一种基于两点式散射模型的DOA估计算法

基于天线阵列波达方向(DOA)的波束形成算法是智能天线的率,计算量,对噪声的敏感性或者需要空间搜索等方面存在不足,需要加以改进.在分析宏小区散射模型的基础上,将原来的离散分布简化为两点式分布,并分析了简化为两点式分布的依据.在此基础上,利用两点式分布的数学模型,通过构造相应的二阶统计量,较有效地估计出了空间波达方向及其散布角.并且该算法可以得到闭式解,有效地降低了DOA估计的运算量.所利用的统计量对等方差的白噪声不敏感.理论分析表明,只要快拍数足够多或信噪比较高,该闭式解可以得到很高的估计精度.计算机仿真验证了该算法的有效性.     

一种新的小生境鱼群优化算法

针对鱼群算法后期收敛速度慢和难以找到精确最优解的缺点,结合进化论中的小生境技术,提出一种新的小生境鱼群优化算法。通过鱼群个体之间的距离找到具有相似距离的个体组成小生境种群,在该种群内执行鱼群算法的聚群、追尾及觅食行为,所有个体经过其小生境群体的进化后,找到最优的个体存到下一代的鱼群中,直到找到满意的适应值。通过几个典型的多峰测试函数验证算法的性能。仿真结果表明,算法的收敛性、寻优性均达到良好的效果。       

一种小生境遗传算法研究

改进的小生境技术遗传算法因其较好地保持了种群多样性,显示出更优的性能,但它存在操作复杂、比简单遗传算法更费时的缺陷,针对此问题提出一种基于群体间共享的小生境遗传算法.该算法在多模函数的优化中能够保持种群多样性的稳定性,获取合适的子种群规模,从而以更快的收敛速度获得更优的解.研究结果表明,该算法不但可以有效地克服标准遗传...     

基于贝叶斯网络的并行分布估计算法研究

在传统的遗传算法中，不合适的参数设置会降低所得解的质量，于是在解决一些优化问题时传统的遗传算法被分布估计算法所取代。对传统的遗传算法和分布估计算法EDAs(Estimation of Distribution Algorithms)，及其各自的并行模式进行了对比，重点介绍了基于贝叶斯网络的并行EDA算法。     

一种基于小生境的负相关神经网络集成算法

提出了一种基于小生境的负相关神经网络集成算法.所提方法结合了负相关学习和进化算法,采用同时训练的方式对多个神经网络进行训练,不仅能使网络之间产生有效的差异度,而且能促进网络之间的交互性和合作性.此外,在进化过程中引入了一种改进的小生境技术,能更有效地维持网络种群的多样性,从而保证神经网络集成的差异度.所提方法在6个分类数据集上进行了测试,并且与一些相关神经网络集成方法进行对比.实验结果表明所提方法能得到一个有效的神经网络集成.     

一种改进的小生境微粒群算法

在微粒群算法中引入“基于密度”的聚类算法，构建出一种改进的小生境微粒群算法．该算法组合了两种方法来实现小生境的思想：第一，采用多种群策略，初始化产生一个没有子微粒群区分的主微粒群D0后，在对D0迭代执行l-best。PSO算法的同时，允许其中动态产生不相同的子微粒群Di(i≥1)；第二，子微粒群的产生采用一种“基于密度”的聚类算法，如果两个个体之间的距离小于一个给定的极值σdist，则将这两个个体联系起来归入一个聚类簇，当聚类簇中的个体数目达到规定的子微粒群最小规模时形成一个小生境．用这种算法能够产生大小和形状不同的小生境，与生物学中地理小生境具有多种形状的事实相符合，也克服了Niche PSO算法只能以某一微粒为中心产生圆形小生境的不足，对3个常用的基本测试函数的测试实验表明，这种改进的小生境微粒群算法在多峰函数寻优中性能优于标准PSO和Niche PSP。     

一种支持向量机参数选择的改进分布估计算法

支持向量机(support vector machine,SVM)的学习性能和泛化能力在很大程度上取决于参数的合理设置. 将支持向量机的参数选择问题转化为优化问题,以模型预测均方根误差为评价函数,提出一种引入混沌变异操作的改进分布估计算法(estimation of distributionalgorithm,EDA),并将其用于优化求解ε-支持向量机的参数:惩罚因子、不敏感损失系数以及高斯径向基核函数的宽度. 由于改进EDA利用混沌运动的随机性和遍历性等特点在解空间内进行优化搜索,能够较好解决传统EDA易于陷入局部极小的缺陷. Chebyshev混沌时间序列预测仿真结果表明:改进EDA是选取SVM参数的有效方法.     

一种改进的小生境微粒群算法

在微粒群算法中引入“基于密度”的聚类算法,构建出一种改进的小生境微粒群算法.该算法组合了两种方法来实现小生境的思想:第一,采用多种群策略,初始化产生一个没有子微粒群区分的主微粒群D0后,在对D0迭代执行lbestPSO算法的同时,允许其中动态产生不相同的子微粒群Di(i≥1);第二,子微粒群的产生采用一种“基于密度”的聚类算法,如果两个个体之间的距离小于一个给定的极值σdist,则将这两个个体联系起来归入一个聚类簇,当聚类簇中的个体数目达到规定的子微粒群最小规模时形成一个小生境.用这种算法能够产生大小和形状不同的小生境,与生物学中地理小生境具有多种形状的事实相符合,也克服了NichePSO算法只能以某一微粒为中心产生圆形小生境的不足.对3个常用的基本测试函数的测试实验表明,这种改进的小生境微粒群算法在多峰函数寻优中性能优于标准PSO和NichePSO.     

威布尔分布参数的一种矩估计

本文应用极小值分布的样本矩来间接估计两参数威布尔分布的分布参数,并证明了所得到的威布尔分布参数的矩估计是有偏的;在实验的基础上,从一个近似分布出发,推导出了威布尔分布参数矩估计的修偏系数计算公式,因此获得了威布尔分布参数的基于极小值样本矩的一致渐近的近似无偏矩估计。通过计算机模拟方法,把矩估计和其它几种常用估计(极大似然估计、最好线性无偏估计和最小二乘方估计)进行了比较,所得结果是令人满意的。     

基于自适应小生境遗传算法的物流配送路径优化研究

针对遗传算法具有早熟的缺点和小生境遗传算法比遗传算法更费时的问题,将自适应小生境技术引人遗传算法,构建自适应小生境遗传算法,用以解决带时间窗的车辆路径优化问题.实验结果表明该算法具有更好的搜索能力和收敛速度,能有效地调和种群多样性与算法耗时的矛盾,解决物流配送车辆路径优化的问题.     

基于进化算法的 HFC 网的无源分配网设计

双向 HFC 网是有线电视网络升级改造的趋势, 在建设 HFC 网中遇到的一个问题是同轴无源分配网络的设计, 人工设计很困难, 且不易达到最优效果. 因此, 引入智能进化算法来解决无源同轴分配网络的设计问题, 建立了基于遗传算法和分布估计算法的模型, 并重点对遗传算法进行了讨论. 网络模型以塔楼结构为主进行讨论. 仿真结果显示, 该方法能以较快速度收敛, 得到较为理想的器件参数选择, 有效弥补了现有的辅助设计软件不适应我国复杂楼栋的缺点, 减轻了对有经验设计人员的依赖, 满足了工程要求.     

定数截尾Parato分布的遗传算法估计

Parato分布在经济学、保险损失及可靠性研究等领域有着广泛的应用.遗传算法被用来估计定数截尾情形下Parato分布的模型参数.模拟研究表明遗传算法能有效地改善估计的效率.     

利用样本分位数的极值分布的参数估计

基于极值分布的若干个样本分位数,建立了分布参数的线性回归模型,得到了分布参数的渐近正态无偏估计,对分布参数进行了渐近置信估计. 通过变量代换,将具有形状参数和刻度参数的两参数Weibull分布变成极值分布,进一步得到这类两参数Weibull分布参数的渐近置信估计.     

求解多目标优化问题的分布估计算法

通过对多目标优化方法研究现状的分析,针对多目标优化问题的特点提出一种基于联合正态分布的求解多目标优化问题的分布估计算法。该算法将不同目标函数的自变量作为不同的随机变量,用联合正态分布对扩充的解空间进行估计,并用投影的方式将采样点映射到解空间中。仿真结果表明了该算法的有效性。     

定数截尾指数分布参数的最短区间估计

设随机变量Ｘ服从指数分布ｆ（ｘ,θ）＝１θｅ－ｘθｘ≥００ｘ＜０｛且Ｘ（１）≤Ｘ（２）≤…≤Ｘ（ｒ）为替换定数截尾子样,ｎ为投试样品个数（ｒ≤ｎ）。研究了具有一致最小平均长度的区间估计。给出了指数分布平均寿命参数θ的具有一致最小平均长度的区间估计为２ｒ＾θｒ,ｎＸ２Ｐ１（２ｒ）≤θ≤２ｒ＾θｒ,ｎＸ２Ｐ２（２ｒ）。相应地,指数分布平均失效率参数λ＝１θ的具有一致最小平均长度的区间估计为：Ｘ２１－α（１－１ｔ０）（２ｒ）２ｒ＾θｒ,ｎ≤λ＝１θ≤Ｘ２αｔ０（２ｒ）２ｒ＾θｒ,ｎ,同时给出了具有一致最小平均长度区间估计的计算方法和数值用表。     

基于遗传算法的广义指数分布参数估计

将遗传算法运用于广义指数公布的参数估计中．模拟研究表明遗传算法极大地改善了传统方法的估计效率．     

基于混沌优化和网格筛选策略的多目标分布估计算法

为了解决多目标分布估计算法中进化速度慢、解精度和分布不佳等问题,提出一种基于混沌优化和网格筛选策略的多目标分布估计算法.该算法首先利用混沌模型进行种群的初始化,以获得较理想的初始化结果;然后运用混沌的局部优化策略对每代产生的非支配个体进行寻优,加速种群向Pareto最优前沿的逼近;最后利用简单的网格筛选策略保持个体的均匀分布,从而增强精英种群的多样性.3种评价标准在8个测试问题上的实验表明:与目前最具代表性的RM-MEDA算法相比,该算法不仅在接近真实的最优前沿和保持种群的多样性方面具有一定优势,而且在进化速度上也有较大提高.     

非线性变参数估计的遗传算法

在将遗传算法应用于非线性系统的变参数估计的基础上,提出了一种基于实数编码方案的自适应遗传变参数估计的一般算法,较好地解决了传统算法难以很好解决的变参数估计问题。通过在实践中应用表明,遗传算法在解决复杂非线性系统变参数估计方面具有较好的应用前景。