改进自适应遗传算法的性能分析

遗传算法存在未成熟收敛和收敛速度慢等不足之处,传统的自适应遗传算法虽能有效提高算法的收敛速度,却难以增强算法的鲁棒性。文中提出的改进的自适应遗传算法,提高了其搜索能力,具有更快的收敛速度和更可靠的稳定性,达到了预期的效果。     

一种新的修正恒模算法

阐述了恒模算法(CMA)、修正恒模算法(MCMA)和判决引导(DD)算法的基本原理。针对CMA和MCMA收敛速度慢,固定步长条件下收敛速度和剩余误差之间存在矛盾的缺陷,在分析CMA误差特性的基础上,利用DD算法误差函数的模值和判决器输出构造新的误差函数,提出了一种新的变步长MCMA。新算法在加快收敛速度的同时保持小的剩余误差。仿真结果表明,新算法比CMA和MCMA收敛速度快,均衡输出剩余码间干扰(ISI)小而且能克服相位偏移,具有很好的实用性。     

云环境下对遗传蚁群算法的改进研究

本文对于常见的遗传蚁群算法,根据云计算环境,提出了智能化的编码方案,过滤掉冗余编码,并把最短完成时限写进适应函数,在算法初始阶段过滤掉不符合时间要求的调度方案,并在蚁群算法中进行了双重收敛加速,并考虑到了负载均衡。实验证明,本算法取得了较好的效果。     

机动车辆装载问题的一种混合遗传算法实现*

针对货物装载地和运送目的地均已确定情况下的车辆装载问题,给出了基于遗传算法求解的数学模型,并对基本遗传算法的各个算子针对问题的特点提出了改进方法,同时引入启发式策略,形成了一种混合遗传算法.该算法的特点是各个算子都以提高算法收敛速度和解的最优性为目标,同时种群大小是动态变化的,以求在保证群体多样性的同时加快收敛速度.实验结果表明,该算法对求解此类问题是有效的.     

基于收敛-约束原理的岩质隧道初衬安全系数计算

以越岭公路岩质隧道为研究对象,构建隧道围岩与支护结构的安全系数.首先,基于围岩开挖后二次应力场的空间效应,确定隧道模型的边界条件、尺寸要求及应力条件.结合实际的隧道工程施工工艺,建立具备开挖支护功能的隧道三维数值模拟研究模型,以该模型作为研究隧道开挖与支护结构耦合分析的基础.基于数值模拟计算,分别构建围岩收敛曲线及纵向变形规律曲线.其次,建立隧道围岩与支护系统的收敛-约束图,并基于收敛-约束原理建立岩质隧道初衬安全系数求解方法.最后,通过案例分析,详细展示上述过程.结果表明该安全系数法可以量化表征围岩开挖与支护过程中的隧道安全性问题.同时,若以安全系数为量化分析指标,则能够对隧道施工工艺进行优化.     

一种可实现的仿射组合自适应滤波算法

为了进一步改善自适应算法收敛速度和稳态偏差的性能,在对仿射组合滤波器自适应算法性能分析的基础上,提出了一种新的组合参数更新公式,该更新公式中的固定系数改为与子滤波器输出相关的函数,使仿射组合自适应滤波算法可以更好地实时跟踪子滤波器的性能变化。仿真结果表明,基于新组合参数更新公式的仿射组合自适应滤波算法与基于理想组合参数更新公式的仿射组合自适应滤波算法性能一致,同时具有快的收敛速度和低的稳态偏差,且对子滤波器步长变化具有良好的跟踪性能。     

基于局部自适应先验MRF模型的快速BP图像分割算法

针对常规MRF分割模型不能有效描述图像的局部特征、常导致图像的过分割现象,提出了一种局部自适应先验的MRF模型。该模型利用图像的邻接区域信息建立了一种局部自适应特征MRF模型。基于提出的模型,建立了一种具有快速收敛策略的区域BP算法对MRF模型的区域消息进行传递,有效解决了区域BP算法的计算量大的问题。实验结果表明,与常规区域BP算法相比,提出的分割方法具有更快的分割速度和精度。     

基于决策者与带扰动因子的布谷鸟算法

针对布谷鸟算法在解决优化问题中存在收敛速度慢、求解精度低等缺陷,提出一种基于决策者和带扰动因子相结合的布谷鸟优化算法。算法引入最高决策者加快收敛速度,在迭代过程中对鸟窝位置带入扰动因子提高寻优精度。通过6个典型的标准测试函数对算法进行验证,实验表明,该算法在对布谷鸟算法的收敛速度和求解优化问题精度方面有较大改进,是一种有效的寻优算法。     

基于DNA遗传优化的正交小波常模盲均衡算法

在上行多用户中继网络中,针对中继协作波束成形与多天线基站联合优化的问题,本文提出了两种不同的但是具有一定相关性的设计方法。在第一种方法中,考虑在接收端SINR约束的情况下,使中继节点总功率最小化;在第二种方法中,研究在中继节点满足一定功率约束的情况下,使接收端SINR最大化。研究发现,基站线性接收器的最优权值矩阵决定于中继节点加权向量,进而可将多变量优化的复杂问题转化为单一变量优化问题。原问题进而可转化为半正定规划问题,可以用内点法方便的解决。仿真结果表明,与通过迭代运用凸优化求多向量的方法相比,该方法性能更优。     

基于螺旋搜索机制的行星搜索算法

螺旋搜索机制的全局搜索能力强,广泛用于萤火虫算法及鲸鱼搜索算法,但其收敛速度慢,收敛精度低,局部搜索能力较差。通过改变收敛范围较小时的搜索模式,提出了局部螺旋搜索来提高其局部搜索能力,并引入变异操作提高其局部搜索能力,提出了行星搜索算法。通过对单峰及多峰值测试函数对该算法进行验证。结果表明行星搜索算法在收敛速度、搜索精度及局部搜索能力等方面较粒子群算法、萤火虫算法及鲸鱼搜索算法等有明显提升。