蜂窝系统中一种固定信道分配方法的研究

信道分配问题属于组合优化中的 NP完备问题 ,为此在遗传算法的基础上提出了一种新的固定信道分配方法 .目标是得到一个用最少的信道数 ,满足话务需求和电磁兼容限制的信道分配方案 .采用了最小间隔编码方案和选择性变异技术 ,利用固定遗传算子 (交叉和变异 ) ,在整个迭代过程中始终满足话务需求的要求 .通过对几个著名的benchmark问题进行的仿真结果表明 ,它对解决信道分配问题是一个非常有效的方法     

基于改进免疫算法的固定信道分配

在蜂窝移动通信网络中,频谱资源日益紧缺,为了提高频谱的利用率,运用一定的优化算法合理规划频率资源显得尤为重要。免疫算法在解决频率分配问题中比遗传算法有更好的特性,但仍然存在着收敛率低和易陷入局部最优解等缺点。针对上述问题,本文提出了一种改进的免疫算法,该算法根据最大频率需求数自适应的选择为分配难度大的小区还是频率需求数多的小区优先分配信道;采用自适应交叉算子和选择性变异技术,并用交叉之后的最小适应度值去控制变异算子的前进方向;在选择个体时还采用了改进的精英保护机制。仿真结果表明,改进后的算法提高了算法的收敛率和加快了收敛速度,能够很好地解决频率分配问题。     

基于自适应遗传算法的蜂窝网络信道分配

为解决遗传算法用于蜂窝网络固定信道分配时存在的过早收敛问题,通过采用最大需求优先最小冲突初始化方式、渐进式变异技术和一种新的交叉概率、变异概率自适应调整策略,提出一种自适应遗传算法。通过评估一组benchmark问题,证明该算法对解决信道分配问题具有较强的最优解收敛能力,收敛速度较快。     

基于二进制烟花优化算法的认知无线网络频谱分配

针对当前无线频谱资源稀缺和利用率低的问题,提出一种基于二进制烟花优化算法的频谱分配方法。每个烟花个体进行分布式爆炸搜索,并对最优烟花的爆炸半径采用改进公式动态更新;在变异环节中,针对粒子间信息交流不足的缺点,引入遗传算法的交叉变异算子,进一步增强种群多样性;对选出的最优个体使用Metropolis准则进行模拟退火扰动,避免陷入局部最优。仿真实验表明,二进制烟花优化算法在认知无线网络的频谱分配中具有寻优精度高、收敛速度快的特点,较好地实现了网络效益和用户比例公平性的最大化。     

一种新的遗传算法求解约束优化问题

采用十进制编码的遗传算法，在进化计算中提出用排序、保留优秀个体、智能变异和随机变异代替以前遗传算法中的选择、交叉和变异，此算法具有简单的计算原因，简化了遗传算法的编程，利用变换后的目标函数构造适配值，能较快的找到最优解，数值实验表明该算法在求解有约束优化问题上表现良好。     

求解置换流水线调度问题的改进萤火虫优化算法

针对最小化最大完成时间的置换流水线调度问题,提出了一种改进的离散萤火虫优化算法。在传统萤火虫优化算法的基础上,采用基于升序排序的随机键编码方式对萤火虫种群进行离散化处理,使用NEH算法对萤火虫种群进行初始化处理,结合遗传算法的交叉变异思想改进位置更新策略,采用个体变异方式解决孤立个体问题,提高算法的寻优能力。最后通过典型算例对改进算法进行仿真测试,实验结果表明该算法求解置换流水线调度问题时具备很强的寻优能力和鲁棒性,明显优于传统萤火虫优化算法和遗传算法,是解决置换流水线调度问题的一种有效算法。     

自适应遗传优化在图像增强中的应用

本文以一种改进的模糊熵做遗传算法中个体进化的驱动力,利用Fibonacci数列对遗传算法的交叉概率及变异概率进行了自适应改进,达到了在模糊域中利用遗传算法增强图像的目的。实验结果表明该方法能有效改善图像的视觉效果,比传统增强方法具有更好的适应性。     

认知无线电网络中系统效益最大化的频谱分配

传统遗传算法和自适应遗传算法在优化认知无线电网络的系统效益时易陷入局部最优。针对该问题,通过引入反映每个染色体基因特性的欧氏距离,对遗传算法进行改进,提出一种系统效益最大化的频谱分配方案。实验结果表明,该方案的频谱分配性能优于基于传统遗传算法和自适应遗传算法的方案。     

考虑机床折旧的柔性作业车间绿色调度算法

针对具有机器柔性和机床折旧特性的柔性作业车间调度问题（FJSP），为了降低生产过程的能耗，建立了以最大完工时间和能耗加权的和最小为优化目标的数学模型，并提出了一种改进遗传算法（IGA）。首先，根据遗传算法（GA）随机性强的特点，引入正交试验的均衡分散原则生成初始种群，用于提高在全局范围的搜索性能；然后，为了克服交叉操作后的基因冲突，采用三维实数的编码方式并结合双个体算术交叉用于染色体交叉，减少了冲突检测步骤，提高了求解速度；最后，在变异操作阶段采用了动态步长的方式进行基因变异，保证了全局范围内的局部搜索能力。通过对8个Brandimarte算例进行仿真测试，并与近年来3个改进启发式算法进行对比，计算结果表明该算法求解FJSP的有效性和可行性。     

高效的自适应小生境遗传-模拟退火混合算法

为克服遗传算法易陷入局部极值这一缺陷,提出一种融合小生境、自适应和模拟退火技术的混合算法。共享机制小生境技术与基于排序的适应度分配维持种群的多样性,使算法具有一定的鲁棒性;交叉、变异概率的自适应化保护优良个体,促使劣等个体加速进化,改进的交叉和变异策略可扩展算法搜索范围;嵌入式模拟退火模块能够有效利用记录的种群进化信息,锁定搜索范围,促进个体向高适应度方向发展,进一步摆脱早熟收敛。仿真结果表明,该算法具备良好的全局搜索能力和稳健性。     

OFDM系统自适应资源算法研究

针对OFDM系统的比特功率自适应分配优化问题。因传输信道存在衰减率,误码等,提出了一种基于遗传算法的OFDM系统自适应比特功率分配算法。新算法定义了染色体和初始群体,并通过遗传算法中的交叉、变异等操作,使比特功率分配方案得到全局最优解。算法可通过确定不同的适应度函数,用于解决传输速率及误码率一定条件下使得总发送功率最小的比特功率达到最优化的目的。通过上述在运算复杂度等方面的性能的仿真,证明优于Hughes-Hartogs等几种传统算法。     

基于匹配理论的LoRa参数双重匹配优化

将LoRaWAN中的资源分配设定为扩频因子分配和信道分配的优化问题，特别是在LoRaWAN中有大量连接设备的情况下，以保证有限频谱资源的LoRa用户之间的吞吐量公平性。首先，引入匹配理论，将LoRa用户与信道和LoRa用户与扩频因子视为匹配双方，为了最大化它们的效用，提出了一种基于匹配的信道与扩频因子分配算法MSFCAA。然后，以匹配理论为基础，以最大化效用为目标，以最优化网络信道与扩频因子分配为结果，最大限度地提高LoRaWAN中实现的最小信道容量。同时，还提出一种公平传输时间初始化算法，以保证每组参数的吞吐量公平性。仿真结果表明，公平传输时间初始化算法能获得优于其他分配方案的初始分配结果，基于匹配的信道与扩频因子分配算法能显著提升LoRa网络数据提取率并极大降低网络能耗。     

器官遗传算法

提出一种改进的遗传算法，即器官遗传算法，该算法改变经典的遗传算法在选择操作中对群体中被选中的个体的各个分量全部继承的做法，对各个分量按其所在个体的适应分别进行选择和实行交叉，变异等操作，然后将这些分量组成新一代个体，以非线性规划问题为例进行了实验结果表明该方法比使用经典的遗传算法具有更好的收敛速度。     

两类认知用户及信道聚合的认知无线网络研究

针对传统无线网络中固定信道分配中信道资源存在大量浪费,而静态频谱分配模式中频谱资源在时空上的利用率极不平衡的问题,研究认知无线网络,提出一种基于两类认知用户及信道聚合机制的频谱分配策略,建立一个具有可变服务率的多优先级离散时间排队模型,构造三维马尔可夫链。利用性能指标进行数值实验,论证了频谱分配策略在稳定系统性能和节省网络资源方面的有效性。     

基于距离测度的改进自适应遗传退火算法

交叉操作和变异操作是遗传算法的两种基本操作,遗传算法的收敛速度在很大程度上与交叉概率和变异概率的选取以及交叉个体的配对策略有关.本文提出一种基于距离测度的改进自适应遗传退火算法,根据个体的距离密集度自适应地确定其交叉概率和变异概率.算法采用非等概率交叉配对策略,根据两个个体之间的距离自适应地确定交叉配对概率.此外,算法引入模拟退火机制,在遗传进化过程中的每一代,对最优个体进行邻域局部寻优,利用模拟退火进一步改善算法的收敛性能.对带边界约束函数优化问题进行了仿真计算,结果表明了该算法的有效性.     

异构无线网络密集部署场景下高效网络接入及频谱分配

如何在异构网络重叠覆盖场景下实现动态耦合频谱资源高效分配以满足用户流量需求是下一代无线通信网络的重要挑战。综合考虑网络域频谱属性差异化及用户域需求多样化问题，以用户获得总带宽最大化为目标，将频谱资源分配建模为非线性多约束条件0-1整数规划问题，并设计了两种求解方法。首先，设计了一种基于改进匈牙利算法的化简方法，该方法通过对约束条件进行化简，将复杂模型转化为标准形式0-1规划，并通过对匈牙利算法进行改进，有效求解了该复杂的频谱分配问题；其次，设计了一种改进的遗传算法，把主网络干扰约束及次用户需求融合进适应度评估中，以修正不符合要求的基因，并利用精英主义思想保留优秀个体，以进化迭代到优秀个体。最后通过实验对提出的方法与粒子群优化方法的性能进行对比分析，实验结果显示化简方法具有较大的效率优势，而改进遗传算法可得到更大的带宽。     

遗传算法的初步研究及改进后的遗传算法程序IGA1.0

遗传算法是近年来被广泛应用的一种非线性和并行算法。本文研究了几种改进遗传算法效率，提高搜索速度的方法，引入了两种变异的方法，并根据最大最小适应值的差值对适应值函数进行了修正，同时，对三种算子进行了重新安排以拓展搜索工在搜索过程中加入排序以提高杂交效率，同传统的遗传算法相 文的遗传算法没有使用固定的变异率和杂交率，而是让它们随着搜索过程中群体中的个体的重复情况改变，用经典的验证函数检验，这些改进提高     

求解非线性规划问题的改进直觉模糊遗传算法

提出一种改进的直觉模糊遗传算法用于求解带有多维约束的非线性规划问题。以遗传算法在迭代寻优中的个体适应度大小构造相应可行解的隶属度和非隶属度函数,将非线性规划问题直觉模糊化转化为直觉模糊非线性规划问题,通过建立直觉模糊推理系统,自适应地调节遗传算法的交叉率和变异率;并采用一种改进的选择策略,将个体按适应度值大小排序、等量分组,对适应度低的个体组随机选择复制,保留不可行解中可能隐含的有利寻优信息,增强种群个体的多样性和竞争性。仿真实验结果表明,该算法求解非线性规划问题时是可行和有效的。     

一种求解TSP问题的新算法

为了求解TSP问题,提出了一种新的遗传算法。它利用距离密集度和适应度定义了自适应的交叉和变异概率,采用改进的交换启发交叉算子,产生不差于父代的个体。根据最优和次优个体的差异,采用2变换法产生新个体或者进行模拟退火操作,局部搜索加快了算法向最优个体靠近的速度。仿真实验表明新算法是一种求解TSP问题的有效方法。     

多种群遗传算法在微震震源定位中的应用

微震震源的精确和快速定位对坑道安全的预测至关重要;在设定均质均速模型条件下,两两检波器的观测走时和计算走时的拟合差绝对值之和为适应度函数,把微震震源定位转换为求解优化问题;采用格雷码对震源位置进行编码,提高了遗传算法的局部搜索能力;同时采用两个群体独立进化,分别利用轮盘和排序方法从两个群体中选择优秀个体,将各种群中的优秀个体进行交叉运算和变异产生新的个体,从而提高了遗传算法的全局搜索能力;通过实验证实优化后的遗传算法在微震震源定位中具有较高的性能和精度.