基于混合遗传算法的正交相位编码波形设计

提出一种混合遗传算法来设计可以应用于MIMO(多输入多输出)雷达系统的正交相位编码信号.该算法将模拟退火的思想引入遗传算法并加入了最优保存策略、小范围竞争择优交叉操作和过滤相同个体并动态补充新个体的操作,避免了遗传算法中的早熟问题,增强了算法的全局搜索能力,提高了算法的收敛速度.仿真结果表明,该算法可行且高效.     

市话网模拟交换节点数字化的规划模型及其算法

本文针对市内电话网引进数字交换系统这一课题,研究并探讨了:(1)在数字交换设备可供条件约束下,选择现有模拟交换节点最优数字化发展策略的0-1规划模型及其算法——修正的匈牙利分配问题算法;(2)合理配置远端用户模块的“节点覆盖问题”,以及求其满意解的迭代算法。     

量子概率编码遗传算法及其应用

该文提出了一种基于染色体量子概率编码的遗传算法--QCGA。与传统遗传算法不同,在QCGA中, 单个个体不再表示某一个确定解,而是解的取值概率分布,覆盖整个解空间;各个个体独立并行演化,个体间通过一个新的交叉算子实现演化信息的交换,同时设计了一个新的变异算子以增强算法的局部寻优能力。为了充分考察该算法的有效性和先进性,将其应用于典型函数优化、0-1背包问题和时间序列中频繁结构模式搜索等问题的求解。实验结果表明,与现有同类算法相比,该算法在具有很高搜索效率的同时,仍能维持很高的种群多样性, 因而适用于复杂优化问题的求解。     

一种基于Credit的变长分组并行交换网络调度算法

该文提出了一种新的并行分组交换(PPS)网络调度算法。该算法通过在解复用器处采用以变长分组为业务分配单元的方式消除了信元的乱序问题;通过采用Credit机制进行业务分配,实现了业务到各个交换平面完全公平的分配;各个并行交换单元采用组合输入输出排队,降低了对缓存和交换平面的加速要求,同时可以充分利用现有单Crossbar网络调度算法的研究成果。文中证明了该算法对业务分配的公平性,对高速缓存的需求量以及整个网络的稳定性,仿真进一步证明了该算法具有良好性能。     

实数遗传算法的改进及性能研究

提出一种粒子群优化方法(PSO)与实数编码遗传算法(GA)相结合的混合改进遗传算法(HIGAPSO).该方法采用混沌序列产生初始种群、非线性排序选择、多个交叉后代竞争择优和变异尺度自适应变化等改进遗传操作;并通过精英个体保留、粒子群优化及改进遗传算法(IGA)三种策略共同作用产生种群新个体,来克服常规算法中收敛速度慢、早熟及局部收敛等缺陷.通过四个高维典型函数测试结果表明该方法不但显著提高了算法的全局搜索能力,加快了收敛速度;而且也改善了求解的质量及其优化结果的可靠性,是求解优化问题的一种有潜力的算法.     

带VOQ的输入队列交换网络中的分组调度算法研究

交换技术已经成为高速路由器的核心技术。本文基于目前高速交换技术所采用的主要体系结构,带有虚拟输出缓冲队列(VOQ)的输入队列交换结构,分析已经存在的各种调度算法的性能,并设计基于遗传算法的调度策略,提供IP数据网络的QoS对吞吐量和抖动的保障。     

基于PCE的WSON光网络RWA分配策略与仿真

为了有效分配WSON光网络中的波长资源,提出了一种基于路径计算单元(Path Computation Element,PCE)的波长交换光网络(Wavelength-Switched Optical Network,WSON)路由与波长分配策略.该策略通过PCE建立波长资源冲突避免表,并由目的节点与PCE进行通信确认,避免资源竞争问题的发生.将该策略下的网络阻塞情况与FF算法、RF算法进行对比仿真,仿真结果表明运用该策略可以有效抑制波长预留冲突,大大降低网络阻塞率.     

改进混合蛙跳算法求解旅行商问题

以旅行商问题(TSP)为例,引入调整序思想设计了局部搜索策略,同时在全局信息交换过程中加入变异操作,提出一种改进混合蛙跳算法求解TSP问题.实验结果表明,与遗传算法和粒子群优化算法相比较,改进混合蛙跳算法在求解TSP问题上具有更好的搜索性能和顽健性.     

多宇宙并行量子遗传算法

提出了一种多宇宙并行量子遗传算法,并从理论上证明了算法的全局收敛性.算法中将所有的个体按照一定的拓扑结构分成一个个独立的子群体,称为宇宙;采用多状态基因量子比特编码方式来表达宇宙中的个体;采用通用的量子旋转门策略和动态调整旋转角机制对个体进行演化;采用量子非门实现量子变异以阻止早熟收敛;各宇宙独立演化,宇宙之间采用最佳移民和量子交叉操作来交换信息,提高算法的执行效率.将该算法与独立分量分析算法相结合,提出一种盲源分离新方法.仿真结果表明:新方法比采用常规遗传算法和量子遗传算法的盲源分离方法具有明显的高效性.     

基于双编码的重叠社团检测多目标优化方法

近年来,多目标进化方法已被广泛应用于重叠社团检测问题并取得了较好的社团划分性能.如何设计合适的个体编码以及进化策略是提高基于多目标进化重叠社团检测算法性能的重要因素.为此,本文设计了一种双编码表示方法对非重叠社团结构和重叠点分别进行编码,能够有效解码得到重叠社团结构.在双编码表示的基础上,本文提出了一种基于双编码的重叠社团检测多目标优化方法(DRMOEA).在DRMOEA中,为了获得好的初始个体并提高算法检测性能,本文提出了一种基于社团边界点的初始化策略.除此之外,针对双编码中的重叠点编码部分,本文提出了基于精英个体边界点的交叉策略,该策略利用社团边界信息引导种群向好的方向进化,从而有效提高了算法的检测性能.最后,在9个真实世界网络上的实验结果表明DRMOEA算法优于其他5个代表性重叠社团检测算法.     

自适应混合变异文化算法

只采用单一变异算子的进化规划算法在解决优化问题时,不能兼顾全局探索和局部搜索能力,本文提出柯西+混沌变异和柯西+高斯变异两类混合变异策略,采用文化算法的双层进化机制,提取进化过程中的隐含知识,并根据知识自适应调整两种变异算子的作用时机和作用比例,给出了自适应混合变异文化算法.针对标准测试函数的仿真结果表明,该算法具有更...     

一种变异测试中冗余变异体的寻找方法

变异测试是一种有效的基于故障的测试方法,但大量冗余变异体所带来的昂贵的测试成本问题,阻碍了它在实际工程开发中的应用.为解决该问题,本文针对程序中的顺序语句所产生的变异体,基于故障的可达-感染-传播模型,提出了使用区间抽象域来表示程序状态,通过区间运算判断变异体之间冗余关系的算法;针对程序中的条件语句,基于谓词故障层级,分别给出了面向简单谓词和复合谓词的冗余变异体选择算法.并对这两种算法对冗余变异体的判定效果进行了分析,最后给出了在分层抽样背景下,非冗余变异体生成的约束边界条件.对Siemens和开源项目等共8个工程进行了实验,并与随机选择法进行了对比.结果表明,本文所提方法在减少变异测试时间成本的同时,可以保持较高的变异得分.     

一种新型的自适应混沌遗传算法

针对标准二进制编码遗传算法的缺陷,提出一种基于实数编码技术的新型自适应混沌遗传算法用于求解优化问题.该算法利用信息熵理论产生较好的初始群体分布,并依据概率分布函数构造杂交算子,同时结合混沌动力学特性和人工神经网络理论,设计了一种自适应混沌变异算子,使算法能有效维持群体多样性,防止和克服进化过程中的"早熟"现象,算法操作简单、易于实现.最后通过对几个经典测试函数的数值实验,验证了该算法在提高解的精度和加快收敛速度方面都有显著改善,从而为解决函数优化问题提供了一种行之有效的新方法.     

一种求解SLA等级感知服务组合问题的多目标离散粒子群优化算法

针对SLA等级感知服务组合问题,本文提出了一种求解该问题的多目标离散粒子群算法(MDPSO),建立了多目标粒子群算法优化模型.根据该问题的特征,对粒子更新策略进行重新设计;并且提出粒子变异策略以抑制群体的早熟收敛增强群体的全局搜索能力.另外,提出了一种基于约束支配关系的局部搜索策略并将其结合到MDPSO算法,形成算法MDPSO+.最后对MDPSO算法的参数设值进行了分析,并将算法MDPSO、MDPSO+与最近提出的求解该问题的E³-MOGA算法及NSGA-II算法在不同规模的测试用例上进行了实验对比,结果表明算法MDPSO+能够更加有效的解决该问题.     

基于离散鲸鱼群算法的物资应急调度研究

针对鲸鱼群算法求解多配送中心带时间窗的物资应急调度问题时存在的易陷入局部极值等缺点，该文提出一种改进离散鲸鱼群算法(IDWSA)。首先采用混合初始化策略提高初始种群的质量；然后构建以相似配送顺序和相同配送中心为比较项的两种移动规则，并设计自适应柯西变异算子和路径选择策略对个体进行移动；最后构造全局评价函数用于选择个体以维持种群多样性。在Solomon标准测试集上，IDWSA所求最好解的距离与MAPSO, GA, HACO, ABC相比分别减少了2.25%, 13.4%, 6%, 1.46%，有效缩短了车辆的行驶距离。     

基于演化历史信息的自变异协同量子行为粒子群优化算法

提出一种基于演化历史信息的自变异协同量子行为粒子群优化算法（ESH-CQPSO）.该算法采用二维空间分割树结构记录群体演化过程中的位置和适应值,借助群体之间的协同机制确保增强搜索能力,提高优化性能,防止过早收敛.通过空间分割机制可以获得一个快速的近似适应度函数.这个近似值可以提高ESH-CQPSO中的变异策略,使得相应的变异操作是一种无参数、多样性的自适应变异.对比其他传统算法,通过对标准测试函数的实验结果表明,ESH-CQPSO算法在处理多峰和单峰测试函数时具有更好的优化性能,收敛精度和收敛速度都得到了提高,证明该算法的有效性.     

关于系统级故障诊断的烟花-反向传播神经网络算法

为了更快速且精确地诊断出大规模多处理器系统中的故障单元,该文首次将改进的烟花算法和反向传播(BP)神经网络相结合,提出一种新的系统级故障诊断算法—烟花-反向传播神经网络故障诊断算法(FWA-BPFD)。首先,在烟花算法中引入双种群策略、协作算子以及最优算子,设计新的适应度函数,优化变异算子、映射规则和选择策略。然后,利用烟花算法全局搜索能力和局部搜索能力的自调节机制,优化BP神经网络中的权值和阈值的寻优过程。仿真实验结果表明,该文算法相较于其他算法不仅有效地降低了迭代次数和训练时间,而且还进一步提高了诊断精度。     

基于多目标进化策略算法的DNA核酸编码设计

设计高质量的核酸分子集合能有效提高DNA计算的可靠性、有效性和可求解问题的规模。DNA分子需要满足热力学约束、相似度约束、GC含量约束等多个相互冲突的目标函数,是典型的多目标优化问题。该文提出一种多目标进化策略(MOES)算法求解DNA分子序列设计问题,算法设计了随机碱基变异算子实现高效的局部搜索和全局搜索。改进的评价函数综合考虑了候选解的支配关系和冲突目标的平衡程度,选取符合DNA编码约束的核酸序列。实验结果证明,该文提出的算法具有高效的搜索效率和快速收敛能力,可以产生高质量的DNA序列集合,优于其他对比算法产生的DNA分子序列集合。     

LTE-A异构网络下的高效资源分配算法

分析了OFDMA上行系统中,由宏基站(macrocell)和家庭式基站(femtocell)组成的双层网络,并提出了高效的资源分配算法。为避免严重的跨层干扰导致双层网络中的资源分配不协调,提出了一个跨层干扰控制算法。在基于干扰控制算法的结果上,提出包括功率分配和频谱分配的资源分配算法,以满足UE的目标速率,并获得较好的吞吐量性能。通过仿真,结果显示所提的资源分配算法相比较传统的算法,尤其在UE QoS保证和吞吐量性能的体现上,能获得明显的性能增益。     

基于HuffMHT的自组织网络实体认证协议

针对自组织网络节点能量消耗和存储有限的特点,该文提出一种适合于自组织网络的基于HuffMHT的实体认证方案。该方案利用HuffMHT的思想可获得有效的安全策略;并使用对称密钥算法和公钥加密算法相结合,有效地降低了认证时延,提高了网络生命期和安全性。此外,在自组织网络设定簇头和建立HuffMHT时,该文给出了功耗最小算法和引入Christofides算法,缩短节点之间发射信号的距离,有效地降低节点能耗,提高了网络生命期。