短码长LT码的蚁群算法度分布优化

度分布是Luby transform(LT)码性能优劣的关键指标,为得到更优的度分布结构,提出一种基于蚁群算法的LT码度分布优化方法.将蚁群算法与蒙特卡洛仿真结合,以仿真结果的特定统计参数作为优化目标值,通过蚁群算法的搜索,得到优化的度分布值.通过仿真实验对比测试优化后度分布的实际译码性能,证实了该方法能得到满足以蒙特卡洛仿真统计参数为优化目标的度分布.     

一种Raptor编译码技术的改进算法

在介绍LT码原理及其相关度分布函数的基础上,对Raptor码的编译码原理进行研究.其中预编码技术和LT码编译码技术是Raptor码的的两个核心技术.选择一套合适的预编码方案和改进LT度分布函数是改进算法的核心所在.通过研究和比较,在传统的一些纠删码中最终选择以LDGM码作为预编码方案,并根据实际应用对LT码度分布函数进行了改进.将LDGM码和改进后的LT码级联为Raptor码.这种Raptor编码技术的改进算法改善了数据传输过程中的网络丢包以及实时性的问题.     

LT码的度分布优化研究

LT码作为一种对信道具有良好适应性的信道编码方案,已在水声通信中实现了稳定的数据传输。在译码开销较大的情况下,LT码可以达到理想误码率,但当编码数据长度较短时,其编译码性能并不理想。为改善LT码在编码数据长度较短时的性能,基于水声OFDM通信系统进行LT码的研究,以最低误码率和最小平均度值为优化目标,提出了一种度分布优化设计方法。仿真和海试试验结果表明:在相同的误码率下,该方法能优化系统,减小7%～22%不等的译码开销,降低编译码的复杂度。     

基于α-stable分布的多目标粒子群算法研究及应用

多目标的粒子群算法(MOPSO)在各个领域的优化设计中得到了广泛应用及改进,但是目前仍然存在着在进化后期容易陷入局部最优导致收敛精度低、解的多样性差等问题。引入α-stable分布理论,发展建立了一种新的基于α-stable动态变异的多目标粒子群优化算法(ASMOPSO)。通过α-stable分布生成随机数对PSO算法的种群进行变异操作,增加种群的多样性,在算法中动态调整稳定性系数α实现变异范围和幅度的变化,从而使得改进的ASMOPSO算法具有兼顾计算精度和全局寻优的能力。使用ZDT系列无约束函数和带约束的Tanaka及Srinivas函数对改进前后的算法进行了测试,结果显示出了ASMOPSO算法的快速全局寻优性能。将改进后的算法应用到RAE2822跨音速翼型的减阻和力矩绝对值不增大的综合优化中,得到了较好的多目标气动优化结果。     

喷泉码中不定帧长LT码及其生成矩阵的优化

针对喷泉码中LT( Luby transform)码编码效率不高、需传送的数据量大、时延长且译码概率低等弊端,将数学极限分析方法引入LT码的度数分布中,提出了一种不定帧长LT码方案,并且在不定帧长LT码的生成矩阵中引入改进的熵编码压缩算法,得到了以熵编码为基础的不定帧长LT码系统模型.其核心思想是先将原始数据进行适当的...     

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量(HOC)的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声,其解法一般采用的是梯度搜索法,但是梯度搜索过程难以避免局部收敛而且计算复杂.粒子群优化算法(PSO)具有算法简洁,易于实现,且不需要梯度信息等优势.使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题,为滤波器参数的优化提供了一种新的思路.仿真结果表明,使用PSO优化算法求解自适应滤波器系数能获得更高的精度.同时PSO算法受系统跃变的影响较小,因此它在求解非平稳过程模型系统时具有一定的优势.     

改进PSO算法及其在函数优化中的应用

针对微粒群算法PSO（Particle Swarm Optimization）应用于函数优化存在的问题,提出一种加入了梯度信息改进的微粒群算法。微粒群算法用于函数的优化,具有简单、效果好等优点。但是研究也表明该方法也存在着一些缺点,如计算时间较长、容易陷入局部最小等,这是由于算法本身的随机性决定的。梯度法是传统的优化方法,典型的特征是在确定优化解的方向时遵循梯度下降原则,因此在寻找优化值时方向比较确定,可以减少优化时间。为了克服PSO的缺点,在标准PSO优化策略中引入梯度原则,设计了一个具有梯度指导的PSO算法。现将改进的PSO算法应用于函数的优化,并与标准PSO算法的效果进行了比较。函数优化实验的结果表明,改进的PSO算法提高了标准PSO算法的收敛时间。     

PSO算法在油船双底结构优化设计中的应用研究

为了研究粒子群优化(PSO)算法用于解决大型复杂结构的优化设计问题的有效性,分别采用基本PSO算法、标准PSO算法与遗传算法(GA)对某一大型油船双层底结构优化设计问题进行了求解.优化过程中双层底结构的响应分析计算过程采用正交异性组合板理论实现.将这3种优化算法的计算结果进行对比分析表明,与基本PSO算法和GA算法相比较,标准PSO算法的收敛速度最快,且能够获得该问题的全局最优解.研究结果表明,基本PSO算法可有效应用于解决如船体双层底等大型复杂结构优化设计问题.     

一种阵元位置误差条件下的DOA估计方法

针对存在阵元位置误差时多重信号分类(MUSIC)算法的信号波达方向(DOA)估计性能严重下降的问题,结合微粒群(PSO)算法,提出了一种在阵元位置误差情况下的DOA估计方法.该方法首先根据MUSIC算法原理拟合校准目标函数,然后运用PSO算法对函数进行寻优,再校准误差矩阵,最后利用MUSIC算法进行DOA估计.通过不同的参数设置条件下仿真结果比较,选择估计性能最好的一组作为PSO算法的关键参数设置,并对比了校准前后MUSIC算法的DOA估计性能.仿真结果表明:本文方法能够有效改善MUSIC算法的角度分辨能力.     

梯度增强的Kriging模型与Kriging模型在优化设计中的比较研究

在许多工程优化设计问题中,由于需要采用费时的数值模拟方法获得目标函数和约束函数值,出现了优化时间过长、优化难度大的问题。为了提高设计效率,缩短优化设计周期,代理模型方法受到人们的欢迎。近些年来,为了进一步提高设计效率,人们在传统代理模型基础上又发展了一些更高效、预测精度更高的新型代理模型,如变可信度模型、梯度增强的代理模型等。为了研究新型代理模型在优化设计中的优化效率和优化效果,首先结合代理模型、多点加点准则及多种传统优化算法,发展了一套适用于代理模型、梯度增强的代理模型的通用优化算法框架,基于该框架,采用典型的数值算例对当前应用较为广泛的Kriging模型和近些年来发展的梯度增强的Kriging模型进行了对比研究。结果显示,在假定目标函数的梯度与目标函数计算量相同的情况下,采用梯度增强的Kriging模型得到的优化结果在绝大多数情况下都优于采用Kriging模型得到的结果。最后,应用翼型设计算例对两种代理模型进行了对比,其中目标函数的梯度采用与目标函数本身计算量基本一致的Adjoint方法获得;结果显示,梯度增强的Kriging模型表现优于Kriging模型。     

基于移动最小二乘法和粒子群算法的优化算法

针对复杂电磁装置优化问题中目标函数计算次数过多的问题，提出了一种基于移动最小二乘法（MLS）和粒子群优化算法（PSO）的快速全局优化方法.该方法利用基于MLS的表面响应模型，重构原始的优化问题，采用加权PSO算法对重构后的目标函数进行寻优，再使用拟牛顿法，对原优化问题直接寻优，从而得到优化问题最终的最优解，并对基准测试函数和实际电磁装置问题进行优化计算.结果表明，与加权PSO相比，该算法能找到优化问题的全局最优解，并能有效的减少目标函数的计算次数，节省了计算时间，提高了计算效率.     

Reliability-based design optimization for flexible mechanism with particle swarm optimization and advanced extremum response surface method

To improve the computational efficiency of the reliability-based design optimization(RBDO) of flexible mechanism, particle swarm optimization-advanced extremum response surface method(PSO-AERSM) was proposed by integrating particle swarm optimization(PSO) algorithm and advanced extremum response surface method(AERSM). Firstly, the AERSM was developed and its mathematical model was established based on artificial neural network, and the PSO algorithm was investigated. And then the RBDO model of flexible mechanism was presented based on AERSM and PSO. Finally, regarding cross-sectional area as design variable, the reliability optimization of flexible mechanism was implemented subject to reliability degree and uncertainties based on the proposed approach. The optimization results show that the cross-section sizes obviously reduce by 22.96 mm~2 while keeping reliability degree. Through the comparison of methods, it is demonstrated that the AERSM holds high computational efficiency while keeping computational precision for the RBDO of flexible mechanism, and PSO algorithm minimizes the response of the objective function. The efforts of this work provide a useful sight for the reliability optimization of flexible mechanism, and enrich and develop the reliability theory as well.     

基于二进制局部PSO算法的配电网故障恢复研究

针对配电网自身的特点,确定了故障恢复模型所采用的目标函数及其约束条件;在粒子群优化算法的基础上,提出了二进制局部PSO算法,并对该算法易早熟收敛和收敛速度慢的缺点进行了优化.通过算例的验证表明,该改进算法能够正确、有效地解决配电网故障恢复问题.     

Discontinuous flying particle swarm optimization algorithm and its application to slope stability analysis

A new version of particle swarm optimization (PSO) called discontinuous flying particle swarm optimization (DFPSO) was proposed, where not all of the particles refreshed their positions and velocities during each iteration step and the probability of each particle in refreshing its position and velocity was dependent on its objective function value. The effect of population size on the results was investigated. The results obtained by DFPSO have an average difference of 6% compared with those by PSO, whereas DFPSO consumes much less evaluations of objective function than PSO does.     

基于QPSO和ICA的图像盲分离方法研究

针对ICA技术中常用的普通梯度算法容易陷入局部最优,提出了一种基于量子行为的粒子群算法和独立分量分析相结合的盲源分离新算法.以负熵作为独立分量分析的目标函数,用QPSO算法代替普通梯度算法,对瞬时混合信号进行分离,给出了算法的具体步骤.实验结果表明,该算法能够有效实现图像的盲源分离.同时与其他算法对比,体现了该算法更高的性能.     

用于RBF-SVM参数搜索的伪梯度动态步长算法

针对基于径向基核函数(RBF)的支持向量机(SVM)超参数选择问题,提出了一种基于差分方程的新算法——伪梯度动态步长算法。该算法根据径向基核函数的特点提出由训练集的空间特性确定的核参数搜索范围,并采用对数刻度表示搜索空间;利用参数空间中SVM在两个临近点的分类精度的变化估计参数的搜索方向,并且随着搜索方向的变化动态调整搜索步长,从而实现较快的搜索。通过与Grid和PSO方法的对比实验,表明该算法具有良好的性能。     

基于PSO-ConvK卷积神经网络的肺部肿瘤图像识别

针对卷积核随机初始化以及梯度下降法训练卷积神经网络易陷入局部最值问题,提出粒子群算法优化卷积核(particle swarm optimization-convolution kernel, PSO-ConvK)的图像识别方法。使用参数迁移法构造卷积神经网络,并提取卷积核,利用PSO不断更新粒子的速度和位置,寻找全局最优值以初始化卷积核,将其传递到卷积神经网络,用肺部肿瘤数据训练卷积神经网络,结合梯度下降法修正网络权重,使得PSO算法的全局优化能力与梯度下降法的局部搜索能力相结合。试验通过批次大小、迭代次数以及网络层数3个角度验证方法的有效性,并与高斯函数优化卷积核进行对比。结果显示, PSO优化卷积核的识别率始终高于随机化卷积核和高斯卷积核,识别率最终达到98.3%,具有一定的可行性和优越性。     

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．     

采用粒子群算法的水平轴潮流能水轮机翼型多目标优化

为了提高水平轴潮流能水轮机叶片翼型空化性能,提出一种基于粒子群算法（PSO）的翼型性能多目标优化方法,主要针对较大攻角下翼型表面压力系数最小值;同时为保证翼型水动力性能,以翼型压力系数最小值及升力系数等建立多目标优化函数.通过程序调用XFoil对优化翼型水动力性能进行过程分析,替代计算流体动力学（CFD）分析,节省优化时间.采用此方法对NACA63-815翼型进行优化并采用CFD方法重点研究2个攻角工况下优化翼型与原翼型在3个空化数（1.0、1.5和2.0）下的空泡分布对比.结果表明,优化翼型在6.8°和10.8°攻角下压力系数最小值分别提升了17.0%和45.8%,最大升阻比提高了6.0%和61.1%.翼型的空化初生及全空化性能均得到明显提升,水动力性能也得到了提升,验证了此优化方法的可行性.