Catmull-Rom几何样条在曲面设计中的应用

本文讨论了Ｃａｔｍｕｌｌ—Ｒｏｍ样条族中的几何连续的Ｃａｔｍｕｌｌ—Ｒｏｍ样条的构造、算法,性质及（Ｇ１,Ｋ＝１）Ｃａｔｍｕｌｌ－Ｒｏｍ样条曲面和（Ｇ２,Ｋ＝２）Ｃａｔｍｕｌｌ－Ｒｏｍ样条曲面的算法,并给出了应用实例。     

基于改进离散差分进化算法的测试选择

针对武器装备系统的测试选择问题,首次提出利用基于混合策略的离散差分进化算法(MD-DDE)进行测试选择;重新定义种群中个体的含义,根据其容易陷入早熟的特点,引入自适应变化的缩放因子和交叉因子;采用混合差分策略,进一步平衡了算法的全局寻优和收敛速度的矛盾;在选择操作的基础上突出了优先级的特点,使结果更具应用价值;通过实例和离散粒子群算法进行了对比,验证了该算法的有效性。     

均匀圆阵MIMO雷达中的DOA估计新算法

当前多输入多输出(MIMO)雷达波达方向(DOA)估计的研究均以传统算法为依托,无法估计具有循环平稳特性的信号的波达方向。因上述一类信号广泛运用于信号处理领域,为改进传统算法,提出了一种基于循环统计量的MIMO雷达DOA估计新算法,均匀圆阵可进行360度全方位、无模糊的方位估计,可同时提供方位角和俯仰角信息,并在均匀圆阵中进行了新算法的理论推导,实现了在非平稳信号环境中对俯仰角和方位角同时估计。     

逼近X-样条在字型设计中的应用

本文给出了逼近X－样条的构造算法、南及其在字型设计中的应用;并给出了用逼近X－样条设计的两个字型实例。     

多目标人工蜂群算法研究

人工蜂群算法是一种模仿蜜蜂采蜜行为的新兴群体智能算法.本文在人工蜂群算法的基础上采用多目标进化算法中的Pareto非劣排序和个体密度值的概念并借鉴粒子群算法,引入全局最优解记录全局最优位置,提出了一个基于Pareto占优的多目标人工蜂群算法.最后验证了算法的可行性.     

基于动态P混沌与动态非线性的PSO算法

为解决粒子群优化算法易于陷入局部最优问题,提出2种方法并行改进惯性权重。对比平均值差的粒子,用所设计的动态P混沌映射公式调整惯性权重,在复杂多变的环境中逐步摆脱局部最优,动态寻找全局最优值。对好于或等于整体适应度平均值的粒子,用所提出的动态非线性方程调整惯性权重,在保存有利条件的基础上逐步向全局最优处收敛。2种方法前后相辅相成、动态协作。实验结果证实,该算法在不同情况下都超越了同类改进算法。     

基于布尔型粒子群优化算法的网络编码优化

针对布尔型粒子群优化算法存在容易陷入局部极值和收敛速度慢的缺点,提出一种带扰动因子的自适应调整惯性权重和学习因子取1概率的布尔型粒子群优化算法,并把这种改进的布尔型粒子群优化算法用于网络编码的优化以得到具有最小编码边的编码方案.对两个人工拓扑进行优化得到的结果表明,基于布尔型粒子群优化算法最小化编码边方案的收敛速度和精度都优于基于遗传算法最小化编码边的方案的速度和精度,能有效用于网络编码的优化.     

一种基于改进型模糊层次分析法的装备维修策略

针对层次分析法（Analytic Hierarchy Process,AHP）在确定权重方面存在的不足,引入三角模糊数（Triangular Fuzzy Number,TFN）以确定权重,建立新的层次分析法模型,并以实例进行了验证。通过与标准层次分析法进行比较的结果表明,改进后的层次分析法能处理决策者不确定或模糊的判断,但子元素较多时计算量大,还有待进一步优化。     

一种新的改进粒子群优化方法

为解决粒子群优化算法易于陷入局部最优问题,提出了两种新方法并行修改粒子群优化算法惯性权重：对好于或等于整体适应度平均值的粒子,用动态非线性方程调整惯性权重,在保存相对有利环境的基础上逐步向全局最优处收敛;对比平均值差的粒子,用动态Logistic混沌映射公式调整惯性权重,在复杂多变的环境中逐步摆脱局部最优,动态寻找全局最优值。两种方法前后相辅相成、动态协调,使两个动态种群相互协作、协同进化。实验结果证实：该算法在不同情况下都超越了同类著名改进算法。     

基于均匀十字阵的幅相误差自校正算法

针对实际应用中普遍存在的幅相误差扰动问题,结合子空间类波达方向估计算法,基于均匀十字阵列,提出了一种幅相误差的自校正算法。均匀十字阵列可分解为两个相互垂直的均匀线性阵列,利用均匀线阵接收数据协方差矩阵的结构特点对幅相误差进行初步估计,计算出波达方向的初始估计值,通过迭代方法得到更精确的估计值,自校正方法不需要任何参数初始值,实现比较简单。仿真实验验证了算法具有良好的误差校正效果,能够比较准确地估计出信源的波达方向角和阵元的幅相误差值。