基于LFSR的演化随机序列发生器

针对基于线性反馈移位寄存器的随机序列发生器产生的随机数线性复杂度低的问题,设计一个新的随机序列发生器,使用遗传算法演化线性反馈移位寄存器产生的随机序列,新产生的序列可以通过SP800—22的测试。测试结果表明,生成的序列周期大、线性复杂度高,能够满足安全协议和密码算法的安全强度要求。     

基于FPGA的可编程m序列发生器的实现

本文研究了由线性反馈移位寄存（Linear Feedback Shift Registers，LFSR）生成m序列的原理，并对LFSR电路结构作了改进，利用基于现代DSP技术的DSP Builder软件，设计了一种周期、相位可调的m序列发生器。经调试与仿真，结果表明该方法硬件结构简单、开发周期短，为系统设计或测试带来很大的便利。     

基于线性多项式重构的快速相关攻击算法研究

T.Johansson和E.Joensson提出了不同于二元对称信道（BSC）模型的线性多项式重构的快速相关攻击算法。本文对该算法进行了改进，改进后的算法的计算复杂度比原算法降低了一半以上。     

基于DSP Builder的改进型序列生成器设计

针对普通线性反馈移位寄存器(LFSR)产生的序列的线性复杂度太小,难以经受线性逼近攻击的问题;在详细研究序列密码设计理论的基础上,对常规LFSR进行了改进,提出了基于FPGA的利用3个改进型LFSR进行非线性组合构成一个序列生成器的方法,并用DSP Bullder完成了系统的总体设计,调用Quartus Ⅱ进行综合和仿真,最后下载到EP2C35F672C6中进行实测验证;软件仿真和实测结果均表明这种序列生成器产生的序列密码具有很高的强度和抗破译能力.     

修正de Bruijn序列的线性复杂度研究

n级de Bruijn-0/1序列,就是从de Bruijn序列2ⁿ个状态中去除一个全0状态（记为de Bruijn-0）或全1状态（记为de Bruijn-1）而得到的周期为2ⁿ-1的序列。研究了de Bruijn-0和de Bruijn-1（记为de Bruijn-0/1）序列的线性复杂度特性,提出了相关的定理并给出了证明,同时给出了4~6级de Bruijn-0/1序列线性复杂度的统计数据。     

基于FPGA的可编程M序列发生器的设计

M序列是一种具有近似白噪声性质的确定序列,在工程上常用M序列代替白噪声用于系统辨识试验。针对以往M序列产生方法的不足,提出了一种基于FPGA(Field Programming Gate Array)的M序列半定制实现方案。在Quartus II编程环境下,采用硬件描述语言Verilog HDL进行设计,并使用矢量波形文件仿真测试。该设计方案具有结构简单、可靠性高、灵活性强等优点。     

基于m序列的可重构线性反馈移位寄存器研究

现今,m序列通常用线性反馈移位寄存器（LFSR）来产生,但产生的序列单一,且其串行的产生方式使得序列的产生速率随码序列周期的增大而成线性增大的趋势。文章分析了线性反馈寄存器的特征多项式,在电路中加入寄存器组,提出了一种改进型线性反馈移位寄存器结构。改进后的电路实现各级寄存器并行输出数据,克服了传统线性反馈移位寄存器产生m序列的速度受字长制约的限制,且电路可以重构特征多项式的系数因子产生多种序列。最后,以周期为15的m序列为例对电路进行了仿真和验证,实验结果表明序列产生速率提高了N／2倍（N为寄存器级数）。     

一种基于Hénon映射和m-序列的混沌序列密码算法研究

在详细分析二维Hénon映射的混沌和密码学特性的基础上,结合收缩式发生器,提出一种基于m-序列和Hénon混沌序列的混合混沌序列密码算法.同时对该系统的安全性能进行了深入分析,理论和实验结果表明在有限精度实现下,该方法可以有效提高混沌系统的复杂性和周期性,并且算法安全性高、运算速度快,适于在Internet上对多媒体信息的保密传输.     

基于LFSR状态相关的测试数据压缩方法

针对当前LFSR状态和种子的相关性,控制位在改变当前LFSR状态中相应位的值时,对该种子载入过程中需要改变的位进行控制,使得在生成载入种子测试向量时,不需要全部载入种子的全部位数值,从而使控制简单且种子的施加时间更短,实现测试数据压缩.通过实验证明,该方法能够有效地减少种子的存储空间和施加时间.     

基于帝国主义竞争算法的WSNs定位方案

遗传算法(GA)在无线传感器网络(WSNs)定位时存在收敛速度慢、精度低等弊端,针对以上问题,提出了一种利用帝国主义竞争算法(ICA)优化WSNs定位的方案。首先,使用了采样的方法来估计未知节点的初始位置;其次,依靠信标节点和相邻节点的相关信息建立了以最小化全局误差的三维空间的数学定位模型;最后,使用了最新的社会启发算法—ICA来进行定位优化。实验结果表明:与GA定位相比,ICA在WSNs定位上具有定位精度高、收敛迅速的优势。     

基于遗传模拟退火算法的雷达正交信号设计*

针对雷达正交信号的波形设计问题,提出了一种基于遗传算法和模拟退火算法的新遗传模拟退火算法。该算法利用遗传算法实现全局搜索,利用模拟退火算法实现局部搜索,改进了遗传算法的选择策略,并在交叉、变异概率中引入自适应的概率变化机制,自适应地保存最优个体,并对遗传算法的进化结果有选择地进行模拟退火操作,有效地解决了这两种算法的早熟现象和时间问题。实验结果表明,该算法是有效可行的,性能优于传统遗传算法和模拟退火算法。     

基于遗传蚁群算法的QoS路由算法研究

利用遗传算法的快速全局搜索能力和蚁群算法的正反馈收敛机制,引入遗传蚁群算法（Genetic Algorithm Ant Colony algorithm）GAAC来解决QoS路由问题。算法设计的基本思想是首先由遗传算法产生较优解,较优的路径留下信息素,其他路径不改变,然后在有一定初始信息素分布的情况下,用蚁群算法求精解。仿真表明算法比单一采用遗传算法和蚁群算法进行路由选择具有更好的性能,且更适合于动态网络环境下的QoS路由选择。     

混合遗传算法在WSNs定位中的应用

定位是无线传感器网络(WSNs)的应用支撑,针对用最小二乘法处理DV—Hop算法第三阶段误差过大、定位精度差的问题,提出了遗传算法(GA)+单纯形法的混合GA后期优化处理DV—Hop算法。其中,DV—Hop定位算法第一,二阶段用跳距估计出信标节点与未知节点间的距离,再用GA(建立了代价函数与惩罚函数结合的适应度函数)与单纯形法(作为遗传算子增加了算法的局部搜索能力)结合的混合GA采用保优原则优化未知节点的坐标。通过仿真可知:该算法的定位精度高、网络覆盖率大,适合WSNs的定位。     

基于遗传算法的一种生物序列比对方法

生物序列比对是对DNA（或RNA,蛋白质）序列,寻找和确定它们的相似部分或稳定区域.二重序列比对问题可采用动态规划方法求得其最优解;多重序列比对问题是一个NP完全的组合优化问题,有待进一步探索与研究.通过合理的编码表示,采用相应的遗传算子,设计了一种求生物序列比对的遗传算法.并对几组DNA序列进行了测试.     

基于遗传FCM算法和SVM的图像检索

提出基于遗传FCM聚类算法和SVM相关反馈的图像检索方法。首先对图像库提取颜色和纹理特征,采用遗传FCM聚类算法对图像进行聚类,得到每个图像类的聚类中心;最后计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。为了进一步提高检索精度,提出基于SVM的相关反馈算法。实验结果表明,提出的方法具有优良的检索性能。     

基于遗传模拟退火的QoS单播路由算法

针对QoS的问题,设计了一种融合遗传算法和模拟退火算法的QoS路由算法,在遗传算法选择算子上借鉴了小生境的思想,避免了遗传初期有效基因的丢失;在遗传算法交叉算子和变异算子方面使用了自适应算子,使之能更好地适应网络的变化。通过与传统遗传算法进行比较,进一步说明了本算法的有效性。     

基于免疫遗传算法的模糊C-均值聚类

为了克服FCM算法对初值的敏感性,提出了一种基于免疫遗传算法的FCM算法。该算法利用免疫系统原理和遗传算子自适应调整的方法（即免疫遗传算法）来改进FCM算法。实验证明该算法能有效解决未成熟收敛的问题,保证了种群的多样性,使聚类问题最终快速、有效地收敛到全局最优解。     

改进的遗传混合蚁群算法在TSP问题中的应用

为了提高基本蚁群算法的收敛性能和全局求解能力,对基本蚁群算法进行了改进,提出了一种改进的遗传混合蚁群算法。在每代进化中保留最优解和次优解的公共解集后引入遗传操作中的交叉算子进行运算,并采用自适应改变信息素挥发系数的方法,加快了算法收敛速度,提高了解的全局性。通过对TSP问题的仿真运算表明,改进的遗传混合蚁群算法在收敛速度和解的全局性上都有较大的改善。     

云计算环境下基于遗传蚁群算法的任务调度研究

对云计算中任务调度进行了研究,针对云计算的编程模型框架,提出一种融合遗传算法与蚁群算法的混合调度算法。在该求解方法中,遗传算法采用任务-资源的间接编码方式,每条染色体代表一种具体调度方案;选取任务平均完成时间作为适应度函数,再利用遗传算法生成的优化解,初始化蚁群信息素分布。既克服了蚁群算法初期信息素缺乏,导致求解速度慢的问题,又充分利用遗传算法的快速随机全局搜索能力和蚁群算法能模拟资源负载情况的优势。通过仿真实验将该算法和遗传算法进行比较,实验结果表明,该算法是一种云计算环境下有效的任务调度算法。