基于Memetic优化的智能DNA序列数据压缩算法

提出近似重复矢量(Approximate Repeat Vector,ARV)模型用于DNA序列冗余片段的描述.通过将数据生物信息学特征引入压缩预处理,并使用ARV矢量构造编码码本,提出了非对称DNA序列压缩算法BioLZMA-2.算法引入基于粒子群优化的Memetic改进方法CLIPSO-MA用于压缩码本的智能优化设计,有效提升了编码性能.在标准测试序列上的实验结果表明,BioLZMA-2可获得比现有DNA序列数据压缩方法更高的压缩率.     

基于生物信息学特征的DNA序列数据压缩算法

本文通过将生物学特征和生物学含义引入DNA序列数据的压缩处理中,提出了基于生物信息学特征的BioLZMA压缩算法.在BioLZMA算法中,DNA序列根据组成部分生物学含义的不同切分重组为四个集合:编码序列CDS集合、内含子序列集合、RNA序列集合以及剩余序列的集合.根据各集合中序列的具体生物学特征分别使用针对性的压缩策略进行预处理,并通过LZMA算法进行压缩编码.实验结果表明,BioLZMA算法在基准测试序列上的压缩性能优于原有的DNA序列压缩方法.特别是对于生物信息学特征清晰的长序列,算法能够在较短的时间内获得较高的压缩率.     

基于Memetic算法的电路演化设计研究

 针对传统演化算法在设计数字逻辑电路时存在的演化速度缓慢和容易陷入局部最优解等问题,设计了一种Cartesian进化编程编码的电路演化Memetic算法,采用遗传算法作为全局搜索方法,并设计了适合电路演化的基本门种类局部搜索策略.通过一位全加器电路证明所提出的Memetic硬件演化算法的搜索能力,实验证明所提出的算法能够有效地完成进化任务,具有较强的全局快速和局部搜索能力.     

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.     

基于博弈论及Memetic算法求解的空战机动决策框架

针对现有机动决策模型体现空战对抗性不足的问题,基于博弈论构建机动决策模型并提出采用改进Memetic算法求解。基于双矩阵博弈构造空战机动决策模型;MA由粒子群优化算法和禁忌搜索算法组成,并引入模拟退火算法以保持粒子多样性。仿真表明更加符合空战实际,可对空战进行有效建模,求解算法满足实时性要求。     

基于自适应变异粒子群优化算法的自适应滤波器设计

本文提出了设计一种基于自适应变异粒子群优化算法的振动信号的自适应滤波模型，然后重点研究了自适应数字滤波器设计的粒子群优化算法及其实现步骤。该滤波模型在计算机仿真测试中，获得了很高的效率和良好的结果。     

基于码书索引变换的高通量DNA序列数据压缩算法

提出一种高通量DNA序列数据的压缩算法。该算法先采用码书索引变换模型,将传统码书索引值的表示方法变换成由四个标准碱基字符替代的四进制数值方式,并采用一种界定替换串与非替换串的简明编码方法,接着通过信息熵的大小来决定是否进行块排序压缩变换（BWT ）,最后进行前移编码变换和Huffman熵编码。在多种测序数据集上的实验结果表明,CITD在大多数情况下可以获得比本文所对比的高通量DNA专用压缩方法更优的压缩性能。     

基于粒子群算法的输电线路运行状态监测方法

当前的工业设备组建趋向大型化、复杂化以及智能化,为了能够更好地监测设备运行的状态,及时发现设备运行当中可能存在的故障,需要重点关注输电线路的实时监测.针对输电线路在运行过程中长期处于高温高压等恶劣环境,如果不及时对其运行状态进行监测,容易导致故障产生,从而造成损失.对此,重点探讨了基于粒子群算法(Particle Sw...     

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Memetic算法的飞行控制律评估

本文采用Memetic算法进行飞行控制系统PIO评估,提出了一种结合自适应差分进化和模式搜索的Memetic算法。以瑞典FOI开发的飞机模型ADMIRE为研究对象,利用Memetic算法对存在不确定条件下的飞行控制系统进行评估。评估结果表明,与工业传统网格评估方法相比,改进的优化算法可以在全飞行包线范围内找出最坏的飞行状态,具有更高的可靠性、效率。     

基于改进粒子群优化的探地雷达波形反演算法

探地雷达工作的最终目的是反演解释地下结构参数,由于大多数反演问题是非线性的,研究非线性的反演方法具有重要意义。该文提出基于改进粒子群优化方法的探地雷达反演问题,该算法以信号均方误差为目标函数,用时域有限差分方法作为正演工具。通过与基于遗传算法等反演方法的结果对比,说明了该算法兼顾了准确性和简便性;通过对模型复杂、参数多、信噪比差的仿真数据的反演结果,说明了该算法对多参数反演的有效性和良好的抗噪性;对实测数据的反演结果,进一步验证了该算法的可行性。     

一种改进的粒子群和K均值混合聚类算法

该文针对K均值聚类算法存在的缺点,提出一种改进的粒子群优化(PSO)和K均值混合聚类算法。该算法在运行过程中通过引入小概率随机变异操作增强种群的多样性,提高了混合聚类算法全局搜索能力,并根据群体适应度方差来确定K均值算法操作时机,增强算法局部精确搜索能力的同时缩短了收敛时间。将此算法与K均值聚类算法、基于PSO聚类算法和基于传统的粒子群K均值聚类算法进行比较,数据实验证明,该算法有较好的全局收敛性,不仅能有效地克服其他算法易陷入局部极小值的缺点,而且全局收敛能力和收敛速度都有显著提高。     

无线传感器网络中基于序列相关性的数据压缩算法

无线传感器网络(WSN)中传输的数据具有相关性和冗余性。如何有效降低网络中的数据量,延长网络生命周期,始终是WSN的研究热点之一。该文基于WSN中数据序列的相关性,提出一种两步数据压缩算法(TSC-SC)。网络中的簇首和簇内节点执行各自的压缩算法：簇首首先执行相关性分组算法,将数据分组,减少簇内节点的计算量以及消除簇内数据的空间相关性;簇内节点对多属性数据分类压缩,并将压缩参数传至簇首,簇首解压后再次进行分类压缩,进一步消除数据相关性,减少节点数据冗余度,降低通信能耗。为实现对压缩算法的综合性能评价,考虑基本的压缩要求和算法的计算能耗,提出了基于能量判别的算法评估模型(NCER)。仿真结果表明TSC-SC算法可以有效降低压缩比和压缩误差,充分减少数据传输量和网络的通信能耗,利用NCER指标能够直观地评价算法的性能。     

基于 PSO 算法的加速度计快速标定方法

为减少惯性测量组合标定对转台的依赖,降低标定对转台控制精度的要求,在分析传统加速度计模观测迭代标定方法的基础上,提出一种基于粒子群优化算法（PSO）的加速度计快速标定方法。首先,基于模观测思想设计构造目标优化函数,并将其作为 PSO 算法中的适应度函数,实现了标定方法与 PSO 算法的连接;其次,设计了基于最大化观测信息相对于待估计参数的敏感度函数的加速度计标定编排方案;最后,对所提方法与牛顿迭代标定方法进行了对比仿真。仿真实验结果表明,基于 PSO 算法的加速度计快速标定方法具有可行性、有效性,与传统牛顿迭代标定方法相比更具有优越性。     

基于粒子群优化算法思想的组合自适应滤波算法

根据粒子群优化(PSO)算法的社会心理学指导思想并结合自适应FIR滤波器的特点,设计了合适的惯性项、认知项与社会项表达式,并将之应用于组合自适应滤波器的子自适应滤波器更新中,提出了基于PSO算法思想的组合自适应滤波算法,分析了新算法的计算复杂度。理论分析与不同条件下的自适应系统辨识仿真结果表明,新算法可以在不明显提高计算量的条件下较好地平衡自适应滤波器的稳态失调与跟踪能力,其收敛性能优于其它几种较新的LMS算法。     

基于粒子群优化的地震应急物资多目标调度算法

合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型,并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案,与其他算法相比,所得Pareto解集在收敛性和多样性上具有性能优势。

     

一种基于粒子群优化的稀疏恢复算法

稀疏恢复问题是目前国际数学与信息处理领域的一个研究热点,主要通过凸松弛法和贪婪追踪法两大类方法求解。但前者在恢复效率方面,后者在恢复能力方面都存在缺陷,而且两者都不能对高斯信号在较大的稀疏度下或在较小的观测度下获取有效的恢复。该文基于粒子群优化并结合了贪婪追踪法的思想,提出了一种新的稀疏恢复算法。数值实验表明,与其它方法相比,该文提出的算法不仅能获得更有效的恢复,而且在一般的稀疏度和观测度条件下运行速度较快。