带局部搜索的动态多群体自适应差分进化算法及函数优化

 提出将一种改进的差分进化算法——带局部搜索的动态多群体自适应差分进化算法(DMSDELS)应用于函数优化.该算法将种群中的个体随机动态分成多个子群体,以增强个体间的信息交换;变异操作中,选择最优个体为基向量,差分向量的方向选择有利于搜索的方向,以提高收敛速度;变异尺度因子F与交叉概率CR采用自适应机制,以平衡局部搜索与全局搜索;部分优秀个体搜索达到指定代数进入局部搜索,以加快收敛.通过对13个benchmark典型复杂函数进行测试,并与其他七种优化算法进行比较,仿真结果表明:DMSDELS算法具有较高的搜索精度和收敛性,且具有较强的跳出局部最优解能力.     

分数阶Fourier变换极值搜索算法研究

 针对步进式搜索算法在分数阶Fourier变换域二维平面效率、精度低下的问题,通过推导分数阶Fourier域极值函数的一阶导数及其快速算法,将全局寻优效果好的混沌优化法和局部搜索能力强的多步拟牛顿法相结合,提出了分数阶Fourier变换极值混合优化算法.并对混合算法的全局收敛性进行了证明.最后,通过仿真实例,验证了混合算法的全局收敛性及其快速收敛能力.混合优化算法的收敛速度和精度均好于步进式搜索法、混沌优化法及步进式-多步拟牛顿混合法.     

基于改进混合灰狼优化算法的无人机三维路径规划

针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索过程中丰富种群多样性奠定基础;提出新型非线性收敛因子的改进策略,提高算法全局搜索能力。在灰狼位置更新中提出引入狮群优化(Lion Swarm Optimization, LSO)算法的扰动因子和动态权重,使灰狼具有主动的搜索能力,避免因灰狼失去种群多样性而陷入局部最优。为验证改进算法的有效性,进行了8个国际通用的标准测试函数收敛性对比实验和无人机三维路径规划仿真实验。实验结果表明,CLGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;三维路径仿真环境下,CLGWO算法的平均路径长度、平均迭代次数、平均运行时间相比于GWO算法分别优化了33%、31%、52%,且路径转折少,能较好地得到全局最优值,验证了CLGWO算法的有效性。     

基于EGA与Alopex算法的非可微函数混合全局优化算法

遗传算法是一种全局化算法,能以较大概率搜索到全局最优解。本文将Alopex算子嵌入到保留最优个体遗传算法（EGA）中,对非可微或求导困难函数从而得到既能以较大概率搜索全局极值,又能进行局部细致搜索的混合全局优化算法;并对其全局收敛性和计算效率作了证明与分析。数值计算结果表明该算法优于求解函数优化的EGA和Alopex算法。     

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。     

融合鲸鱼泡泡网机制的SSA算法

针对基本麻雀搜索算法(Sparrow Search Algorithm, SSA)在迭代寻优过程中,种群多样性减少、易陷入局部极值等问题,提出一种改进的麻雀搜索算法(WSSA)。首先,基于Tent混沌映射策略初始化种群,提高初始解的质量;其次,结合鲸鱼优化算法(WOA)中的鲸鱼泡泡网捕食数学模型,改进发现者的位置更新策略,增强算法全局搜索;然后,采用自适应t分布变异,提升算法跳出局部最优能力;最后,在仿真实验中,结果表明改进麻雀搜索算法具有更好的收敛性和求解精度。     

基于ISOA的VANET自适应数据传输算法

针对基于802.11p的车载自组织网络(VANET, Vehicular Ad hoc Network)的吞吐量最优化问题,采用启发式搜索优化的思想,在数据传输方面提出了改进的搜索者优化算法(ISOA, Improved Seeker Optimization Algorithm)。该算法通过对节点发送概率的最优化实现节点平均吞吐量的最大化;通过对吞吐量变化的检测调整发送概率,实现对通信环境变化的自适应性;通过对在VANET场景下传统SOA的改进,提高了搜索全局最优解的成功率。仿真结果表明,ISOA较传统算法在环境变化自适应性方面更好,在收敛速度及准确度等方面性能也更优。     

基于混沌退火的参数扰动递归神经网络极值 搜索算法及其应用研究

 针对一类输出函数具有多个极值点的极值搜索对象,当采用传统极值搜索算法时,系统的输出值将无法准确和平滑地收敛至全局极值点的问题,提出了一种利用基于混沌退火的参数扰动递归神经网络构建极值搜索算法的新方法.利用混沌的遍历性以及参数扰动策略,该极值搜索算法可使系统输出值在混沌退火和参数扰动的粗搜索中运动至它的全局极值点附近;然后利用递归神经网络的精搜索使之能够平滑和准确地收敛至全局极值点.同时,详细分析了此方法的收敛性条件、解的最优性条件以及全局极值搜索的能力,仿真结果验证了这种分阶段的搜索方法有助于提高极值搜索算法的全局极值搜索能力.     

基于细菌觅食与粒子群的改进混合算法

针对粒子群优化算法（PSO）在优化过程中易陷入局部极值而产生“早熟”现象,文中提出一种基于细菌觅食与粒子群的改进混合算法。粒子群优化算法与细菌觅食优化算法的结合,增强了算法的全局搜索能力,使算法具有全局搜索能力强的优点。选用Matlab进行仿真实验,实验结果进一步显示了改进混合算法的优化能力优于基本PSO算法和基本BFO算法,收敛速度快,且具有较好的鲁棒性。     

一种改进的粒子群优化算法

粒子群优化算法(PSO)是一种群体智能进化计算方法,但在搜索过程中粒子紧跟最优粒子运动降低了粒子多样性和全局搜索能力,从而易陷入局部极值.本文提出一种新的粒子群优化算法(PSO-EWD),主要改进体现在2个方面:将惯性权重与进化因子相关联,根据种群的进化状态而改变权重大小,以平衡全局搜索能力与局部搜索能力;将时变的分布式时延引入速度更新公式中,以增加粒子的多样性.本文通过5种算法在9个基准函数上的实验对比,证明了新提出的算法相较于另外4种算法具有更优的适应度值、稳定性和收敛速度.     

求根MUSIC算法与四阶MUSIC算法的分析比较

传统的MUSIC算法虽然具有超分辨能力,但是在现代脉冲雷达中,加性噪声往往存在色噪声,这时传统的MUSIC算法就会失效。提出了两种改进方法——求根MUSIC算法和四阶MUSIC算法,前者用求多项式根的方法来代替MUSIC算法中的谱搜索,后者是基于四阶累计量来抑制色高斯噪声。通过计算机仿真证实两者在高信噪比情况下效果都很好,信噪比低的时候前者要好于后者。     

基于网格和遗传算法的移动代理路由算法研究

针对一类基于移动代理的无线传感器网络内移动代理的迁移路由问题,提出了一种基于网格和遗传算法的移动代理迁移路由算法.该方法通过改进的自适应遗传算法获取迁移的基路径信息,再结合网络网格化和路由修复策略来实现路由节点失效时的路由修复,从而有效降低能耗和实现成功迁移.     

RSA加密算法及其改进算法的研究和实现

首先利用RSA加密算法对数据进行加密和解密,实现了数据的安全传输;然后针对RSA加密算法时间开销大和算法设计复杂的缺点,提出基于乘同余对称特性的SMM算法。通过对该改进RSA加密算法的实现发现加密运算速度明显提高且算法更简单,从而证明了本文所提改进算法的有效性。     

多层前向神经网络中BP算法的误调分析及其改进的算法

本文分析了传统ＢＰ乍法中动量因子ａ对多层神经网络所引入的误噪声，指出它是影响网收敛精度的一个不可忽略的因素，同时给出了一个变动量因子的改进方法。     

基于帧差与统计法的运动目标背景图像提取算法

针对一般背景提取算法运算复杂、实时性差等缺点,提出了一种新的基于帧间差分与选择性统计相结合的背景提取算法.通过帧间差分和统计,对图像进行分块选取,削弱了运动物体和噪声对于像素分布的影响.实验表明,上述算法所取得的背景效果良好,并可快速有效地对背景进行提取和更新.     

CPK算法与标识认证

为解决PKI体系实际运用中存在的问题,近年来兴起的CPK组合公钥算法表现出了规模化、简便性和管理的有效性等特点,被认为是新一代信息安全的“纲”,它解决了规模化认证的难题,因而有望带来巨大的应用空间。尽管这一体系目前尚未真正走向应用,但它蕴含的革命性创新思想值得业界高度关注。     

基于RSA算法的扩展算法

RSA的安全性是依据大整数分解的困难性而设计的。RSA公开密钥加密体制中n为2个大素数的乘积,即针对n=pq（p,q为大素数）的大整数分解,这里介绍了RSA算法的扩展算法的加密和解密原理,即针对n=p1,p2,…,pr（p1,p2,…,pr为大素数）的大整数分解。通过扩展素因子的个数达到RSA算法的安全性。比较RSA算法,扩展的RSA算法不仅可用于数据加密解密,也可用于数字签名。利用扩展的RSA算法实现数字签名也具有较高的安全性和可靠性。     

特征空间算法及仿真

本文的算法利用特征分解得到信号子空间,然后将基于线性约束最小方差准则(LCMV)的权向量投影到信号子空间得到特征空间算法的权向量,并对算法进行了仿真.仿真结果表明算法具有较好的性能、很快的收敛速度.     

特征空间算法及仿真

本文的算法利用特征分解得到信号子空间,然后将基于线性约束最小方差准则（LCMV）的权向量投影到信号子空间得到特征空间算法的权向量,并对算法进行了仿真。仿真结果表明算法具有较好的性能、很快的收敛速度。     

基于小生境遗传优化的正交小波变换盲均衡算法

针对现有盲均衡技术收敛速度慢、稳态误差大、容易收敛到局部极小值的缺点,文中提出了基于小生境遗传优化的正交小波变换盲均衡算法.该算法利用小生境遗传算法搜寻全局,并利用正交小波盲均衡提高收敛速度.计算机仿真结果验证了算法的有效性.