基于知识引导的自适应动态多模态差分进化算法

为充分利用问题求解过程知识,提升动态多模态优化算法的计算资源利用效率,提出一种基于知识引导的自适应动态多模态差分进化算法.首先,利用自组织映射神经网络实现种群自聚类,形成稳定的小生境;然后,通过对种群全局知识和个体邻域知识的综合学习,设计一种基于知识引导的自适应差分进化算法,在对种群进化状态进行实时监测和分析的基础上,逐层递进地引导不同种群个体自适应地选择最符合当前进化需求的变异方式,提升种群搜索效率,平衡种群多样性与收敛性;最后,针对问题动态特性,设计一种基于历史动态过程知识引导的自适应动态响应机制,通过对历史寻优经验的自适应学习,预测生成新环境下的潜在精英个体,引导种群实现精准快速的多峰定位.实验结果表明,所提出算法能够有效解决动态多模态优化问题,且在不同动态环境设置下其求解性能均优于对比算法.     

基于信息微传递机制的粒子群算法

针对粒子群算法易陷入局部最优,导致收敛速度慢、寻优精度不高的不足,提出基于信息微传递机制的粒子群算法(IM PSO).引入信息微传递机制,将整个种群划分为多组多层,每组粒子逐层学习最优信息,防止算法早熟;采用逃离策略,当检测到粒子具有趋同行为时,改变粒子的飞行方向,增强算法寻优能力;使用动态边界化策略,动态缩小粒子的寻优区域,提高算法搜索效率.实验结果表明,IM PSO算法在收敛精度、收敛速度方面优于其它6种算法.     

差分群时延条件下基于恒模算法的模式解复用技术

为了改善存在差分群时延(Differential group delay,DGD)情况下模式复用系统的解复用性能,采用基于恒模算法(Constant modulus algorithm,CMA)的MIMO均衡器对2×2模式复用系统的输出信号进行了解复用,利用CMA更新迭代MIMO均衡器的抽头系数。仿真结果表明,该算法能够成功实现带有串扰和时延的信号解复用,并且具有很好的收敛性。在系统信噪比大于18.25 d B时,系统误码率均能达到10-5量级,满足通信系统的要求。     

基于场景知识的移动目标检测

依据背景差法中背景建模的思想,从提取场景知识的角度出发,建立待检测场景的场景知识库,从而提出一种基于场景知识的移动目标检测算法。使用改进的均值漂移算法对待检测场景进行分割,并提取分割后各个区域的底层视觉特征建立场景知识库;从新的场景帧图像中获取各区域的知识特征向量,然后根据和原场景知识库中各特征向量的匹配结果检测出移动目标信息。仿真结果表明,该方法能有效地检测出场景中原有目标和新进入场景目标的移动信息,并在一定程度上改善了目标阴影、形变等噪声对检测结果的干扰。     

模式群分集复用系统中发送端信号光入射条件的优化

针对模式群分集复用(MGDM)系统运算量大和硬件 实现困难的问题。通过在发送 端选择最佳的入射偏芯距和高斯光尺寸对信号光入射条件的优化,最大限度降低系统的码间 干扰(ISI)和信道串扰(ICI)的程度。在不进行电色散补偿的情 况下,实现了两路10 Gb/s信号在多模光纤(MMF)中有效传输400m, 误码率(BER)低于10－3。     

基于少模光纤布拉格光栅的模分复用系统实验研究

本文提出了一种基于少模光纤布拉格光栅(Few-mode FBG)的模分复用通信系统,阐述了基于少模光纤布拉格光栅的模分复用/解复用原理,建立了2×2的模分复用实验系统,分别利用LP01和LP11模作为独立信道,实现了1.25 Gbps和622Mbps两路伪随机序列(PRBS)的10km传输实验,给出了传输后的眼图,分析了当激光器波长为1549.228nm时,实验系统的误码特性.实验验证了基于少模光纤布拉格光栅的模分复用通信系统的可行性,为进一步实现长距离高速率的模分复用通信奠定了实验基础.     

自适应多策略花朵授粉算法

针对花朵授粉算法极易陷入局部最优解且寻优精度不高的问题,提出自适应多策略花朵授粉算法(self-adaptive flower pollination algorithm with multiple strategies,SMFPA)。利用锚点策略提高种群的多样性,采用摄动策略改善全局勘探能力,采用局部搜索增强策略提升其开采最优解的能力。为验证SMFPA的性能,比较5种算法在解决12个测试问题上的寻优结果,实验结果表明,在寻优速度以及寻优精度方面,SMFPA算法表现更优。通过比较算法在管柱设计问题上的寻优结果,进一步评估SMFPA的寻优性能。     

含风电及电动汽车的多目标电力系统调度

为应对风电的迅速发展及电动汽车的规模化应用给电力系统调度带来的新挑战,在风电的威布尔随机描述及电动汽车分层调度策略的基础上,以污染排放最低及燃料费用最小为优化目标,构建含风电及电动汽车的电力系统多目标动态环境经济调度模型。该模型综合考虑系统功率平衡、系统网损、旋转备用、车主出行需求、电池特性等约束以及车网能量互动行为。同时,提出改进的基于非支配排序的多目标差分进化求解算法,并针对模型特点以及多重约束条件,提出决策变量行列转换方法和基于动态调整的约束处理策略。最后,以6机组系统并结合4种场景进行研究,通过对新能源接入的动态调度管理,验证所提模型的合理性及算法的正确性。     

基于集成约束无人机两步制航迹规划方法

无人机航迹规划是一个富含地形威胁、雷达威胁和自身可飞性等多约束的优化问题.采用两步制的规划框架,提出一种基于集成约束的无人机航迹规划方法.规划第1阶段采用基于多种群策略的差分进化优化方法,规划第2阶段采用海洋捕食者算法的Lévy运动优化;集成约束机制在搜索过程中动态更新约束策略来补偿可行解数量骤减,抑制搜索停滞.与典型算法和约束处理策略进行对比,实验结果表明,所提出无人机航迹规划方法收敛性好、稳定性强,能够有效地求解复杂多约束无人机航迹规划问题.