量子遗传算法易陷入局部极值的缺陷,结合群体灾变思想,提出一种基于量子遗传算法的多输出RM逻辑电路最佳极性搜索算法.最后对多个大规模PLA格式基准电路测试表明：该算法与基于遗传算法的最佳极性搜索相比,在优化能力、寻优性能和收敛速度等方面都有不同程度的提高.