基于文化算法的宽零陷方向图综合方法

在自适应阵列天线抗干扰的一些应用环境中,往往需要天线方向图在干扰的到达方向上形成宽角度的零陷以增强算法的稳健性.文中将宽零陷方向图综合问题转化为一个单目标非线性优化问题,提出了宽零陷方向图综合的目标函数,并给出了用于宽零陷方向图综合的文化算法实现步骤.通过计算机仿真,证明该算法可以达到加宽干扰零陷的目的,所获得的天线方向图旁瓣电平低,并且该算法具有较快的收敛速度.     

粒子群算法在阵列天线方向图综合中的应用

针对目前粒子群优化算法在多零点低旁瓣约束的阵列天线方向图综合中早熟收敛、易陷入局部极值的问题,融合混沌优化算法和粒子群优化算法的优点,提出了一种新的混合优化算法.当种群进化停滞时,新算法在种群最优位置的邻域内进行混沌搜索以寻找更优解,其混沌搜索范围可自适应地调整.新的种群最优位置在更新其每一维分量时,选取不同的粒子作为学习对象,提高了粒子的多样性.将此算法应用于阵列天线方向图综合中,能有效地生成多零陷,并抑制旁瓣.     

基于零陷谱减的GSC二元麦克风小阵列语音增强算法

为了提高广义旁瓣抵消器语音增强算法在二元麦克风小阵列中的噪声抑制能力,提出一种基于零陷谱减二元麦克风小阵列广义旁瓣抵消器的改进语音增强算法.在广义旁瓣抵消器固定波束支路上利用谱减法抑制目标语音零陷方向噪声能量以提高其信噪比,在自适应支路使用基于动态收敛步长的快速分块最小均方自适应滤波器进一步抑制剩余噪声,以降低算法复杂度并提升自适应滤波器的收敛性.实验结果表明,相对于其他二元麦克风小阵列波束形成语音增强算法,该算法可以在任意方向获得较高质量的目标语音.     

新的幅值扰动形成零陷算法

针对传统幅值扰动算法形成零陷深度不足的问题,在新的幅值扰动方法基础上,提出零陷平均功率方向图函数的新概念.通过最小化该零陷平均功率方向图函数值建立新的非线性代价函数,利用最陡下降算法求得幅值扰动的最优解.仿真结果表明：采用新的幅值扰动形成零陷算法,突破了传统幅值扰动算法对零陷个数的限制,即无论零陷个数设置为多少,都能够在干扰源方向形成理想的零陷深度;克服了在传统幅值扰动算法中零陷深度增加时,旁瓣电平会升高的缺点;保证了主瓣不发生畸变,从而形成理想的天线方向图,提高了天线的抗干扰能力.     

多映射混沌免疫算法及其在天线阵方向图综合中的应用

针对基本免疫算法中产生初始抗体群的盲目随机性和冗余性、补充自然消亡抗体细胞的单一性以及现有搜索方式易陷入小区域局部收敛的问题,融合免疫算法和混沌优化算法各自的优点,提出了一种新的混合优化算法.该算法采用Hénon序列来生成抗体群,采用Logistic序列来产生并补充自然消亡部分的抗体细胞,2种不同规则的混沌序列使得抗体群具有足够的多样性,扩大了搜索范围;同时采用了Logistic映射混沌变异和Gauss变异相结合的混合变异,提高了算法的搜索效率和收敛速度,克服了早熟现象.阵列天线方向图综合是智能天线的一项重要技术,采用提出的算法对阵列天线方向图进行了综合,仿真结果表明,与现有算法相比,该算法优化能力强,能有效避免局部收敛并且收敛速度快.     

基于反向学习的自适应α约束病毒种群搜索算法

为了提高该算法求解约束优化问题的能力,提出一种新的约束病毒种群搜索算法。首先,提出自适应α-level比较策略,以在算法的不同阶段充分利用可行个体与不可行个体的有效信息;其次,为了进一步提高算法求解约束优化问题的收敛速度和搜索精度,针对算法的病毒扩散行为,提出了结合反向学习机制的搜索方程,以提高种群多样性并加速全局收敛。对CEC2006中13个约束优化函数的对比仿真结果表明,本文算法在搜索精度、收敛速度以及稳定性方面,相比于αSimplex算法、粒子群遗传算法算法、交叉人工蜂群算法算法以及约束改进差分进化算法算法具有明显优势。同时将该算法应用于无人机协同实时航迹规划约束优化问题中,通过仿真实验并与利用约束改进差分进化算法对这一问题进行求解的方法进行对比,验证了本文算法在规划效率、规避威胁等方面的优越性。     

基于反向学习的自适应α约束病毒种群搜索算法

为了提高该算法求解约束优化问题的能力,提出一种新的约束病毒种群搜索算法。首先,提出自适应α-level比较策略,以在算法的不同阶段充分利用可行个体与不可行个体的有效信息;其次,为了进一步提高算法求解约束优化问题的收敛速度和搜索精度,针对算法的病毒扩散行为,提出了结合反向学习机制的搜索方程,以提高种群多样性并加速全局收敛。对CEC2006中13个约束优化函数的对比仿真结果表明,本文算法在搜索精度、收敛速度以及稳定性方面,相比于αSimplex算法、粒子群遗传算法算法、交叉人工蜂群算法算法以及约束改进差分进化算法算法具有明显优势。同时将该算法应用于无人机协同实时航迹规划约束优化问题中,通过仿真实验并与利用约束改进差分进化算法对这一问题进行求解的方法进行对比,验证了本文算法在规划效率、规避威胁等方面的优越性。     

基于分解的多目标入侵杂草算法用于阵列天线方向图综合

从多目标优化的角度分析和求解传统的阵列天线方向图综合问题,并将一种新型入侵杂草算法改进后嵌入到基于分解的多目标优化算法框架中,提出基于分解的多目标入侵杂草算法。该算法利用入侵杂草算法强大的搜索能力和稳健性,高效地实现了算法优化过程的并行性。通过对20元直线阵进行综合,与基于分解的多目标差分进化算法相比,新算法得到的最大副瓣电平降低了1.582 2~2.115 1 d B;得到的最大深零点电平和凹口电平分别降低了4.429 6 d B、4.665 7 d B。这些结果表明新算法得到的解有着更高的计算精度、收敛速度和多样性,综合性能更好。     

基于凸优化及其求解软件的最低旁瓣方向图综合算法

针对任意阵列天线的方向图综合问题,提出了基于凸优化及其求解软件的方向图综合方法。其中针对最低旁瓣方向图综合问题的特殊性,利用了凸优化的优良数值求解特性,以及最新的凸优化求解软件cvx对任意阵列天线的最低旁瓣方向图综合算法进行了有效的建模和求解,获得了满足给定要求的综合方向图。并通过详细的仿真分析验证了所提方法的正确性和有效性,而且优于当前提出的迭代算法。     

一种改进的布谷鸟搜索算法

布谷鸟搜索算法是近年来提出的一种新的仿生智能算法,算法主要通过模拟布谷鸟的繁殖习性对问题进行最优求解。针对布谷鸟搜索算法中解的发现及放弃策略的随机性问题,将解的适应度情况同时考虑进来,并在此基础上提出一种基于解的优劣度的改进布谷鸟搜索算法。算法充分考虑解的适应度,并将适应度作为评估是否被放弃的一个标准,从而使得适应度较好的解更有可能被保留下来,提高算法的求解质量。实验结果表明新算法在求解质量以及收敛速度方面,都比标准的布谷鸟搜索算法有了一定的提高。     

求解多峰优化问题的改进布谷鸟算法

布谷鸟算法是一种简便而高效的元启发式算法.然而,布谷鸟算法在求解复杂的多峰优化问题时通常存在易陷入局部最优解的缺点.针对布谷鸟算法的这种缺点,结合神经网络算法和布谷鸟算法的特性,提出一种基于神经网络的布谷鸟算法.该算法的核心思想是借助改进神经网络算法的强大全局搜索能力和动态种群策略来平衡布谷鸟算法的全局搜索能力和局部搜索能力,从而减少布谷鸟算法陷入局部最优的可能性.该算法首先将种群中的个体依照适应度值的优劣进行排序,然后对种群中最好的一半个体通过布谷鸟算法进行优化,对种群中最差的一半个体通过改进的神经网络算法进行优化,最后将所有个体组成一个新的种群,并从中筛选出最优解.采用24个复杂基准测试函数检验所提出算法求解多峰优化问题的性能,并将优化结果与神经网络算法,布谷鸟算法以及一些改进的布谷鸟算法所获取的优化结果相比较.实验结果表明:所提出的算法充分地展现了神经网络算法和布谷鸟算法的优势,其在求解质量,求解效率以及求解稳定性上均显著优于其它算法.     

带全局-局部最优步长比例因子的布谷鸟搜索算法

布谷鸟搜索算法利用Lévy Flights随机走动和Biased随机走动过程完成全局搜索和局部开发. 针对原始的Lévy Flights随机走动仅采用固定的常数步长因子,介绍了一种使用每一代中个体的全局和局部最优适应值动态设置步长因子的方法,并提出了一种带全局-局部最优步长比例因子的布谷鸟搜索算法. 在测试函数上的运行结果证明,该方法是可行的,且能够全面有效地加强布谷鸟搜索算法的收敛速度和求精能力,其性能总体上比采用固定因子、基于均匀分布随机数或基于贝塔分布随机数比例因子的布谷鸟搜索算法更优.     

入侵杂草优化算法用于阵列天线方向图综合简

For overcoming the problem of slow convergence speed and local optimum by using the existing intelligent optimization algorithms in the pattern synthesis of antenna arrays with nulls, notches and sidelobe reduction, a novel invasive weed optimization(IWO) algorithm is presented, and an adaptive IWO is designed to improve the convergence speed and make a balance between the global and local searching ability. Simulation results show that, compared with other existing algorithms, the proposed algorithm performs better, with higher convergence speed and better computation accuracy.     

求解连续空间优化问题的Powell蚁群算法

针对连续空间函数优化问题,提出了Powell蚁群算法.该算法把Powell方法嵌入蚁群算法的局部搜索,提高蚁群算法的搜索精度和收敛效率.全局搜索过程中,把传统蚁群算法中的信息素更新和蚂蚁的转移规则拓展到连续空间中,定义了相应的求解算法.通过对二维多极值非线性函数的寻优实例进行仿真,并与Powell方法的求解结果进行比较,证明该方法的有效性.     

基于布谷鸟搜索算法的用户选择和干扰对齐

为了实现蜂窝系统中单小区边缘用户正常通信,减少相邻小区间多个边缘用户对本小区边缘用户造成的干扰,提出了一种基于布谷鸟搜索算法的用户选择和干扰对齐算法。该算法首先用布谷鸟搜索算法对小区边缘用户进行选择,接着采用干扰对齐方法消除相邻小区间的干扰,最后通过预编码和基于最小均方差（MMSE）译码方法消除小区内用户间的干扰。该布谷鸟搜索算法与快速排序搜索算法相比具有更低的时间复杂度。数值分析表明与基于迫零算法的译码方法相比,该译码方法能够提高系统容量2 b·s-1·Hz-2,改善误码率4 dB。     

基于高斯扰动的布谷鸟搜索算法

在布谷鸟搜索算法（CS）的基础上,提出了一种在迭代过程中对鸟窝位置加入高斯扰动的方法,即基于高斯扰动的布谷鸟搜索算法（GCS）.它增加了鸟窝位置变化的活力,从而有效地提高了算法的收敛速度.仿真实验结果表明,该算法优于原始布谷鸟搜索算法.     

粒子群优化算法在天线方向图综合中的应用

针对目前粒子群优化算法在多零点低旁辫约束的阵列天线方向图综合中早熟收敛、易陷入局部板值的问题,提出了一种改进的粒子群优化算法MSPSO,在多子群、层次化的模型中采用von Neumann邻域结构,以改善收敛速度和优化精度.建立一种新的目标函数模型,对顶层和底层的子群分别采用适合其特点的适应值目标函数,平衡了算法的全局和...     

基于粒子群优化模糊核聚类的电梯群交通模式识别

为了改善电梯群控系统的性能,使电梯群节能并高效运行,针对不同的交通模式采用合理的调度算法对电梯群进行优化调度,提出一种基于粒子群(PSO)的模糊核聚类算法(KFCM)的电梯交通流模式识别方法．利用基于梯度下降的粒子群优化算法代替KFCM算法的迭代过程,可使算法具有较强的全局搜索能力和局部搜索能力,并降低了KFCM算法对初始值的敏感度．利用核方法将低维特征空间的样本映射到高维特征空间,增加对样本特征的优化,并使样本特征在高维特征空间线性可分,更加容易聚类．采用在某办公楼采集的电梯交通流数据作为测试样本,仿真结果表明,与FCM聚类算法相比,该算法具有良好的性能指标,对电梯交通流的聚类效果更准确．     

一种改进的混沌局部搜索的人工蜂群算法

人工蜂群算法具有鲁棒性强、收敛速度快且全局寻优性能优异等优点,但其局部搜索能力不足.为了克服此缺陷,提出了一种改进的混沌局部搜索的人工蜂群算法.新算法在每一代的所有个体的平均值附近利用混沌函数进行局部搜索,然后在搜索到的解和原食物源之间采用贪婪选择的原则确定下一代种群.基于6个标准测试函数的仿真结果表明,本算法能有效地加快收敛速度,提高最优解的精度,其性能优于已有的人工蜂群算法.