基于改进差分进化算法的机载分布式阵列栅瓣抑制方法

近年来,分布式天线阵列以其突破传统布阵环境限制的灵活性/ 高增益性成为阵列研究的热点。对于机载雷达系统,应用分布式天线阵列可以充分利用机身布阵空间资源,提高阵列的增益和空间分辨率。现有分布式优化方法多针对单元间大间距阵列与多子阵分散排布阵列,机载环境下双子阵分布式阵列优化研究极少。文章针对机载双子阵分布式阵列孔径栅瓣密集问题,提出利用差分进化算法并加以改进,实现对机载的分布式阵列栅瓣进行抑制。该方法能够在满足约束条件的同时,有效降低双子阵分布式阵列的高栅瓣问题,同时,阵列的副瓣可以被控制在较低的水平。在一定的子阵间距条件下,阵列的最大副瓣电平可以降低到-10 dB 左右。对优化算法的有效性进行蒙特卡洛实验,结果验证了该方法的可行性。     

基于MAS的分布式作战任务分配研究

首先介绍了基于MAS的任务分配概念,并通过分析传统合同网（CNP）模型的缺点,给出了基于改进合同网的任务分配模型,详细描述了改进合同网的任务协商过程;最后,结合典型军事仿真应用实例,对比分析了该模型相比于传统合同网模型的优点。     

基于精英区域学习的动态差分进化算法

DE算法简单高效,但对复杂问题也存在收敛效率较低的问题,为提高DE算法的全局勘探能力和收敛精度,提出了一种新的精英区域学习动态差分进化算法,算法首先将历史精英保存在精英池中,然后采用正弦函数对精英池中的精英进行区域学习,最后利用动态DE模式有效提高收敛的速度,并从理论上证明了算法的收敛性.通过对包括单峰函数、多峰函数和偏移函数的20个基准测试函数的仿真实验和分析,验证了新算法的有效性和适用性,其能在保持较高的收敛速度的同时也能保持较好的收敛精度,经与多种知名的DE算法在统计学上的分析比较,证明了该算法是一种具有竞争力的新算法.     

基于多种群的差分进化算法

针对差分进化算法在寻优过程中存在的种群多样性快速消失,容易收敛到局部最优解,过早成熟的问题。文章提出一种多种群协同搜索的新机制,平衡差分算法前期的全局搜索能力和后期的局部搜索能力。对新改进的多种群差分算法使用基准测试函数进行了对比测试。测试结果表明,多种群差分算法相较于标准差分算法拥有更好的全局搜索能力,更高的精度。     

基于差分进化的输油管道泄漏定位方法

提出了一种基于差分进化诊断输油管道泄漏的方法。该方法包括分别采集实时输油管道上游、下游压力、温度、流量值,根据流体在管道中的流动方程,采用差分进化算法辨识出流体沿管道的压力值,通过判断辨识出的压力值与实时采集的实际数值的差是否超过设定阈值检测管道泄漏,再用定位方法确定泄漏位置。该方法的优点在于简单实用,提高了定位精度,对小泄漏量仍能进行诊断。     

基于协方差分析的合作协同进化差分进化算法

在大规模高维优化问题中,随着决策变量数目的增加,协同进化算法在搜索全局最优解过程中容易陷入局部最优。基于此,提出了一种基于协方差分析的合作协同进化差分进化算法,在根据决策变量之间的相关性对优化问题进行分组之后,针对子组件内部变量之间的相关性会影响种群进化过程的现象,在对子组件优化的过程中,利用协方差计算种群分布的特征向量,通过坐标旋转消除变量之间的相关性,有效避免在种群搜索过程中陷入局部最优,同时加快了算法的寻优速度。在CEC2014测试函数集上进行了对比实验,实验结果表明,所提算法具有可行性。     

基于粒子群优化算法的多智能体系统分布式任务分配

本文提出了一种基于粒子群优化并且具备冲突消解能力的多智能体系统分布式任务分配算法。将多项任务分配给多个智能体是一个基础的资源分配问题,这类问题在很多控制和决策系统中出现,例如多机器人系统以及计算机系统。被用于分布式系统中解决此类问题的算法可以看做是一系列步骤,智能体能够利用这些步骤自动周期性地进行信息交换并更新自己的任务。本文提出的算法经过仿真实验验证,仅需要少量的信息交换即可消解智能体之间任务分配的冲突。     

一种基于滤波的分布式任务分配算法

尽管同步模式协同算法允许团队在许多通用网络拓扑中达成一致状态感知并执行任务分配,但收敛到一致状态感知需要花费大量时间,传输大量数据。在低带宽环境中这会导致严重的潜在问题,增加求解任务方案时间。分析了现存协同拍卖算法例如、CBBA,HIPC等的优缺点,并对HIPC进行改进。采用将滤波框架引入分布式协同拍卖的方法,在建立任务束阶段采用滤波算法对局部状态感知进行估计。打破了HIPC对局部场景感知的完美假设,使得新算法可以在局部感知不可靠条件下良好运行,该算法可以异步进行并行任务分配和冲突分解。通过试验得出相比于HIPC,新算法减少了任务冲突次数,缩短任务执行时间。     

基于APSK信号的分布式MIMO差分检测方法

提出一种基于APSK信号的分布式MIMO差分编码及检测方法:发送端将待发射的数据符号与前一个发射矩阵中的数据符号进行相位和幅度差分调制,生成新的发射矩阵进行发射;接收端对接收信号匹配滤波之后,利用前后接收量判断相位信息和幅度信息恢复出发送端数据.该方法使得系统无需进行信道估计,频谱效率与V-BLAST (Vertical Bell Laboratories Layered Space-Time)相同,但不受天线数目限制,解决了传统V-BLAST算法无法进行非相干检测的难题.仿真结果显示,该算法在不同信道传播时延情况下的误码率性能不同.     

一种基于网络化的分布式测控方法

文章对高空无人飞行器通信网络中使用的分布式测控系统进行描述,通过使用的分布式测控系统架构、窄带情况下报文压缩和传输链路切换时的数据同步技术,提出了一种基于网络化的分布式测控方法,用于解决高空无人飞行器通信网络的设备管控难题。     

基于差分进化算法的多用户OFDM自适应资源分配

针对多用户正交频分复用系统自适应资源分配问题,提出一种改进的子载波和基于差分进化算法的功率自适应分配算法.该算法首先在均等功率下进行子载波分配,然后通过添加约束条件检测改进步骤,改进差分进化算法,并采用该算法根据设置的兼顾用户公平性与系统容量的目标函数,全局寻优实现用户间的功率分配.仿真结果表明,算法在低算法复杂度及兼顾用户公平性的情况下实现了较高的系统容量提升,证明其有效性.     

一种针对多处理器片上系统的静态任务分配方法

随着集成技术的快速发展,使得单个芯片上集成IP核数目越来越多。然而,晶体管密度和处理器工作频率的不断提升,使得功耗密度持续增加,导致芯片热量的不断上升。因此,MPSoCs面临不可避免的散热问题。提出了一种基于处理器核区域均温(Regional Mean Temperature,RMT)的初始任务分配策略,该方法充分考虑到处理器核区域温度。通过向量距离计算处理器核温度梯度,使用遗传算法进行初始任务分配。实验结果表明,该策略相比于随机任务分配策略,峰值温度降低率、热点降低率和温度梯度降低率最高分别达到4.69%、42.31%和77.49%。     

MDP-Based Budget Allocation for Efficient Cooperative Task Solving

In order to facilitate crowdsourcing-based task solving,complex tasks are decomposed into interdependent subtasks that can be executed cooperatively by individual workers.Aiming to maximize the quality of the final solution subject to the self-interested worker's utility maximization,a key challenge is to allocate the limited budget among the subtasks as the rewards for workers having various levels of abilities.This study is the first attempt to show the value of Markov decision processes (MDPs) for the problem of optimizing the quality of the final solution by dynamically determining the budget allocation on sequentially dependent subtasks under the budget constraints and the uncertainty of the workers' abilities.Our simulation-based approach verifies that compared to some offiine methods where workers' abilities are fully known,our proposed MDP-based payment planning is more efficient at optimizing the final quality under the same limited budget.     

Improved Policy for Resource Allocation in Decentralized Dynamic Spectrum Sharing Systems

In this letter, resource allocation in decentralized spectrum sharing systems applying the existing policy rule referred to as ?inequality-averse policy? is focused on. The problem related to the impact of inaccurate estimation of future traffic demands on the performance of such systems is addressed. To alleviate the problem, improved policy, which introduces adjusting factors and is resistant to such estimation errors, is proposed.     

一种工程应用的雷达网任务区分决策

雷达网任务区分的决策目标就是优化雷达开关机方案。文中提出了一种雷达网任务区分决策,它将专家经验和基于探测概率的决策模型相综合,根据一定的条件选取专家经验的开机决策方案和基于探测概率的开机决策方案的交集,作为最后的任务区分决策。实际应用表明了该决策方法的有效性和实用性。     

Task Offloading and Resource Allocation for Edge-Enabled Mobile Learning

Mobile learning has evolved into a new format of education based on communication and computer technology that is favored by an increasing number of learning users thanks to the development of wireless communication networks, mobile edge computing, artificial intelligence, and mobile devices. However, due to the constrained data processing capacity of mobile devices, efficient and effective interactive mobile learning is a challenge. Therefore,for mobile learning, we propose a "Cloud, Edge and E...     

多智能体系统中的任务分配蚁群优化算法

Task allocation is a key issue of agent cooperation mechanism in Multi-Agent Systems. The important features of an agent system such as the latency of the network infrastructure, dynamic topology, and node heterogeneity impose new challenges on the task allocation in Multi-Agent environments. Based on the traditional parallel computing task allocation method and Ant Colony Opti-mization (ACO), a novel task allocation method named Collection Path Ant Colony Optimization (CPACO) is proposed to achieve global optimization and reduce processing time. The existing problems of ACO are ana-lyzed; CPACO overcomes such problems by modifying the heuristic function and the up-date strategy in the Ant-Cycle Model and es-tablishing a three- dimensional path phero-mone storage space. The experimental results show that CPACO consumed only 10.3% of the time taken by the Global Search Algorithm and exhibited better performance than the Forward Optimal Heuristic Algorithm.     

Decentralized Dynamic Allocation of Subchannels in Multiple Access Networks

This letter introduces and analyzes a new distributed dynamic subchannel allocation algorithm for multiple access networks. The proposed algorithm is based on general order selection, and exhibits low complexity and low processing delay. The exact and asymptotic closed-form expressions for the average error probability are derived, and it is shown that there is a significant system performance advantage over the conventional uniform allocation approach. Numerical studies also show that the performance of our new algorithm can be close to that of the highly complex optimal search method.