最优化问题算法重用研究

为提高算法设计的效率以及缩小设计所需的时间,提出了算法重用的思想,即通过解决同一类型问题的算法框架来生成具体算法。并以N皇后问题的回溯算法为实例,介绍了算法设计过程。通过算法重用,文中可在解决这类问题的算法框架下,根据自身选择的实现函数,在框架下填充算法的具体细节,从而避免了算法设计的重复性工作,节省了设计所需的时间,提高了设计效率。     

一种新的变步长LMS自适应滤波算法

在对传统LMS算法、变步长SVSLMS算法及归一化LMS算法分析的基础上,提出了一种改进的归一化变步长LMS算法即N-SVSLMS（Normalized-SVSLMS）算法。该算法结合了参考文献中两种算法的思想,得到了改进的归一化LMS自适应算法。该算法在信道环境多变的情况下,收敛速度和稳定性能有了进一步的提高。理论分析及计算机仿真结果表明,N-SVSLMS算法明显优于传统LMS算法、变步长SVSLMS算法及归一化的LMS算法。     

基于加权BF-TOPSIS的多属性决策方法研究

BF-TOPSIS算法结合置信方程和TOPSIS算法,能够有效处理多属性决策问题。加权BF-TOPSIS(WBFTOPSIS)算法是对BF-TOPSIS算法的有效推广,保留了BF-TOPSIS算法的优越性。文章首先对BF-TOPSIS算法的归一化问题进行详细推理分析,并给出BBAs构造的一种新的证明。通过分析BF-TOPSIS算法BBAs构造的实际意义,提出WBF-TOPSIS算法,并给出加权系数的最优化表达式。BF-TOPSIS算法是WBF-TOPSIS算法的一种特殊情况。相比于BF-TOPSIS算法,WBF-TOPSIS算法能够做出更优的决策结果;最后算例分析验证了所提算法处理多属性决策问题的优越性性。     

Heuristic Sarsa algorithm based on value function transfer

With the problem of slow convergence for traditional Sarsa algorithm,an improved heuristic Sarsa algorithm based on value function transfer was proposed.The algorithm combined traditional Sarsa algorithm and value function transfer method,and the algorithm introduced bisimulation metric and used it to measure the similarity between new tasks and historical tasks in which those two tasks had the same state space and action space and speed up the algorithm convergence.In addition,combined with heuristic exploration method,the algorithm introduced Bayesian inference and used variational inference to measure information gain.Finally,using the obtained information gain to build intrinsic reward function model as exploring factors,to speed up the convergence of the algorithm.Applying the proposed algorithm to the traditional Grid World problem,and compared with the traditional Sarsa algorithm,the Q-Learning algorithm,and the VFT-Sarsa algorithm,the IGP-Sarsa algorithm with better convergence performance,the experiment results show that the proposed algorithm has faster convergence speed and better convergence stability.     

一种改进的混合排课算法研究与实现

针对目前常用的排课算法中存在的不足,分析了基于遗传算法的单一排课算法存在影响排课因素多、难以进行最优组合及排课效率低等问题,提出了一种基于优化的遗传算法和贪婪算法组合的混合排课算法。该算法首先采用改进的遗传算法对教学时间片进行安排,然后再采用贪婪算法进行教学场地安排,该算法的创新点在于简化了影响排课结果的因素,将一个复杂的过程分解为两个阶段来实现,保证了排课结果的合理性、提高了自动排课的效率、有利于后期部分课程的手动调整。     

改进Min-sum的LDPC译码算法研究

为了弥补Min-Sum译码算法相对于LLR-BP算法的性能缺陷,降低LLR-BP算法的实现复杂度,提出一种改进型Min-Sum译码算法,将Normalized BP-Based和Offset BP-Based 2种算法有效地结合,在计算校验节点消息时,同时引进校正因子和偏移因子,并通过最小均方差准则来选择参数。仿真结果表明,在误码率相同的条件下,改进型Min-Sum译码算法比Min-Sum算法、Normalized BP-Based算法和Offset BP-Based算法具有更好的译码性能,译码性能逼近于LLR-BP译码算法。     

基于遗传_蚁群算法的多QoS约束组播路由优化算法

提出了一种将遗传算法与蚁群算法融合的新算法,用以满足多QoS约束的组播路由优化。算法首先利用遗传算法生成若干组优化解,将其转换成蚁群算法的信息素初值,然后利用蚁群算法来求取满足QoS约束的最优解。仿真结果表明此算法是有效的,其性能优于文献[6]中算法。     

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。     

基于后退式索引的动态树形防碰撞算法

标签防碰撞技术是RFID系统中的关键技术,二进制搜索算法和动态二进制搜索算法是两个典型的防碰撞算法。文章在动态二进制搜索算法的基础上提出了一种新的防碰撞算法,通过对新算法的分析,可知本算法相对于动态二进制搜索算法有明显的优势。     

机器组卷问题的遗传-蚂蚁算法研究

计算机智能组卷的关键技术在于组卷算法，蚂蚁算法在初期信息素缺乏导致搜索时间较长；遗传算法需要在一组解中寻找最优解而产生大量的重复数据，导致算法效率较低。为了开发出一个具有高效性和鲁棒性的组卷算法，提出了一种融合遗传算法与蚂蚁算法的机器组卷算法，算法利用遗传算子操作的全局收敛快的特点，将最优结果作为蚂蚁算法的初始信息素分布，按照蚂蚁算法的并行反馈信息、求解效率高的特点进行信息更新求得最优解，优势互补。实验表明，算法在收敛性和寻优性都有很好的效果。     

基于网络延迟瓶颈定位算法的研究

对延迟瓶颈定位算法中的ICMP慢速路由器修正算法和未响应路由器延迟分配算法进行改进,在ICMP慢速路由器修正算法中提出均值估计修正算法,在未响应路由器的延迟分配算法中提出改进型未响应算法和二次测量辅助定位算法。通过对12条路径进行测量,结果证明,改进后的延迟瓶颈定位算法定位更准确,数据有效利用率更高。     

相位恢复技术算法的探究

首先介绍了相位恢复技术中的Gerchberg-Saxton算法和梯度搜索算法。推导了当任意多帧输入图像及它们的离焦量作为输入时,梯度搜索算法的目标函数分别关于广义光瞳、波前以及泽尼克系数的偏导数。揭示了GS算法与梯度搜索算法之间的关系。针对单幅和多幅图像作为输入时分别用GS算法和梯度搜索算法设计了仿真实验,实验结果显示对于单幅图像作为输入时,梯度搜索算法明显优于GS算法。对于多帧不同离焦量的图像作为输入时,GS算法和梯度搜索算法都能很好的解算出波前,但梯度搜索算法的收敛速度明显优于GS算法。     

STBC-OFDM系统中空时多用户检测算法的研究

针对STBC-OFDM系统,分析了STBC-OFDM系统的MMSE检测算法和ML检测算法。考虑到最大似然多用户检测算法实现的复杂性,研究了将MMSE检测算法和ML-PDP检测算法相结合进行多用户联合检测,对其进行了仿真,仿真结果表明MMSE-ML联合检测算法与MMSE检测算法相比,计算量有所增加,但可以较大程度地提高检测系统的误码性能。     

基于PSO-GA算法的多用户OFDM系统资源分配

为了最小化多用户OFDM系统的总发射功率,提出利用改进的粒子群算法与遗传算法相结合的联合算法(PSO-GA)来搜索最优的子载波和比特分配。该算法首先利用改进粒子群算法对系统的子载波和比特分配进行优化。算法运行过程中,当更新后的粒子速度大于最大粒子速度或小于最小粒子速度时,取最大粒子速度与最小粒子速度区间中的一个随机值作为更新的粒子速度。待PSO-GA算法的改进粒子群算法收敛后,将收敛后的种群作为遗传算法的初始种群,再利用遗传算法进行系统的子载波和比特优化分配,进而得出最优解。仿真结果表明,利用该算法比利用遗传算法、粒子群算法与Zhang算法的分配方案使系统需要的总发射功率降低2~10 dB。     

改进的KFCM算法及其在感兴趣区域提取中的应用

基于核函数的FCM算法(KFCM)是一种常用的聚类算法,它需要人为地确定分类数,对噪声比较敏感。针对感兴趣区域提取问题,提出一种改进的KFCM算法,该算法先用k'-means算法估计分类数,再用KFCM算法进行聚类,改进隶属度函数,使新算法的隶属度为其邻域隶属度的平均值,提高了算法的抗噪能力。将新算法应用到感兴趣区域提取中,实验结果表明,新算法不需要人为地确定分类数,并且相比传统的FCM算法和KFCM算法能更有效地抑制噪声。     

一种基于稀疏贝叶斯学习的离网DOA估计算法

本文提出一种基于稀疏贝叶斯学习的改进离网DOA估计算法,以提升非理想测向环境下在低信噪比、低快拍数时的DOA估计性能,称之为MOGSBL算法。本算法将信号源方位区间进行离散化,得到方位离散网格。为阵列接收信号建立稀疏贝叶斯模型,将网格节点修正量设为模型超参数。采用期望最大化算法迭代更新网格节点修正量,使更新后的网格节点更接近真实源信号方位。为了检验MOGSBL算法的性能,本文进行了大量的数值实验,并将MOGSBL算法的DOA估计结果与RSBL算法、OGSBL算法和L1-SVD算法进行对比。在不同信噪比和不同快拍数时,MOGSBL算法均能清晰分辨方位很接近的两个信号源,角度分辨率明显高于RSBL算法、OGSBL算法和L1-SVD算法。随着信噪比和快拍数的增加,4种算法的RMSE均逐渐减小。但MOGSBL算法的RMSE明显低于RSBL算法、OGSBL算法和L1-SVD算法,且RSBL算法、OGSBL算法优于L1-SVD算法。实验还分析了方向测试范围的离散网格节点数对DOA估计的影响,发现细密的离散网格可以提高DOA估计精度,但DOA估计的计算量会增加。且在任意网格节点数时,相比于RSBL算...     

基于微正则退火算法对K-means聚类算法的优化

K-means算法是经典的基于划分的聚类算法,但该算法存在依赖于初始聚类中心、容易陷入局部最优解等缺点,针对这些缺点,本文提出了基于微正则退火K-means聚类算法,通过继承微正则退火算法的高效全局寻优特性,可以避免陷入局部最优解。实验结果表明,改进的算法能够有效的减少原算法对初始聚类中心点的依赖,提高算法的稳定性,摆脱原算法容易陷入局部最优解的缺点。     

大规模MIMO系统中基于牛顿迭代和超松弛迭代的WWSE预编码算法

在大规模 MIMO 系统中,将牛顿迭代法用于传统的 WWSE 预编码算法求逆运算,但是其迭代初始值计算复杂。针对这一问题,提出WWSESOR-NT算法。在SOR算法的基础上提出中间算法,然后与牛顿迭代算法相结合,利用中间算法直接对高阶矩阵的逆进行估算,将得到的结果作为牛顿迭代法的迭代初始值以加快收敛速度。仿真结果显示,与传统牛顿迭代法比较,WWSESOR-NT 算法能够以更少的迭代次数和近似相同的复杂度逼近WWSE算法的性能。     

一种基于RLS算法的自适应时延估计算法

针对基于LMS算法的自适应时延估计算法收敛速度慢的缺点,推导出一种基于RLS算法的自适应时延估计算法,并分析了基于RLS算法的自适应滤波器的均值性能。经仿真证明该算法的收敛速度有了一定提高,并且其时延估计的跟踪性能得到了改善。     

基于遗传模拟退火算法的DNA多序列比对研究

针对生物信息学中DNA多序列比对问题,提出了一种基于遗传算法和模拟退火算法相结合的求解算法:在遗传模拟退火算法中,利用模拟退火算法针对遗传算子进行改进来提高算法的效率,由遗传算法进行全局搜索,模拟退火算法用于局部寻优,防止遗传算法的早熟收敛。通过与经典比对算法ClustalX和经典遗传算法进行比对研究,结果表明该算法是有效的。