粒子群算法优化神经网络结构的研究

针对BP神经网络初始权阈值确定的随机性和隐含层节点数的不确定性,通过利用十进制粒子群优化算法（DePSO）和二进制粒子群优化算法（BiPSO）,同时优化神经网络的初始权阈值和结构。通过粒子群优化算法首先确定一个较好的搜索空间,然后在这个解空间里利用BP算法对网络进行训练和学习,搜索出最优解。通过函数拟合数值实验对该模型来进行训练和测试,相比其他算法,该模型可以获得较高的预测精度,结果表明该方法是可行的。     

计算表面波特征方程的一种新的数值方法

推导了同轴线馈电的微带天线表面波电磁场表达式及其特征方程.结合遗传算法与参数跟踪策略形成一种新的算法,并基于该算法对表面波特征方程进行了精确数值求解,求解结果与本问题的已有结论吻合的很好.该方法具有简单、通用、求解精度高等优点.     

微波近场成像检测乳腺癌及其微波热疗

介绍了微波热疗机理及人体乳房组织的电磁特性，指出微波近场成像检查乳腺癌的优势及其发展历程，并提出微波诊断和微波热疗在乳腺癌检测和治疗中应用的可能发展方向。     

电磁领域中复超越方程的遗传算法求解方法

将遗传算法与参数跟踪策略有效结合,跟踪过程中进行搜索域压缩与位移操作,形成了一种功能强大的新算法,可成功应用于电磁领域中各种各样复超越方程的高精度求解问题.在算法实现过程中,使用参数跟踪策略有效地缩小了搜索区域,保证了解的单一性,提高了运算速度;使用动态搜索域提高了解的精度;应用三阶差商公式预估新的搜索中心,使运算速度得以进一步提高.应用本文发展的算法详细求解了终端短路法测量材料的复介电常数时得到的复超越方程和部分填充矩形波导的特征方程,计算结果表明该算法能够轻松地解决复超越方程中的多值问题,解集完备性好,算法鲁棒性强.     

基于CUDA的并行粒子群优化算法研究及实现

应用图形处理器(GPU)来加速粒子群优化(PSO)算法并行计算时,为突出其加速性能,经常有文献以恶化CPU端PSO算法性能为代价。为了科学比较GPU-PSO算法和CPU-PSO算法的性能,提出用"有效加速比"作为算法的性能指标。文中给出的评价方法不需要CPU和GPU端粒子数相同,将GPU并行算法与最优CPU串行算法的性能作比较,以加速收敛到目标精度为准则,在统一计算设备架构(CUDA)下对多个基准测试函数进行了数值仿真实验。结果表明,在GPU上大幅增加粒子数能够加速PSO算法收敛到目标精度,与CPU-PSO相比,获得了10倍以上的"有效加速比"。     

风驱动优化的共享孔径方向图综合

针对共享孔径阵列天线,基于一种新型的全局优化算法——风驱动优化,提出了一种新的共享孔径方向图综合方法。首先,设计两阵列相邻阵元的间距约束条件,将两个子阵波束图的最高旁瓣电平作为优化目标。然后,在约束公式条件下,先后确定子阵1和子阵2阵列单元的初始坐标,通过利用风驱动算法优化两子阵单元坐标位置来降低旁瓣电平,实现不同频率的共享孔径阵列天线设计。最后,通过与粒子群算法和传统SMI算法对比,验证了该算法在共享孔径方向图中的可行性和有效性。     

基于射频隐身的采样周期和辐射功率控制方法研究

为进一步提高雷达的射频隐身能力,合理分配相控阵雷达的工作参数,在目标跟踪时,对雷达的采样周期和辐射功率控制方法进行研究。首先,根据目标运动状态的不同,对雷达采样周期与辐射功率自适应设计方法进行分析,在满足系统跟踪性能要求的前提下,建立了控制参数的优化模型;然后,利用粒子群算法优化自适应采样周期和自适应辐射功率等参数,有效地降低了跟踪性能误差,提高了雷达系统的射频隐身性能。与传统的雷达采样周期和辐射功率算法进行了仿真比较,结果表明所提的算法取得了较好射频隐身效果。     

基于量子粒子群改进算法的直线阵综合

提出了一种基于反向学习机制的改进量子粒子群算法,采用反向学习机制增加种群的多样性,使搜索效率有了较大的提高,有效地避免了算法早熟收敛。应用这种改进算法成功地实现了直线阵的方向图综合,三个实例仿真结果证明了本文改进算法求解此类问题的有效性。     

一种基于相异度的接收天线选择算法

对于多输入多输出系统天线选择算法而言,穷尽搜索算法能够达到最优的性能,但包含较多矩阵运算,计算复杂度较高。而传统基于相关度和相似度的天线选择算法虽具有较低计算量,但损失了较大的容量性能。针对这一问题,以容量性能为目标,提出了基于相异度的接收天线选择算法,分析了不同相异度下所提选择准则对系统性能的影响。与传统相关度和相似度天线选择算法相比,所提算法有效降低了计算复杂度,改善了系统的容量性能,仿真结果表明:所提算法具有较好的系统性能,适用于实时通信系统。     

基于射频隐身的采样间隔和功率设计

研究了雷达跟踪时的采样间隔和功率自适应设计问题。依据交互多模型跟踪算法和协方差控制的方法,提出了目标跟踪时自适应采样间隔的设计方法。该方法对所跟踪的目标设定期望跟踪精度,从采样间隔序列中选择符合期望精度的采样间隔,使得采样间隔最大化;在恒定检测概率的前提下,根据目标远近、雷达散射截面积大小,给出了辐射功率的自适应控制方法。仿真结果证明了文中方法的有效性。