中波大地电导率图层研究

作者通过实践,尝试了两种制作大地电导率栅格图层的方法,用于LS Chirplus_BC计算平台的中波地波覆盖预测,同时在北京、南宁等地选取了部分中波台开展了地渡场强野外测试,根据场强实测值与预测值的误差分析总结了制作大地电导率图层的基本规律,提高了中波广播地波覆盖预测的准确性.     

基于高频地波雷达的海水电导率反演

温度、压力和电导率是表征海水性能最主要的三个物理量,研究海水电导率的分布与变化,有助于人们深入研究海水电磁特性及化学组成. 文中建立了一种基于高频地波雷达的海水电导率反演机制,利用高频电磁波的海面衰减特性,通过分析高频地波雷达在海面不同雷达观测元间的附加衰减数据,结合区域验证过的电波衰减方程,建立海面电导率和地波Norton衰减因子之间的单调对应关系模型,进而获得沿岸海洋表面电导率的分布信息. 实验结果表明：利用高频地波雷达遥感海面电导率具有可行性.     

不规则地面低频地波传播预测方法的性能比较

对不规则地面低频地波传播预测中积分方程方法、Millington经验公式以及FDTD算法的性能进行了分析比较.首先介绍了三种方法的模型和理论;然后分别采用这几种方法预测了传播路径中有高斯形山脉时低频地波的场强和二次时延分布,对几种方法的优势、局限性及误差进行了比较分析.结果显示:在地形起伏较小的区域,积分方程方法和FDTD方法吻合较好,Millington方法不能反映地形起伏对地波传播影响规律;当地形起伏较大时,积分方程方法也不再适用,FDTD则可以在山前及山脉区域预测到由地形反射引起的振荡信号.     

遗传算法在生物组织电导率重构中的应用研究

在载流线圈作用下，通过测量生物组织产生的二次场对线圈阻抗的改变，应用遗传算法重构分层生物组织各层电导率和厚度的方法。结合惩罚函数法对适应度进行了优化。数值计算结果表明改进后的算法在搜索速度和精确度上明显提高，并且具有较高的抗噪性能。     

基于遗传算法的求解时延约束的选播QoS路由算法

选播是一种新型的网络服务，它使用户通过一个选播地址就能访问到该地址所表示的一组服务器，并且对用户来说是“最近’’的一个。实时性要求较高的业务传输过程中，保证信息传输时延尽可能小是非常重要的。本文研究有时延约束的选播QoS路由问题，提出一种改进的遗传算法以求解该问题。仿真实验表明，该算法是有效且切实可行的。     

基于遗传算法在时域提取电磁参数的新方法

基于遗传算法的优化能力，并利用电磁场时域响应信息，提出了一种提取目标媒质电磁参数的新方法。将时域测量所得的散射场与由时域算法获得的不同个体的响应相比较，根据两者近似程度，通过遗传算法进行规划处理，即可确定媒质的介电常数和电导率等物理参数。算例结果与真实值吻合较好。相对于传统的频城测量法，该方法具有原理简单，容易实现等优点，还可以推广到目标识别等领域。     

水平分层大地电导率对倾斜通道LEMP 场影响研究

为了得到水平分层条件下,放电通道倾斜角度、大地电导率以及分层土壤厚度对倾斜通道雷电电磁脉冲(LEMP)场的影响规律,在差分条件下对三维直角坐标系的倾斜放电通道加源方程进行了推导,在此基础上利用时域有限差分(FDTD)法对倾斜通道雷电电磁场进行了建模。研究结果表明,当放电通道倾斜角度改变时,雷电电磁场峰值会随着倾斜角度的增加而出现明显的上升,同时观测点与雷击点之间的距离越大倾斜角度对电磁场的影响越明显。当电导率发生改变时,上层电导率主要影响电磁场的峰值,而底层土壤电导率主要影响电磁场的下降沿陡度和波尾幅值,对电磁场峰值影响较小,基本可以忽略。此外,电场波形的下降沿陡度随土壤上层电导率的减小而增加,随下层电导率的减小而降低。当上层土壤厚度改变时,在影响深度范围内电场波尾幅值会随着上层厚度的增加而增加,但电磁场峰值基本不受影响,而且随着水平距离的增加表层土壤的影响深度在不断加大。     

基于ASTER数据的地物光谱比辐射率的反演研究

比辐射率光谱表征着一个物体的内部物理和化学特征,是定量化遥感的一个关键参数.本文利用ASTER数据的第10至14波段,根据其数据的特点,基于温度比辐射率分离算法的思想,提出了将比辐射率标准化法(Normalize Emissivity Method,NEM)、经验公式、比值法(Ratio Method)这几个模块结合起来,在迭代的基础上计算出比辐射率的新算法.本文简要分析了模型误差的主要来源,并且把本文的算法与简化的ASTER的TES算法进行了比较.分析表明本文的算法是可行、有效的,而且该算法简单,易于实现,在能够保证精度的情况下运算速度快;同时也说明ASTER遥感数据用于反演地物的比辐射率可以得到比较理想的结果,具有良好的应用前景.     

基于遗传算法的大规模企业网拓扑设计算法

企业网拓扑结构设计实际上是一个多目标非线笥数学规划问题,选取距离、流量分配和传输时延作为拓扑设计中子网划分时的主要考虑因素。建立了相应的数字模型并通过遗传算法求解待优化的目标函数以完成子网的划分。应用结果表明,此方法能较好地解决大规模网络拓扑设计中的子网划分问题。     

基于遗传算法的时延受限代价最小组播路由选择方法

目前多媒体业务的涌现对网络提出了更高的要求。希望既能满足实时性，又能够高效地利用网络资源。本文提出了一种基于遗传算法的组播路由选择方法，该方法在满足时延限制条件的基础上寻找代价最小的组播树。实验表明，该算法收敛速度快，可靠性高，能够满足多媒体网络对实时性的要求。     

Polygonal approximation based on coarse-grained parallel genetic algorithm

This paper proposes to apply coarse-grained parallel genetic algorithm (CGPGA) to solve polygonal approximation problem. Chromosomes are used to represent digital curves and genes correspond to points of curves. This method divides the whole population into several subpopulations, each of which performs evolutionary process independently. After every migration interval number of generations, these subpopulations exchange their information with each other. Inspired by the designing theory of ensemble learning in machine learning, this paper further improves the basic CGPGA through adopting different but effective genetic algorithms, respectively, in different subpopulations. Both the diversity among different subpopulations and the accuracy in each individual subpopulation are ensured. Experimental results, based on four benchmark curves and four real image curves extracted from the lake maps, show that the basic CGPGA outperforms the used genetic algorithm, and further the improved CGPGA (ICGPGA) is more effective than the basic CGPGA, in terms of the quality of best solutions, the average solutions, and the variance of best solutions. Especially for those larger approximation problems, the ICGPGA is more remarkably superior to some representative genetic algorithms.     

基于遗传模拟退火的K-means聚类方法

针对传统的K-means算法对初始聚类中心的敏感很大,极易陷入局部最优值,基于遗传算法的K-means聚类算法由于个体的多样性不足而常出现早熟等现象,采用遗传模拟退火算法优化初始聚类中心点后进行K-means聚类,并提出了一种新的用于评价聚类结果的适应度函数,该函数更为准确地反映类内距离和类间距离.实验结果表明,该方法能获得更好的聚类结果.     

基于改进遗传算法的多约束QoS路由算法研究

遗传算法良好的全局搜索能力使其被广泛地应用于网络中多约束QoS路由寻址,并取得了较好的成果。然而大部分应用于多约束QoS寻址的改进遗传算法存在无法有效利用网络资源使得网络拥塞、网络过早收敛陷入局部最优解,以及过慢结束的缺点。针对上述问题,对传统遗传算法中的适应度函数和遗传算子做出相应的改进,并通过实验验证提出改进遗传算法。最终,仿真实验表明该算法是可行的,并能在一定程度上克服传统遗传算法的缺点,提高收敛速度,有效避免过早收敛,提高QoS满意率。     

基于遗传/模拟退火算法的蒸发波导反演研究

在实现雷达海杂波反演蒸发波导剖面的寻优运算中,应用遗传算法时把握全局的能力较强,但局部搜索能力较差,易出现早熟收敛现象;应用模拟退火算法时具有较强的局部搜索能力,但全局搜索能力较差,运算效率不高.针对此问题,将两种算法进行了融合,并分析了遗传/模拟退火混合算法的参数选取及抗噪性能.利用模拟海杂波功率进行了仿真试验,结果表明：遗传/模拟退火混合算法能够互相取长补短,适用于一定噪声干扰范围内解决反演蒸发波导剖面的问题.     

遗传算法与组合优化问题研究

介绍了遗传算法的原理、遗传算法的求解步骤，组合优化问题的数学模型及其用遗传算法解决此类问题的一般方法，并以一单目标数学规划问题为实例来说明遗传算法在解决组合优化问题时的有效性和优越性。最后，对遗传算法存在的问题及研究趋势进行了说明。     

基于小波变换的遗传算法在红外跟踪系统中的应用

目前红外跟踪技术是当代红外技术的重要军事应用之一,但由于外界的干扰环境及红外热探测器件本身的灵敏度影响了其成像质量。为了提高红外跟踪系统的图像识别精度,本文针对红外探测器生成的空中目标图像,提出用基于小波变换的遗传算法对红外热图像进行处理。实验结果验证该算法可以有效提高图像质量,能够满足跟踪系统的精度要求。     

遗传算法在雷达组网最优化布阵中算法研究

分析了遗传算法用于雷达组网最优化布阵的基本原理和关键技术。遗传算法是从多个初始点开始寻优，通过判断适度函数决定是否被淘汰或选择，从而实现全局或准全局最优，与传统雷达组网的效用函数法、专家法等方法比较具有原理简单、搜索量少、速度快等优点，解决了传统算法搜索量大、速度慢等问题。计算机的仿真实验表明了该方法的有效性。     

基于遗传变异蚁群算法的机器人路径规划的改进

针对基本蚁群算法在机器人路径规划问题中容易陷入局部最优的问题,提出了一种改进的蚁群算法,利用遗传算法加入了变异因子使最优路径产生变异,从而降低了蚁群算法陷入局部极小的可能性。同时改善了基本蚁群算法不收敛或收敛速度比较慢的缺点,加快了收敛速度,增加了最优解的多样性。