多目标神经空间映射算法优化设计微带滤波器

提出了一种多目标形式的空间映射算法,并将其应用于微带滤波器的优化设计问题.该算法没有采用ADS仿真软件进行粗糙模型的计算,而是采用多目标粒子群算法结合矩阵数值计算的形式,优化计算微带线的S参数,并应用神经网络映射粗糙模型与精确模型的仿真结果,由粗糙模型和神经网络推测出精确模型的帕累托最优解集.     

非均衡数据目标识别中SVM模型多参数优化选择方法

提出了非均衡数据目标识别中SVM模型多参数优化选择方法.首先从理论上分析了SVM模型多参数选择的内涵和必要性,针对非均衡数据的分类识别,基于F测度提出了能全面反映识别性能的多参数优化选择准则.在多参数选择过程中,利用遗传算法进行模型多参数并行优化选择.提出的方法能够寻找模型多参数的全局最优解,避免陷入梯度法常出现的局部最优解情况,同时能够克服传统方法中根据经验选择SVM单参数模型时计算量太大的不足.采用国际通用的标准数据集和雷达目标HRRP数据集进行了仿真实验,实验结果表明,该方法能够得到模型多参数的全局最优值,由此确定的SVM模型分类器性能有较大提高.     

动态规划迭代算法在末端防御中的应用

在现代战争中如何利用有限资源对多批来袭目标进行最优排序拦截和资源最佳分配成为一个重要问题,文中采用了一种动态规划算法对不平衡来袭目标进行优化计算,通过建立动态模型,确定状态变量、决策变量以及各个阶段的指标函数值并定义来袭飞机到要地的距离、速度参数以及我方导弹的攻击参数,将参数带入实例进行计算,可以有效得到最优解,使得武...     

神经网络优化计算的新方法

本文在Hopfield神经网络优化方法的基础上，根据模拟退火算法逃离局部最优解的原理，提出了一种神经网络优化计算的新方法．通过调整神经网络的连接权，网络的演化不仅可以逃离目标函数的局部最优解，而且可以改善目标函数的局部最优解．实验结果表明，新方法求解最优解所需的计算时间比模拟退火算法少得多．     

多目标优化问题的遗传算法改进研究

基于Nash均衡的思想在NSGA所求得的Pareto最优解基础上,探讨一种能对多目标优化问题进行求解的遗传算法。采用Nash均衡的思想在多目标优化的遗传算法,结合NSGA算法,提出一种能得到多个Pareto最优解的多目标优化算法。通过目标函数线性加权法、NSGA对函数进行了试验分析,对部分自变量进行固定,对其他的自变量进行优化,对Pareto最优解进行持续优化,进而实现加速算法的收敛,从实验中得出了这种算法具有较快的收敛性,但是其运行时间和NSGA相比没有多少改善。     

一种基于粒子群算法的螺旋迭代模型研究

实际工程优化过程中,对于多个目标的优化与求解最优值是值得研究的一个问题。文章基于粒子群算法研究多目标优化问题,实现二维多目标搜索,运用粒子群多目标求解模型迭代实现动态多目标搜索,最终得到非劣解在目标空间中的分布,构成了Pareto面,得到非劣解集,在实际问题中,提供最优解的备选,为工程实践优化和筛选最优解问题提供参考依据。     

配电网可靠性评估与优化系统重构算法

基于配电网可靠性和网络重构方面的研究,提出了一种考虑配电网可靠性下的重构快速方法。首先通过对可靠性指标体系研究,确定以有功网络损耗（LOSS）、系统供电量不足（ENS）和平均供电可用率（ASAI）作为评价指标体系,并进行了归一化构建配电网多目标模型,运用判断矩阵法将多目标函数转化为新的单一目标函数,实现对配电网系统的重构优化快速计算。算法在重构后期引入可靠性评估,提高了配电网最优解的求解效率。通过IEEE69算例验证了新的配电网重构优化算法在获得全局最优解的同时,降低了计算时间,能有效解决复杂网络的重构优化问题。     

基于布谷鸟搜索算法的双π电感模型参数优化

提出了一种新的基于布谷鸟搜索算法的片上电感模型参数优化算法。布谷鸟搜索算法对复杂非线性非凸函数的优化效果显著,这种函数的特点与半导体器件紧凑型模型参数和优化目标之间的非线性特性相近。该算法开发了模型参数交叉操作,将两个解空间的对应参数交换位置,避免敏感度高的参数对敏感度低的参数的过度影响。引入了自适应参数,使算法的搜索步长能自适应调整,既不会因为步长太大跳过最优解,也不会因为步长太小导致收敛速度慢。采用集成电路工艺片上螺旋电感的实测数据对该算法进行验证,得到较好的拟合度。提出的模型优化算法可适用于集成电路器件模型的自动优化。     

Massive MIMO中通信高效的分布式预编码设计

针对多BBU基带处理架构，提出一种通信高效的分布式预编码方案，旨在降低BBU间前传交互和计算复杂度。首先，提出基于R-WMMSE算法的分布式框架，利用最优解的子空间特性无损压缩交互数据，降低数据交互量。然后设计了2种基于矩阵乘法的可学习压缩模块，通过优化的计算结构和矩阵参数减少参数和计算量，并保持函数表达能力。最后，以可达速率为优化目标，将可学习模块和分布式预编码算法框架联合优化得到最终模型。所提方案可以在更低的数据交互和计算复杂度要求下，实现预编码性能的保障。     

基于粒子群算法的图像分割

文章对基于粒子群算法的图像分割进行研究。图像分割是在一个复杂的参数空间寻找最优分割参数。各种智能优化算法可以对复杂的非线性多维数据空间进行快速有效的计算,它不仅可以得到全局最优解,而且会使计算时间大大缩短。智能优化算法用于图像分割的关键是求解最优阈值。最优阈值的选取就是将智能算法作为优化工具,采用迭代的方式计算在某准则下目标函数的最优值,从而求解出分割图像的最优阈值。其中,粒子群算法是经典的智能优化算法之一。