CDMA系统粒子群多用户检测算法

Kennedy和Eberhart提出的粒子群优化算法(PSO),作为一种新的并行优化算法,在解决多维和非线性的复杂问题中,性能优良且算法简单易于实现。本文对二进制粒子群优化算法进行改进,并将其应用于DS-CDMA通信系统的多用户检测中,提出了基于矢量的二进制粒子群多用户检测器(V-BPSO-MUD),同时提出了两种高效实用的多用户检测器:基于矢量的串行二进制多用户检测器(VS-BPSO-MUD)及基于矩阵的二进制多用户检测器(M-BPSO-MUD)。仿真结果表明,PSO多用户检测器充分利用了粒子群优化算法的优良特性,性能明显优于传统的CDMA检测器,接近无多址干扰情况。     

基于拟熵自适应启动局部搜索策略的混合粒子群算法

在继承综合学习粒子群算法（Comprehensive Learning Particle Swarm Optimizer,CLPSO）全局探索优势的基础上,引入具有高效收敛性能的传统局部搜索（Orthodox Local Search,OLS）方法,提出了基于拟熵自适应启动局部搜索策略的混合粒子群算法（Hybrid Particle Swarm Optimization algorithm with Adaptive starting strategy of Local Search based on Quasi-Entropy,ALSQE-HPSO）.采用拟熵指标解决何时启动OLS这一关键问题.对8个标准函数的10维和20维问题的测试结果,表明了ALSQE-HPSO算法的性能优势.本文提出的算法也与包含两种基于CLPSO的改进算法和一种带OLS的粒子群算法在内的其他6种改进粒子群算法进行了对比,实验结果表明ALSQE-HPSO算法的性能优于对比算法.     

合作式粒子群优化算法

针对粒子群优化(PSO)算法随着维数增加而导致的收敛速度慢,容易陷入局部最优的问题,提出了一种合作式粒子群(CPSO)算法。通过多粒子群不同的组态向量合作,显著改善了标准算法的早熟问题。利用标准测试函数对CPSO算法、协同进化遗传算法(CCGA)、遗传算法(GA)、PSO算法进行比较测试,结果表明,CPSO算法在多个基准优化问题方面显示了较佳性能。     

改进粒子群算法的露天矿路径优化研究

为将面向连续优化的粒子群优化算法应用于露天矿路径优化问题的求解,提出了露天矿路径优化问题的权重编码方案．该方案将属于组合优化的露天矿路径问题转化为连续优化问题,同时保留了粒子群算法的易操作性和高效性．针对粒子群算法易陷入局部最优的问题,提出了适合露天矿路径优化问题的基于k-中心点法的改进措施,在此基础上采用k-中心点法对粒子群进行聚类分析,实现了粒子之间的信息交换,扩大了粒子的搜索空间,避免算法陷入局部最优．最后,用露天矿的实际路径节点数据验证了权重编码方案和改进粒子群算法的有效性．     

Hybrid Cuckoo Search with Salp Swarm Optimization for Spectral and Energy Efficiency Maximization in NOMA System

Non-Orthogonal Multiple Access (NOMA) holds the efficiency of enabling 5G communication. Due to the faster emergence of smart devices and their correlated applications, there is a huge demand for data traffic to increase the data rate. As a result, these raising demands of the users and the restricted spectrum will minimize the energy and spectral efficiency of the wireless network. There are two major measures like spectral and energy efficiency in Fifth-Generation (5G) communication models technically analyzed in this paper. The main intent of this paper is to develop a hybrid meta-heuristic algorithm for maximizing the spectral and energy efficiency of NOMA, thus avoiding low latency communication. The proposed model integrates two well-performing meta-heuristic algorithms like Salp Swarm optimization algorithm (SSA) and Cuckoo Search Algorithm (CS) for attaining the energy and spectral efficiency maximization in NOMA. The proposed hybrid meta-heuristic algorithm called Cuckoo Levy-based SSA (CL-SSA) is developed to optimize the parameters like beamforming vectors and time allocation ratio at the base station and relay. As the conventional optimization algorithm spectral efficiency of the system reaches maximum. The mean of the proposed CL-SSA for spectral efficiency is 23%, 2.8%, 54%, 32%, and 10% increased than Cuckoo Search (CS), Salp Swarm optimization (SSA), Genetic Algorithm (GA), Particle Swarm Optimization (PSO), and Fire Fly algorithm (FF), respectively. The experimental result shows that the proposed CL-SSA maximizes the spectral efficiency and energy efficiency than conventional techniques like Cuckoo Search (CS), Salp Swarm optimization (SSA), Genetic Algorithm (GA), Particle Swarm Optimization (PSO), and Fire Fly algorithm (FF) in developed NOMA model.

     

基于粒子群算法的宽带真延时方向图栅瓣抑制方法

针对阵元间距大于信号波长引起阵列方向图出现栅瓣的问题,该文提出一种基于粒子群优化(PSO)算法的宽带真延时方向图栅瓣抑制方法。该方法首先定义了基于宽带真延时的阵列能量方向图,其次构造了以阵列能量方向图的最高副瓣电平作为适应度函数,最后利用粒子群优化算法优化阵元分布来实现对阵列方向图栅瓣的进一步抑制。仿真结果表明:相比于单独使用粒子群算法和单独使用宽带真延时方法,该方法对方向图栅瓣的抑制性能更加有效,在此基础上,该文还研究了阵元个数、平均阵元间距、信号时宽和信号中心频率等因素对方法抑制栅瓣性能的影响。     

基于改进粒子群算法的无线传感网络覆盖优化

针对传统粒子群算法容易陷入早熟陷阱而导致无线传感网络(WSN)的覆盖优化效果欠佳的现象,提出一种引入种子杂交策略的粒子群优化(PSO)改进算法。通过将前期的PSO算法寻优与后期的种子杂交策略相结合,从而完成覆盖性能的优化。综合理论分析与实验仿真可知,相比于其他算法,本文算法改善了覆盖率与RD指标,在改善网络覆盖性能方面具有一定优势。     

一种新混合粒子群算法及其在阵列天线方向图综合中的应用

针对传统粒子群算法(PSO)中存在的易陷入局部最优解和后期收敛速度慢的问题,首次提出一种新混合粒子群算法(NHPSO),采用杂交粒子群算法和固定惯性权重策略,并把简化的二次插值法融入杂交粒子群算法中。实验证明新算法大大提高了收敛速度,改善了解的质量。对阵列天线特殊主瓣形式的波束赋形和旁瓣电平优化结果取得了非常好的效果,计算机仿真证实该新算法应用于此类问题非常有效。     

基于PSO-SVM方法的电源线传导泄漏信号识别与还原

针对显示器电源线传导泄漏信号中红信号识别的难题,该文提出基于粒子群(PSO)算法优化支持向量机(SVM)的识别方法。首先对传导泄漏信号进行滤波预处理并分段,然后利用粒子群-支持向量机(PSO-SVM)对传导泄漏信号进行训练、分类并与SVM分类性能进行对比,最后应用PSO-SVM实现了显示图像的还原。结果表明此算法可以准确实现电源线传导泄漏信号中红信号的识别,且识别率明显高于SVM分类器。     

均匀搜索粒子群算法

针对基本粒子群优化算法容易陷入局部最优解的问题,本文定义了PSO粒子搜索中心的概念,并对其随机状态下粒子搜索中心在全局最优解与局部最优解之间的概率密度进行了计算,在此基础上提出了粒子搜索中心在两个最优解之间均匀分布的均匀搜索粒子群算法,并通过7个Benchmark函数与基本PSO算法进行了对比实验及算法分析,实验分析结...     

改进粒子群算法的多峰值优化研究

粒子群优化算法对于多维函数的最优解搜索存在前期易陷入局部最优,后期收敛速度缓慢的问题.将改进的k-中心点聚类分析与PSO相结合提出了一种混合粒子群算法KM-PSO,用于多峰值问题的优化.在算法中,利用k-中心点聚类分析方法将粒子群划分成若干个子群,结合PSO的隐含并行搜索的优势增强了寻优性能.不仅增加了粒子间的信息交换,抑制了早熟收敛,还提高了全局寻优速度和计算精度.仿真实验结果表明,KM-PS0性能优于基本粒子群优化算法.     

基于PSO算法的系统可靠性优化分析

提出了将粒子群优化算法(Patticle Swarm Optimization Algorithm,PSO)用于求解系统可靠性优化问题,建立了系统的可靠性模型,分别采用遗传算法(Genetic algonthm,GA)和PSO算法进行了优化仿真,结果表明采用PSO算法和GA算法都能实现系统可靠性优化,但是相比之下PSO算法的计算精度和求出最优解的概率更高,需较少的迭代次数,能更稳定的求解最优解,而且没有求解早熟的弱点,因此PSO算法更适合于系统可靠性优化。     

基于混合PSO小波网络的网络异常检测

提出一种用新型的进化学习算法训练的小波神经网络(WNN).这种新型的进化学习算法是基于粒子群算法(PSO)和共轭下降法(CG)提出的.以往,将粒子群算法用于神经网络的训练一般是可行的.因为粒子群算法相比于其他的优化算法,具有相对简单的结构和快速的收敛速度,然而,由于粒子的搜索坍塌速度过快而导致粒子停滞这种潜在的危险.粒子的持续停滞使搜索结果很难达到全局最优,甚至会陷入局部最优.为了克服粒子群算法缺点提出了改进的混合算法.通过对KDD 99数据集的实验表明,利用新型混合算法训练的小波神经网络对于异常检测具有很高的异常检测率并且又较低的误判率.可见,该方法对于网络异常检测是有效的.     

Pattern synthesis of centre fed linear array using Taylor one parameter distribution and restricted search Particle Swarm Optimization

In this article, a new method of pattern synthesis of centre fed, equal distance linear array having single and multiple synthesis objectives has been proposed and statistically investigated. Single objective of reduced side lobe level (SLL) and first null beamwidth (FNBW) has been considered separately. Consequently, multiple objectives of beamwidth and side lobe level have been investigated. Synthesis of linear array for suitable objectives has been investigated on Taylor one parameter distribution with equal progressive phase. Excitation amplitude of each array element is taken as optimization parameter where distribution has been optimized using Particle Swarm Optimization (PSO) for achieving low SLL. Later the same has been incorporated for obtaining suitable FNBW. In our optimization algorithm conventional PSO has been modified with a restricted search PSO (RSPSO) where search space has been predefined within excitation amplitude range. PSO within the defined range searches for optimum excitation amplitude to achieve the desired objectives. In order to illustrate the effectiveness of the proposed RSPSO, simulation results of three significant instances of linear array have been presented for both even and odd number of element. The design results obtained using RSPSO have improved result than those obtained using other state of the art evolutionary algorithms like differential evolution (DE), invasive weeds optimization (IWO) and Conventional particle Swarm optimization (CPSO) in a statistically significant way.     

多元最优信息分组延迟粒子群算法

在简要介绍基本PSO算法的基础上,提出多元最优信息分组算法:选择m个最优信息,分成m个组,每个微粒属于离自己最近的最优微粒所处的小组。当经过一定的运行延迟周期后,合并小组,直到只剩下最后一个小组。同时,对新算法进行描述并以典型优化问题的实例仿真验证了MGPSO算法的有效性。     

融合显性和隐性度量的多模图像配准算法

为解决基于隐性度量的图像配准算法初始配准误差大容易引起失配的问题,本文提出了一种融合显性度量和隐性度量的多模图像分层配准算法。首先采用金字塔分解算法得到低分辨率待配准图像。然后在每一层金字塔图像中,先采用互信息作为显性度量,利用粒子群算法获得初始的配准参数;以此作为初始值,采用基于隐性度量的配准算法,利用融合粒子群和鲍威尔搜索法的优化算法获取更准确的配准参数。基于低分辨率图像计算得到配准参数后,先对高分辨率待配准图像进行变换,然后利用提出的上述算法进行参数优化,根据每层得到的配准参数计算最终的配准参数。最后,采用可见光与红外图像、多波段SAR图像进行了配准实验。实验结果表明,提出的算法适用于多模图像配准,能够减小配准误差,具有一定的适用性。      

具有异构分簇的粒子群优化算法研究

 粒子群优化(Particle Swarm Optimization,PSO)算法在复杂多峰函数可行域空间搜索时极易陷入局部极值点.研究表明改变种群拓扑结构和调整算法参数有助于改善种群的多样性,但是目前研究中少有同时考虑种群全局拓扑结构和局部粒子个体能力.本文提出一种具有异构分簇特性的自适应PSO算法.该算法采用K-均值聚类算法对种群进行动态分簇,形成多异构子群,并采用Ring型拓扑结构进行子群间信息流通.而后采用基于寻解水平评价的粒子自适应参数调整策略进行个体调整.通过实验分析表明该算法能够提高粒子群优化的种群的多样性、粒子活性、搜索能力和收敛性能,同时也降低了算法对参数初值的依赖性.     

基于正弦调整的粒子群算法应用于换热网络

粒子群算法在优化换热网络综合问题后期,通常陷入局部极值而无法寻到全局最优解。通过对粒子群算法中的种群大小、迭代步数、最大速度、惯性权重4个参数的正交试验,得出了惯性权重是平衡算法局部搜索和全局搜索能力的一个重要因素。在综合分析标准PSO算法速度进化方程的基础上,提出了一种按正弦变化惯性权重的PSO算法,并利用标准测试函数验证了算法的性能。通过典型算例证明改进后的PSO对换热网络综合问题的有效性。     

基于动态交换策略的快速多目标粒子群优化算法研究

本文提出了一种基于动态交换策略的快速多目标粒子群优化算法,通过把初始种群分割成Pareto和Non_Pareto集合,并在迭代过程中对Pareto解集进行动态调整,从而较好地完成了多目标优化算法对Pareto解集的搜索和逼近.实验和应用实例均表明了该算法的有效性和快速性,并通过性能指标ER的计算验证了本算法优于某些同类的多目标优化算法.     

粒子群算法在等效系统拟配中的应用

等效系统方法是评价飞机飞行品质的重要方法之一.采用粒子群算法进行等效系统拟配,针对粒子群算法在全局搜索和局部开发能力的平衡问题,引进了自适应调节参数,线性调节粒子速度中个体“经验”和群体共享“信息”的权重,使得算法在迭代前后期都有较强的寻优能力,最后将改进算法应用于某型飞机横航向操纵系统的等效系统拟配计算,采用失配包络...