基于混沌粒子群算法的多目标二维切割问题

多维切割问题是木材加工、机加工和造纸等行业在生产中经常遇见的实际问题。排样切割完成后,往往都会有一些大小不等、数量不同的剩余材料。本文优化利用这些材料,进一步减少浪费。通过和贪心启发式算法的比较,证明该混合算法对解决多目标二维切割问题是行之有效的。     

基于多目标粒子群算法的异构网接入控制

各种异构接入网络的无缝融合是下一代网络的显著体征之一。研究异构网络的呼入接纳控制,考虑延时、价格和阻塞率因素,致力于同时提高运营商收益和用户满意度,将无线异构网络的呼入接纳控制转换为组合优化问题,利用多目标粒子群优化算法收敛速度快,可同时在多目标上进行优化的特点,提出了一种基于多目标粒子群优化算法的异构无线网络呼入接纳控制算法。通过仿真,证明可以在运营商的收益和用户群的满意度中找到好的平衡。     

基于混合粒子群算法求解TSP问题

遗传算法是研究TSP问题中最为广泛的一种算法,它具有全局搜索的能力。而粒子群算法收敛速度较快,但容易造成局部最优的情况。本文基于遗传算法的交叉变异设计了混合粒子群算法,通过对TSP问题求解分析,证实该方法提高了标准粒子群的搜索能力,获得了较高的收敛速度和近似最优解。     

基于改进的自适应克隆选择粒子群优化算法的多用户检测

为了提高多用户检测技术的性能，改善粒子群算法的局部搜索能力，将克隆选择算法（CS）和传统离散粒子群算法（DPSO）相结合，文中提出一种改进的自适应克隆选择粒子群优化算法（ACSPSO），并用于多用户检测。仿真证明，这种基于ACSPSO的检测器在误码率和收敛速度上都比DPSO和CS得到明显改善。     

基于多目标粒子群优化的DCT域数字水印算法

根据对粒子个体的非支配排序和计算拥挤距离,提出一种改进的多目标粒子群优化(IMOPSO)算法。将IMOPSO应用于DCT域数字水印系统设计,提出基于多目标粒子群优化的数字水印算法。该算法以水印嵌入位置作为粒子的解,以不可见性(PSNR)和鲁棒性(NC)作为两个优化目标,得到数字水印系统的最优解集。实验结果表明,提出的算法得到多种满足PSNR值和NC值平衡的水印嵌入方案。与其他相关算法在同等条件下相比较,算法满足水印不可见性的同时,在噪声、压缩、裁剪等攻击下具有较好的鲁棒性。     

基于遗传与粒子群算法的Markov逻辑网学习研究

Markov逻辑网（MIJN）是一种重要的统计关系模型，目前其学习问题主要采用确定性的优化方法，所求的解不够简洁、易陷入局部极值．针对这些问题，本文定义谓词模板、子句模板以缩小搜索空间，提出一种采用子句模板编码的遗传算法来学习MLN结构，并用粒子群算法学习MLN的权参数．文中设计了适应度函数和相应的遗传算子，保证算法不断向好的逻辑子句结构进化．理论分析与实验结果都表明本文的算法可以学习到较优解．     

基于粒子群算法的工作流服务主体优选方法

研究工作流服务主体优选问题,在工作流系统中,工作机负载能力有差异性,而且整个系统负载具有动态性,传统算法难以获得最优工作流服务主体优选方案,导致系统资源利用率较低.为了提高系统资源利用率,系统负载保持均衡,提出一种粒子群算法的工作流服务主体优选方法.首先对工作流服务主体优选问题建立相应数学模型,然后采用粒子群算法对其进行求解,即工作流服务主体最优选择方案,最后进行仿真测试.测试结果表明,相对于传统方法,粒子群算法可以针对不同类型的任务分配不同的工作机,实现系统多种资源的负载均衡,提高系统资源的利用率.     

基于粒子群算法的软件可靠性分配问题研究

针对软件可靠性分配中不易求解全局最优解这一问题,将可靠性指标分配到每个模块中,并利用改进的粒子群优化算法来搜索模型的最优解.实验结果表明,改进的粒子群优化算法在求解软件可靠性分配问题时的效果优于遗传算法等其他智能优化算法.     

基于粒子群算法的分段波长选择方法

选择合适的波长数据点建立分析校正模型是克服仪器、人员和溶液杂质等因素的影响,提高光谱分析精度的一种有效方法.特别是在多组分的情况下,组分间的交互影响使得对参与建模的波长数据点进行筛选显得尤为必要.文章在概述粒子群算法基本原理的基础上,探讨了粒子群算法在光谱波长筛选中的应用,提出了基于粒子群算法的分段波长选择方法,最后采用计算机模拟的方式对该方法进行了举例说明.     

基于车流量和粒子群算法的无线接入点布局

市车载网环境下车辆的高速移动以及街道障碍物阻挡等原因,导致VANETs分割现象严重,以至于车载网不能正常通信,因此许多研究提出通过引入无线接入点（AP）来增强车载网通信的可能性.本文就是针对城市环境的VANETs的AP布局问题的研究,在基于车流量和粒子群算法的基础上提出的解决方案,并给出了相应的仿真,仿真结果表明该算法能在保证覆盖率的情况下实现AP的优化布局,同时在寻优过程中具有较快的收敛速度和较好的收敛性.     

基于信息熵的免疫粒子群算法求解指派问题

针对指派问题,提出了一种带有免疫功能的离散粒子群优化算法.在粒子群算法中通过交叉策略和局部搜索策略实现粒子位置的更新,以保证解的可行性.在迭代进程中为了防止粒子由于多样性降低陷入早熟收敛,通过基于信息熵的种群亲和度动态评价和抗体浓度抑制机制,很好地保持了种群的多样性,增强了算法的全局寻优能力.实算结果表明,该算法能到得较优的指派方案,且也能处理匈牙利法不能求解的指派问题.     

基于混合粒子群算法的QoS选播路由优化算法

本文提出一种基于混合粒子群算法的QoS选播路由优化算法。算法针对QoS的多约束条件特点,采用了混沌搜索思想来增强算法局部搜索能力,并且通过正交初始化种群和交叉选择来增加粒子的多样性,提高算法精度。仿真结果对比表明,算法优化效果明显。     

一种基于粒子群优化的自适应均衡算法

提出了一种自适应信道均衡的方法,它利用粒子群优化算法对均衡器系数进行自适应调整.由于粒子群优化算法具有实现简单、性能函数的单调性强、搜寻全局最优解的能力强等优点,将其用于自适应信道均衡将会改善传统均衡器均衡效果不理想的问题.仿真结果表明,该方法实用有效,在信道失真较大和最优解搜索精度方面表现出了优越性.     

基于粒子群优化的数字波束形成算法

波束形成的加权系数求解是一个优化过程,现有算法大多经过多次迭代,计算量大,实现复杂。为降低波束形成算法复杂度,将粒子群优化原理应用于数字波束形成中,提出了基于粒子群优化的自适应数字波束形成算法。该算法将每一组权值作为一个粒子,将阵列加权和的输出信号与干扰噪声比(SINR)作为适应度函数,通过比较各个粒子的适应度值,进行迭代搜索得到最优解。该算法可使天线阵在主波束对准有用信号,同时能有效抑制两个以上的干扰,且对阵列通道误差有较好的稳健性。计算机仿真验证了算法的有效性。     

基于微粒群的颜色量化算法

将微粒群算法应用于彩色图像的颜色量化.根据种群的进化原理,在RGB彩色空间中对图像像素的颜色值进行聚类,通过迭代寻优确定最优调色板,然后进行像素的颜色映射,从而完成量化工作.仿真实验表明,该算法具有颜色失真小,收敛性好,鲁棒性强和受初始条件影响小等特点,是一种有效的颜色量化算法.     

基于粒子群算法的预编码设计

针对多用户多输入多输出系统的下行链路传输,提出了一种基于粒子群算法的预编码设计方案。该方案首先通过理论分析,推导出错误符号概率的函数,该函数是将平均符号错误概率构造为预编码矩阵和各用户信道信息的函数,并以最小符号错误概率为判断准则。然后利用模拟鸟群觅食的粒子群方法对其进行优化搜索,得到最佳效果。理论分析与仿真结果表明,该方案性能比传统的预编码性能更优。     

基于粒子群优化的神经网络训练算法研究

本文提出了基于连接结构优化的粒子群优化算法(SPSO)用于神经网络训练,该算法在训练神经网络权值的同时优化其连接结构,删除冗余连接,使神经网络获得与模式分类问题匹配的信息处理能力.经SPSO训练的神经网络应用于Iris,Ionosphere以及Breast cancer模式分类问题,能够部分消除冗余分类参数及冗余连接结构对分类性能的影响.与BP算法及遗传算法比较,该算法在提高分类误差精度的同时可加快训练收敛的速度.仿真结果表明,SPSO是有效的神经网络训练算法.     

基于粒子群优化的多径辅助室内定位算法

由于室内多径信号丰富且包含了室内几何信息,可以利用室内多径信号对目标进行定位.基于此,本文提出了一种多径辅助的目标定位算法.首先,利用多径信号的差分飞行时间（Time of Flight,TOF）构建关于目标以及散射体位置的适应度函数;然后,提出了基于粒子群优化（Particle Swarm Optimization,PSO）的目标及散射体位置联合搜索算法,其中利用目标及散射体到达角（Angle of Arrival,AOA）确定搜索范围;其次,选取搜索到的散射体位置联合差分TOF求解目标位置;最后,利用仿射传播聚类（Affinity Propagation Clustering,APC）对所有散射体估计到的目标位置进行聚类,提出聚类准则消除大的定位误差点.仿真结果表明,本文所提算法利用单个基站可以达到较高定位精度.     

基于微粒群算法的聚类分析

文章将微粒群算法应用于数据挖掘的聚类分析。在对微粒群算法进行改进的基础上．提出了基于微粒群算法的聚类分析。理论分析和仿真结果表明该算法是有效的。