一种基于经典遗传算法的自适应随机共振系统

针对实际工程中微弱信号的检测要求,根据双稳态随机共振系统原理和信号、噪声和非线性系统之间的关系,设计了一种基于经典遗传算法的自适应随机共振系统。该系统利用以输出信噪比为目标函数和对系统参数进行联合编码的遗传算法获取双稳态随机共振系统的最佳参数,再根据所得系统参数对接收信号进行最优随机共振处理。仿真结果表明,在低信噪比情况下,系统能始终保持最佳随机共振状态,快速地实现输出信噪比最大化和处理增益达到15~20dB,从而保证低信噪比条件下微弱信号的有效检测和处理。     

基于遗传算法和神经网络的入侵检测研究

基于神经网络的入侵检测是常见的智能入侵检测方法,能够对网络内部、外部攻击进行防御。将神经网络和遗传算法相结合,采用改进适应度遗传算法优化神经网络。实验结果表明,该方法能够有效的提高系统的检测率,降低误报率。     

基于混合Taguchi-GA算法的MIMO-OFDM信号检测

为了避免传统MIMO-OFDM信号检测方法具有的计算量过大而导致的算法复杂度高的问题,设计了一种基于混合Taguchi方法和GA算法的MIMO-OFDM信号检测方法,首先建立了MIMO-OFDM信号检测的模型,然后依据信号检测模型建立目标函数,将目标函数作为混合Taguchi-GA算法的适应度函数,通过个体在信号检测问题的解空间中进行不断地选择、交叉和变异等操作来求解全局最优解,为了进一步增加算法的全局寻优能力,通过Taguchi方法进一步在交叉和变异之间产生新个体;最后,定义和描述了基于混合Taguchi和GA算法的MIMO-OFDM信号检测算法,仿真实验表明,文中方法能有效进行信号检测,与其他方法相比,在BPSK调制和16QAM调制情况下,均具有较小的BER均方误差.     

基于遗传算法的机动多目标数据关联

1 引言多目标数据关联是多目标跟踪的核心部分,是多目标跟踪技术中最重要而又最困难的问题。数据关联简言之就是一种分配过程,即判断一个特定的量测属于哪一个目标,进而把全部或部分新量测数据分配给已建立的轨迹。数据关联是一个监视、跟踪系统的主要功能,因为错误的关联会导致跟踪的丢失,在目标密集     

基于遗传算法的排课系统

排课系统在教务管理系统中是比常见的一个模块,但在多约束条件情况下,要排出一张高质量的课表并不容易。通过使用遗传算法,对初始课表进行优化,并用Matlab进行编程,试验结果表明,遗传算法对课表的优化有着比较显著的作用。     

基于粗粒度遗传算法的网络入侵检测系统

分析遗传算法在入侵检测系统中的可应用情况,提出一种基于粗粒度模型遗传算法的网络入侵检测系统。通过对协议特征的分析,找出有可能被非法利用和更改的特征属性,经过组合和编码后构成系统的初始种群,在各个处理器(终端点)并行地进行遗传算法的操作,使种群的进化在所有检测点同时进行,通过迁移相互交流,合理地设计适应度函数,使遗传“基因”的取舍和利用更加合理。实验数据表明,系统的检测率达到90%以上。     

基于遗传算法的投资优化问题应用研究

遗传算法是模拟自然界生物进化过程的计算模型，文中讨论了遗传算法在企业投资规划中的应用，给出了遗传算法解决投资规划问题的计算机仿真实例。     

随机共振在水声信号检测中的应用

海洋混响是水声信号目标检测中的主要干扰之一,克服混响干扰一直足水声信号处理的一个重要课题.如何在混响背景中有效地进行水声信号目标的检测?为了解决着一问题,引入了随机共振的方法.首先,在随机共振的原理基础上,给出了利用随机共振原理检测微弱周期信号的基本方法,并对方法进行了分析与验证.然后,将方法应用于以模拟混响为背景干扰的水声信号的检测中,仿真结果进行了分析,证明了方法的可行性.     

随机共振原理对微弱信号检测的研究

介绍了随机共振的基本原理,在分析了现有的随机共振检测微弱信号的方法的基础上,提出了一种改进的随机共振检测算法,该方法对微弱信号的提取更加精确,仿真结果证明其可行性。     

基于遗传算法的露天矿边坡检测传感网络优化

将无线传感网络技术结合到露天矿边坡检测系统中,当露天矿边坡出现异常时,及时将信息传递给监测人员,避免出现不必要的损失;将遗传算法应用于边坡检测无线传感网络的多目标优化设计中,设计了边坡检测网络的组网策略,制定了适当的编码机制,并结合多方面重要参数,建立了适应度函数;仿真表明:基于遗传算法的网络设计优化了能量管理,使网络生命周期达到最长.     

井下声波通讯信号的随机共振检测方法

针对旋转导向钻井技术中,稳定平台与随钻测量系统之间进行声波通讯时,通讯信号被强噪声干扰,使得信号幅频特性检测难度增大的问题,提出了一种利用随机共振检测声波通讯信号的新方法。通过进行短距离钻杆声波传输实验,研究声波传输特性,再分析微弱信号的随机共振检测原理,然后利用双稳态系统中,噪声能量可以提高待测信号传输能力这一特殊机制,构建声波通讯信号的随机共振检测系统并进行matlab仿真。仿真结果表明,随机共振系统可以检测到被噪声完全淹没的钻杆声波通讯信号的幅频特性。     

基于改进遗传算法的云计算任务调度方法

云计算环境中可能存在大量的计算节点与不确定性因素,需要进行大规模的任务调度和管理,增加了调度的复杂度和难度。为了满足任务调度的实时性需求,降低过程中产生的能耗,提出一种基于改进遗传算法的云计算任务调度方法。对不同的任务属性进行结合,重新设定各个云计算节点的任务属性,并计算节点的综合属性值。根据计算结果以全部任务完成时间最小化作为调度目标,构建云计算任务调度模型。改进传统遗传算法,优化种群的初始形成方式,通过改进后的遗传算法求解调度模型,判断获取的解是否满足终止条件,如果满足直接输出最优云计算任务调度方案,实现云计算任务优化调度。由实验结果可知,该方法的任务调度完成时间较低,其调度时间最高值仅为16 min,说明该方法能够满足任务调度的实时性需求,且能耗较低,能够实现任务的高效执行和资源的合理利用。     

小信号检测中的自适应随机共振技术

就双稳态非线性系统的结构参数和弱信号及噪声之间的关系进行了仿真,对随机共振技术运用于强噪声背景下的弱信号检测进行了研究。首先研究了双稳态非线性系统的方程式,并指出影响随机共振的三个要素是：系统两稳态之间存在势垒(阈值);低于势垒的小信号和噪声。提出了一种随机共振自适应算法,并运用于中频电源故障信号检测,取得了较好的效果。     

改进遗传算法在入侵检测系统中的应用

针对现有入侵检测系统的不足,对遗传算法应用于入侵检测系统进行了研究,提出了一种基于改进遗传算法的异常检测算法.本文详细讨论了适应度函数的构造过程,并对种群的确定、选择算子、变异算子进行了改进.实验证明,改进后的遗传算法应用到入侵检测系统中,能有效的提高检测准确性.     

基于混合智能算法的随机共振微弱信号检测

针对在随机共振系统参数调节过程中使用单一智能算法导致的搜索结果不够精确的问题,使用了一种基于粒子群算法和人工鱼群算法的混合智能算法实现自适应微弱信号的检测.将两种算法结合起来,回避了粒子群算法调参的过程中极易导致局部最优的这一问题,同时弥补了人工鱼群算法后期搜索不精确的不足.上述方法将随机共振输出信噪比作为混合智能算法...     

随机共振理论与微弱信号检测应用综述

随机共振是非线性动力学系统中存在的一种现象,体现了噪声在非线性系统中的积极作用。本文介绍了经典随机共振理论与非经典随机共振理论的起源及理论研究发展,以及利用随机共振检测微弱信号在电子系统、生物系统、机械故障检测等领域的应用。最后介绍了随机共振的研究进展。     

基于小波变换和随机共振的微弱信号检测方法

根据随机共振的噪声选择性和频率敏感特性,提出了基于小波变换和随机共振的微弱信号检测方法.对含噪输入信号经多尺度小波变换分解为不同尺度频率的信号成分后,通过引入尺度收缩因子来调节各尺度信号成分的大小,再将不同尺度的分解信号作为双稳系统的输入,研究了不同尺度频率信号经收缩因子作用后对系统输出信噪比的影响.数值仿真结果表明,选取合适的尺度收缩因子,能有效提高系统输出的信噪比.     

基于遗传算法的文本分类技术

针对常用的文本分类算法参数难以确定的问题,该文引入遗传算法,在编码方案、种群的初始化、适应度函数和停止标准等方面进行优化,得到更好的文本分类结果.通过三种文本分类算法的对比实验,该文提出的算法效果最好.     

基于遗传算法的排课问题适应度函数设计

排课是各类学校教学管理工作中重要而且相当复杂的管理工作.排课问题是一个有约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题.遗传算法借鉴生物界自然选择和自然遗传机制,善于处理传统搜索算法难以解决的复杂的和非线性的问题.对于使用遗传算法解决排课问题中关键的适应度函数进行设计,验证结果表明能较好地实现排课目标,为设计出科学、优秀的排课系统提供理论依据.     

一种基于遗传算法的自动排课系统设计

该文提出并实现了一种高校自动排课算法,利用遗传算法建立数据模型,定义了时间片、授课单元、切片算子、不完全两点交叉和适应度函数。通过使用遗传算法,对课程进行编排和对课表进行优化;并用VC 进行编程,Matlab进行仿真,用文件输出结果;实验结果表明,遗传算法对课表的编排和优化有着比较显著的作用。