基于遗传算法的水声信道常模类盲均衡算法研究

为了解决CMA盲均衡算法收敛速度缓慢、稳态误差大的问题,考虑到初始化权值对CMA算法的重要影响,利用了遗传算法对CMA算法进行有效改进,引入了小样本重用的思想,给出了一种新的适用于水声信道的常模类盲均衡算法,计算机仿真研究证明,该算法不仅大大加快了收敛速度,而且有效的降低了稳态误差。     

含软判决引导的修正恒模盲均衡算法

在CMA算法基础上，提出了一种混合的修正恒模盲均衡算法MCMA＋SDD。新算法对CMA算法进行修正，同时引入软判决思想。理论分析和计算机模拟表明，该算法克服了CMA收敛速度慢、稳态误差大的缺点，同时可以纠正相位偏转。与CMA＋SDD算法相比，具有更快的收敛速度和更低的稳态均方误差。     

判决引导和常数模融合盲均衡算法研究

结合判决引导（DD：Decision-Directed）算法和常数模算法（CMA：Constant Modulus Algorithm）的各自优点,研究了一种基于DD和CMA的融合盲均衡算法。DD算法收敛速度快,但要求初始接收信号眼图张开,CMA算法稳健,但是收敛速度慢,为此,对接收信号依DD算法和CMA算法获得瞬时误差后进行加权融合处理,以加权后获得的瞬时误差对均衡器权系数进行调节,实现均衡。计算机仿真证明了融合盲均衡算法有效提高收敛速度的同时具有良好的稳健性和均衡性能。     

盲信道均衡的动量恒模算法

介绍了盲信道均衡恒模算法（CMA）的基本原理，对恒模算法的缺点进行了分析，通过修正恒模算法的迭代公式提出一种动量恒模算法（MCMA）。利用QPSK信号，采用计算机仿真的方法对动量恒模算法与恒模算法进行盲均衡性能比较，模拟结果显示，MCMA算法比CMA算法在收敛速率、降低稳态均方误差和符号间干扰具有明显的优势，有效地改进了信道均衡性能。     

基于正方形星座图划分的水声信道盲均衡算法

本文提出了一种适用于高阶QAM信号的盲均衡算法，该算法分别对QAM信号的同相分量和正交分量进行均衡，其收敛后的性能优于常数模算法CMA和基于判决圆划分的算法，因而误码率较低．采用分数间隔系统进行水声多途信道的仿真实验验证了该算法良好的收敛性能．     

适用于水声信道的新的盲均衡算法

由于时变水声信道的随机相位失真，常模算法（CMA）的误码性能将严重下降。在文献[1]中双模式盲均衡算法的基础上，提出了一种适用于水声信道的新的盲均衡算法（NCMA）。计算机仿真结果表明在时变水声信道中，该算法性能优于双模式算法，能够达到信号相位失真的恢复．并且收敛性能优于双模式算法。     

基于改进烟花算法的钢铁企业原材料采购优化

针对钢铁企业原材料采购成本偏高的问题进行了原材料采购优化研究。考虑到导致原材料采购成本偏高的因素是采购提前期不固定、原材料价格波动大等,建立了以降低采购、运输和库存成本为目标的整数规划模型,并提出了一种改进的烟花算法(FWA)对问题进行求解。该算法采用Lévy飞行搜索算子改进FWA搜索性能,利用惯性权重优化其收敛速度,使改进后的FWA具有收敛速度快、全局寻优能力强等优点。该改进的烟花算法叫LFWA。最后通过一个应用实例与其他算法进行了对比,进一步验证了该算法的有效性。     

基于GVF模型的多目标边缘提取

针对活动轮廓模型的多目标边缘提取问题,本文提出了一种基于GVF模型的改进算法.该算法首先利用GVF模型对整个目标区域进行边缘提取,由于目标间存在滞止点区域,边缘提取的结果中将包含伪边缘.针对这些伪边缘进行分析并设置新的初始轮廓线,再次利用GVF模型进行目标边缘提取,并进行判断.将分别提取到的真实边缘首尾相连,去除伪边缘,可进行多次判断是否存在伪边缘,直至得到完整的多目标边缘.实验结果表明,该改进算法可以实现多目标边缘提取,且易于实现.     

融合AOBPR和SVD++的排序推荐算法

针对BPR模型收敛速度慢的问题,Randle S提出一种非均匀采样非隐式反馈数据方法 AOBPR模型来加快收敛速度,可是该算法只能利用隐式反馈数据.为了改进其算法的不足,我们提出了一种将AOBPR模型与经典的基于矩阵分解的SVD++算法相结合的算法AOBPR_SVD++.改进后的算法不仅能利用隐式反馈数据也能利用显式反馈数据.最后通过在两个真实数据集中进行实验验证,表明改进后的算法可以获得更好的推荐效果.     

基于改进免疫遗传优化蚁群算法的移动机器人路径寻优研究

针对移动机器人路径规划中使用蚁群算法(ACO)易陷入局部最优和收敛速度慢的问题,提出了一种适用于机器人静态路径寻优的改进免疫遗传优化蚁群算法(IMGAC)。该算法可以根据实际情况自动调整变异概率和变异方式,以及自动调节个体免疫位的长度,将通过改进的变异算子和免疫算子嵌入蚁群算法来提高全局寻优能力与收敛速度。仿真及实验表明:相比于经典ACO算法以及最大最小蚂蚁系统,IMGAC算法收敛速度更快,全局寻优能力更强。利用该算法寻找移动机器人最优路径,提高了静态路径寻优的效果和效率。     

一种改进的广义遗传算法及其在结构动力优化问题中的应用

该文提出了一种改进的广义遗传算法。算法中引入了异种机制以提高种群的多样性,在保证收敛速度的同时防止早熟收敛。该方法应用于随机风载荷作用下有应力约束的多参数结构动力响应优化问题,数值算例表明:异种机制能够有效地提高广义遗传算法收敛于全局最优解的概率并加快收敛速度;带有异种机制的广义遗传算法能够有效地求解复杂的结构动力优化问题。     

一种基于梯度下降的次级通道在线建模有源噪声控制算法

针对前馈式有源噪声控制系统中次级通道在线建模精度低及建模信号与控制信号相互影响的问题,提出一种基于梯度下降的次级通道在线建模有源噪声控制算法。根据主动控制环节与建模环节的误差能量比,分别调节两个环节的收敛因子,利用主动控制收敛因子和建模收敛因子的调节方式减小二者的相互干扰。在建模收敛因子调整过程中引入梯度下降方法,对步长设置检测阈值,当步长达到阈值,对收敛因子采取梯度变化。仿真结果表明,针对混频信号的有源噪声控制,这种算法对比已有算法能获得较快的建模收敛速度和较低的稳态误差,且可以获得较高的降噪量。     

高斯变异差分进化算法及其应用研究

为平衡算法收敛速度和全局搜索能力,克服差分进化算法易“早熟”的缺陷,在分析引起种群多样性下降及个体进化停滞原因的基础上,通过引入高斯变异操作,提出了基于高斯变异改进的差分进化算法(modified differential evolution base on Gauss mutation, GMDE). 数值仿真及2个工程优化问题的求解结果表明本文算法能有效避免“早熟”收敛,且在算法收敛速度和全局搜索能力上取得了较好的平衡.     

带非凸二次约束的二次规划问题的全局优化方法

利用二次函数的线形下界函数对带有非凸二次约束的二次规划(QP)提出一种新的求其全局最优解的分支定界算法.为改进算法的收敛性,根据问题的最优性和可行性提出一新的区域剪枝准则以排除(QP)的可行域中不存在全局解的部分.数值算例表明该准则能有效地加速算法的收敛性.     

A bioinspired path planning approach for mobile robots based on improved sparrow search algorithm

In this paper, a bioinspired path planning approach for mobile robots is proposed. The approach is based on the sparrow search algorithm, which is an intelligent optimization algorithm inspired by the group wisdom, foraging, and anti-predation behaviors of sparrows. To obtain high-quality paths and fast convergence, an improved sparrow search algorithm is proposed with three new strategies. First, a linear path strategy is proposed, which can transform the polyline in the corner of the path into a smooth line, to enable the robot to reach the goal faster. Then, a new neighborhood search strategy is used to improve the fitness value of the global optimal individual, and a new position update function is used to speed up the convergence. Finally, a new multi-index comprehensive evaluation method is designed to evaluate these algorithms. Experimental results show that the proposed algorithm has a shorter path and faster convergence than other state-of-the-art studies.The full text can be downloaded at https://link.springer.com/article/10.1007/s40436-021-00366-x     

A Novel Improved Bat Algorithm in UAV Path Planning

Path planning algorithm is the key point to UAV path planning scenario. Many traditional path planning methods still suffer from low convergence rate and insufficient robustness. In this paper, three main methods are contributed to solving these problems. First, the improved artificial potential field (APF) method is adopted to accelerate the convergence process of the bat’s position update. Second, the optimal success rate strategy is proposed to improve the adaptive inertia weight of bat algorithm. Third chaos strategy is proposed to avoid falling into a local optimum. Compared with standard APF and chaos strategy in UAV path planning scenarios, the improved algorithm CPFIBA (The improved artificial potential field method combined with chaotic bat algorithm, CPFIBA) significantly increases the success rate of finding suitable planning path and decrease the convergence time. Simulation results show that the proposed algorithm also has great robustness for processing with path planning problems. Meanwhile, it overcomes the shortcomings of the traditional meta-heuristic algorithms, as their convergence process is the potential to fall into a local optimum. From the simulation, we can see also obverse that the proposed CPFIBA provides better performance than BA and DEBA in problems of UAV path planning.     

VS-MFxLMS算法及其在汽车车内噪声有源控制中的应用

为提高经典VS-FxLMS算法的收敛性能以及规避MFxLMS算法不能同时兼顾收敛速度和稳态误差的缺陷,结合修反正切函数和归一化的方法,提出了一种可用于汽车车内噪声有源控制的VS-MFxLMS算法。应用MFxLMS算法、VS-FxLMS算法和VS-MFxLMS算法分别进行汽车车内噪声有源控制仿真实验。噪声有源控制结果的比较表明,与MFxLMS算法相比,VS-MFxLMS算法的收敛速度提高了1.5倍以上,稳态误差降低55%以上;与VS-FxLMS算法相比,VS-MFxLMS算法的收敛速度提高了25%以上,稳态误差降低了28%以上;为汽车车内噪声的有源控制提供了一种新方法。     

An analysis of an explicit algorithm and the radial return algorithm,and a proposed modification,in finite plasticity

This paper presents an analysis of Nemat-Nasser's (1991) explicit algorithm and a radial return algorithm for isotropic Von Mises materials undergoing large deformations. It is found that the final-radial return algorithm can result in a simple scalar equation (for the constant of proportionality that defines the plastic flow), which can be easily solved. A new modified algorithm is also proposed. All the three algorithms are efficient. No iterative scheme is required. For proportional loading, all the three algorithms work well. But, in cases where the direction of stress cannot well follow the direction of the deformation rate, which occurs when spin effect is significant or when the direction of deformation rate keeps changing, the explicit algorithm has a problem with its convergence; the final-radial return algorithm oscillates for large time steps; while the presently proposed modified algorithm can provide reasonable results even for large time steps, without any convergence problems.     

基于多子种群和密度估计的高维多目标进化算法的冷轧负荷分配

提出一种基于多子种群和密度估计的高维多目标进化算法,通过生成参考向量来划分子种群,借助收敛性保持机制提高逼近帕累托前沿的程度.该算法通过计算个体与参考向量的欧式距离来评估个体密度,从而保持解集的多样性.数值仿真实验结果表明,该算法所得解集的收敛性和多样性明显优于对比算法.最后,使用该算法对冷轧负荷分配进行高维多目标优化...     

基于并行遗传算法的Otsu双阈值医学图像分割

传统遗传算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,提出了一种基于并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。100次阈值计算实验结果表明,提出的分割算法与传统遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显优于基于单种群的遗传算法的Otsu双阈值医学图像分割。