基于混沌扰动的改进布谷鸟算法

针对布谷鸟算法存在收敛速度不够快、求解精度不够高的问题,应用混沌扰动,给出基于混沌扰动的改进布谷鸟算法(CCS),使用3个基准测试函数对改进后的算法进行仿真实验,实验结果证明改进后的布谷鸟算法相对改进前的算法有较快的求解速度和较高的求解精度.     

基于粒子群算法的数值积分方法研究

提出了一种基于粒子群算法的不等距节点数值积分方法.该方法初始时在积分区间内任意选取一定的节点,通过粒子群算法优化这些节点,最后得出比较精确的积分结果.本算法计算精度高,对被积函数要求低.数值积分算例验证了本算法的有效性和正确性,因此在工程实际中具有一定的参考和应用价值.     

NURBS模型间二次散射场的计算与应用

 采用物理光学方法计算电大目标散射场时,模型间的二次散射场需要单独考虑.本文在物理光学方法的基础上,推导了用于计算NURBS(Non Uniform Rational B-Spline)模型间二次散射场的四重积分公式.该四重积分公式的求解是计算二次散射场的关键,因此又提出一种求解四重积分公式的方法:四重Ludwig算法.算例可以证明所推导的计算公式以及所提出的Ludwig四重积分算法的有效性.     

DV-Hop定位算法的混沌粒子群优化

针对距离矢量跳距(Distance Vector Hop, DV-Hop)定位算法通信半径选择不合理导致平均跳距和定位误差较大的问题，提出一种基于混沌粒子群改进的DV-Hop定位算法，利用混沌映射的遍历性和随机性实现粒子的局部深度搜索，避免粒子群算法陷入局部最优。通过混沌粒子群优化(Particle Swarm Optimization, PSO)算法迭代求解所有信标节点的通信半径，引入混沌理论调整非线性惯性权重优化搜索过程，通过混沌搜索和混沌扰动迭代求解信标节点的最佳通信半径；通过极大似然估计(Maximum Likelihood Estimate, MLE)法计算的平均定位误差作为混沌粒子群算法的适应值函数；使用费希尔矩阵求解的误差下限作为约束条件求解适应值函数，同时把平均通信半径作为节点能耗模型的阈值来降低节点能量消耗。仿真实验表明，提出的算法在不增加算法复杂度的前提下能够在定位精度方面提升近58%,节点能量消耗方面降低近24%。     

车间物流问题的布谷鸟算法

根据车间物流问题的特点建立了数学模型。设计了一种布谷鸟算法来求解问题。设计并生成了小规模的算例来验证布谷鸟算法的有效性。采用用于求解优化问题的软件CPLEX来求得各算例的全局最优解,并将其与布谷鸟算法得到的解对比。结果表明,布谷鸟算法能对小规模算例求得全局最优解,说明布谷鸟算法对该问题是有效的。     

基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题

提出了一种基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题.该算法在布谷鸟搜索算法原理的基础上,构造了旅行商问题的路径求解策略.由于算法的局限性,随着算法的调整和迭代次数的增加,容易破坏已形成的路径,从而使得算法通用性不强.针对这一局限性,本文提出了一种自适应局部调整算子和全局随机扰动策略.采用简单的2-opt算子作为局部优化算子加快算法收敛速度,引入模拟退火机制防止算法陷入局部最优.采用标准TSPLIB多组数据进行测试,并与有代表性的优化算法进行结果比较.实验结果证明了该算法在精度和稳定性方面的优势.     

基于RWG基函数的伽略金法中奇异性积分 的精确快速计算

利用电磁场积分方程的伽略金法求解理想导体电磁散射问题时需要计算奇异性的二重面积分(即4维积分).伽略金法的基函数和检验函数广泛采用RWG(Rao-Wilton-Glisson)矢量基函数.传统上采用奇异值提取技术和Duffy坐标变换法处理该奇异性积分,本文提出了一种更为精确和高效的计算方法,该新方法通过参数坐标变换、相对坐标变换、积分区域分解和广义Duffy坐标变换相结合的技术消除了被积函数的奇异性并降低了原4维奇异性积分的数值积分维数.通过计算实例证明该方法的精确性和高收敛特性.     

三角基函数神经网络算法在数值积分中的应用研究

该文提出了一种基于三角基函数神经网络算法求解数值积分的新方法,提出并证明了神经网络算法的收敛定理和数值积分的求解定理及推论。最后给出了数值积分算例,并与传统计算方法作了比较分析.分析结果表明,该文提出的数值积分方法计算精度高,适应性强,而且不需要知道被积函数,因此该数值积分算法在电子学等工程实际中有较大的应用价值。     

混沌优化算法在组合优化问题中的应用

组合优化问题一直都受到理论界和工程界的重视,此类问题的求解方法也有很多,却各有缺点和局限性,不能满足实际应用的需要。混沌优化算法在解决数值优化问题上具有一定的普遍性,可以很快找到全局最优解,不过组合优化问题的解不是一个数值,因此在前人研究的基础上,提出求解组合优化问题的混沌优化算法。首先分析混沌优化,并针对组合优化问题中的TSP问题,提出一种混沌优化策略,探讨在TSP问题中应用混沌优化算法的方法。结果表明了该方法的有效性。     

无线传感器网络中基于遗传算法的覆盖优化

覆盖控制是廷长无线传感器网络生存期一个有效的方法之一.其方法通过覆盖控制将无线传感网络节点划分成若干不相交最小覆盖连通集(CCS),然后顺序调度不同节点集.然而寻找最小覆盖连通集覆盖为NP问题,文中建立覆盖连通集优化模型,提出一种基于遗传算法(Genetic Algorithm,简称GA)目标覆盖的优化算法,并详细阐述算法实施.仿真结果显示,对于指定目标,该GA优化算法能获得比GIECC算法更好的性能.     

基于混沌鱼群改进算法的无线传感网覆盖优化

针对无线传感器节点覆盖分布极不均匀,冗余度高,导致网络覆盖率低、成本高的问题,提出一种改进人工鱼群算法进行优化的覆盖方法。采用以节点的有效覆盖率、利用率和功耗作为优化目标,建立相应的数学模型,然后通过引入混沌初始化和自适应步长、视野的搜索机制对算法进行改进,并使用改进后鱼群算法对模型进行求解,得到优化的无线传感器网络覆盖方案。通过与原始鱼群算法的对比仿真,得出结果表明改进后的算法提高了节点的覆盖率,在一定程度减少了冗余度,使网络的有效生存时间得到了延长。     

传感器网络的粒子群优化定位算法

无线传感器网络定位问题是一个基于不同距离或路径测量值的优化问题。由于传统的节点定位算法采用最小二乘法求解非线性方程组时很容易受到测距误差的影响,为了提高节点的定位精度,将粒子群优化算法引入到传感器网络定位中,提出了一种传感器网络的粒子群优化定位算法。该算法利用未知节点接收到的锚节点的距离信息,通过迭代方法搜索未知节点位置。仿真结果表明,该算法有效地抑制了测距误差累积对定位精度的影响,提高了节点的定位精度。     

立方混沌非线性哈里斯鹰优化算法在无线传感器节点部署分析研究

为提高无线传感器网络（WSN）节点部署的覆盖率，文中提出一种立方混沌非线性哈里斯鹰优化算法（CCHHO）的无线传感器节点部署优化方法。在初始化时期，引入立方混沌映射初始化种群，使种群在解空间分布更加均匀，提高种群多样性；其次，为更好地平衡探索和开发，将逃跑能量因子由线性变成非线性；最后，在开发阶段引入纵横交叉策略增强局部探索能力，增强个体之间的信息交流，避免算法陷入局部最优，提高算法的求解精度。6个基准测试函数的测试结果表明，CCHHO算法具有较快的收敛速度和较高的求解精度。将CCHHO算法应用在WSN节点部署优化，实验结果表明，相较于改进正余弦算法（ESCA）、自适应混沌量子粒子群算法（DACQPSO）、外推人工蜂群算法（EABC）,CCHHO算法覆盖率分别提升0.31%,4.16%,8.02%。     

有向传感器网络覆盖控制策略

针对当前的有向传感器网络覆盖控制算法中主要存在的节点方向调节受限、优化程度有限、算法适用性单一等问题,提出了一种有向传感器网络覆盖控制策略(CCS,coverage control strategy),该策略经过严格的数学推导,形成一个分布式算法,能够广泛适用于不同网络下的不同节点感知模型。仿真实验表明,传感器节点运行CCS能够有效增强网络覆盖,并相比于现有的几种同类算法,具有一定的优越性。     

一种混沌萤火虫算法的WSN节点分布优化研究

针对无线传感器网络节点分布优化问题,提出了一种有效的混沌萤火虫优化算法。在保证节点相互连通的前提下,建立了无线传感器网络对目标区域覆盖的数学模型,并将节点分布优化问题转换为求解函数最大值问题;利用萤火虫算法优越的寻优能力来实现最优的网络节点分布,并引入立方映射混沌算子来提高算法的局部搜索能力和保持种群的多样性。通过标准函数测试与无线网络覆盖优化仿真对所提算法进行了验证,结果表明:与其他算法相比,所提算法能够较好地跳出局部最优的束缚,具有优化效果佳、稳定性好、鲁棒性强的优点,能够满足无线传感器网络节点分布优化的要求。     

Marcum Q 函数数值计算方法

Marcum Q 函数是通信对抗理论分析中会遇到的一种积分上限为无穷大的广义积分函数,如采用常规的数值积分法,常常会出现计算溢出使算法不稳定。本文提出了一种新的计算方法,算法采用解析积分将原广义积分恒等变换为常义积分,然后再采用常规的数值积分算法完成计算。该算法非常稳定,可完全避免溢出。新算法的稳定性是以增加计算量为代价的,因此,该算法非常适合对计算效率要求不高、函数宗量的取值又比较大的Marcum Q 函数的数值计算。     

基于混沌动态步长布谷鸟算法的群体动画行为控制方法研究

自然界生物的迁徙具有一定规律,其会自动形成群体集合,队列排序具有一定的规律。群体动画行为是基于生物的迁徙规律得来的。首先对布谷鸟算法进行深入研究,而后以混沌动态步长布谷鸟算法为基础依据,进行相应的群体动画的仿真模拟。布谷鸟算法当中混沌序列的引入能够使鸟窝数据在更新过程中进行步长选择,防止局部最优的情况发生。实验结果表明,在群体动画行为的控制方法中,应用混沌动态步长布谷鸟算法要优于传统的布谷鸟算法。     

基于数值积分卡尔曼-概率假设密度滤波的多说话人跟踪方法

针对多说话人跟踪的非线性系统模型,提出了一种基于数值积分卡尔曼-概率假设密度滤波的多说话人跟踪方法。该方法采用麦克风阵列的时间延迟估计作为观测数据,利用具有三次代数精度的球面-径向数值积分准则计算非线性系统贝叶斯滤波器中的多维积分,通过数值积分卡尔曼滤波和概率假设密度滤波对后验多说话人状态的一阶统计量进行估计,并通过递推更新得到说话人状态信息,实现非线性高斯系统的多说话人跟踪。该方法无需求解非线性系统函数的雅克比矩阵,且计算量较小。仿真实验分析了检测概率、虚警点数目、采样周期、信噪比以及混响时间变化时跟踪算法的性能。实验结果表明,该方法降低了系统模型非线性对滤波算法的影响,增强了跟踪算法的鲁棒性,提高了说话人状态和数目的估计精度。      

基于膜量子布谷鸟搜索的双通道网络频谱资源分配

无线双通道Ad Hoc网络中, 有效分配簇间码分频谱资源是提高资源利用效率的关键技术之一.综合考虑子簇码分频谱资源需求和分配公平性, 给出了簇间码分频谱资源分配数学模型, 并转换为以最大化码分频谱资源效益和分配公平性为多目标的受约束离散优化问题.结合膜结构、量子计算和布谷鸟搜索算法, 提出一种新的离散组合优化算法——膜量子布谷鸟搜索算法.该算法使用量子鸟窝表征问题潜在解, 利用布谷鸟寻窝产卵的演化方法在基础膜中寻求单目标最优解, 通过膜间信息共享和非支配解等级排序求出具有多目标最优解的表层膜Pareto前端解集.仿真结果证明, 与经典优化算法相比, 该算法不仅能够同时求解单目标和多目标最优解, 而且具有更优的收敛性能, 能更好地实现码分频谱资源效益最优化.     

基于自适应节点选择蚁群算法的QoS选播路由算法

针对基本蚁群算法在求解QoS选播路由问题中存在的容易陷入局部最优和收敛速度慢的缺陷,提出一种基于自适应节点选择的蚁群算法对该问题进行求解.该算法根据解的情况自适应调整节点选择策略;依据各路径上信息素的＂集中＂程度判断解的早熟、停滞情况,并对可能陷入局部最优的解进行信息素混沌扰动更新,以便跳出局部极值区间.仿真实验表明,算法全局搜索能力较强,能够跳出局部极值区间,快速地收敛到全局最优解,算法是可行、有效的.