基于人工鱼群算法的IIR数字滤波器设计

将人工鱼群算法（AFSA）用于IIR数字滤波器设计，建立了相应的优化模型，给出了简化的人工鱼群算法及其实现步骤。最后，将该算法用于低通、带通IIR数字滤波器的设计，并与粒子群算法进行了比较。仿真结果证明了AFSA的有效性，并且具有算法灵活、简单，全局收敛性好。收敛速度快的优点。     

一种改进的人工鱼群算法

本文介绍了基本人工鱼群算法,并在步长及觅食行为这两方面对基本人工鱼群算法做出了改进,提出一种改进的人工鱼群算法（IAFSA）。实验结果证明,改进的人工鱼群算法具有较好的收敛性。     

一种改进的人工鱼群算法

本文介绍了基本人工鱼群算法,并在步长及觅食行为这两方面对基本人工鱼群算法做出了改进,提出一种改进的人工鱼群算法（IAFSA）。实验结果证明,改进的人工鱼群算法具有较好的收敛性。     

机载传感器管理中信息引导雷达搜索空域研究

当前机载传感器管理中,信息引导雷达搜索的空域规划问题由信息误差和经验公式确定,雷达搜索空域较大,使信息引导失去意义.根据雷达搜索空域规划的基本原则,结合目标高斯分布的假设和目标截获概率的推导,建立信息引导雷达空域搜索模型.模型以最小化搜索空域为目标,同时满足目标截获概率和雷达的探测约束,实现对不同截获概率需求的搜索空域规划.引入带约束条件的粒子群优化算法对模型进行求解,仿真结果证明了模型的有效性,并与传统方法、遗传算法和人工鱼群算法进行了对比.     

改进的人工鱼群算法及其在近似求导中的应用

人工鱼群算法是一种新型的随机搜索优化算法,在对基本人工鱼群算法进行改进后提出了一种基于改进的人工鱼群算法的近似求导算法,该求导算法不仅能求解一阶导数,还能计算高阶导数.实验结果表明该算法是可行的和有效的.     

基于变异算子与模拟退火混合的人工鱼群优化算法

人工鱼群算法(AFSA)是一种新型的群智能随机全局优化技术.本文在分析AFSA存在不足的基础上,提出了基于变异算子与模拟退火混合的人工鱼群优化算法.该算法保持了AFSA算法简单、易实现的特点,克服了人工鱼漫无目的随机游动或在非全局极值点的大量聚集,显著提高了算法的运行效率和求解质量.通过函数和实例测试验证,表明了该算法是可行和有效的.     

求解Logit随机用户均衡问题的改进人工鱼群算法

针对人工鱼群算法求解大型优化问题时存在探索能力差以及搜索盲目性大的缺点,设计一种定向搜索变异的改进人工鱼群算法,该算法在迭代过程中不仅保证鱼群在当前状态下能够自适应变异,并且还可以使其向当前最优位置移动。随后将这种改进人工鱼群算法应用于求解Logit随机用户均衡问题,构建了随机用户均衡交通分配问题新的模型和求解方法。仿真结果表明,该方法具有较好的稳定性和收敛速度,具有在大型城市交通分配问题中应用的潜力。     

基于遗传的人工鱼群优化之武装直升机对地攻击火力分配决策

结合遗传算法和人工鱼群算法的优点对武装直升机对地攻击作战的火力分配问题进行研究,建立了火力分配的教学模型,并利用基于遗传算法的人工鱼群优化算法实现武装直升机对地攻击的火力分配.仿真实验结果表明,基于遗传算法的人工鱼群优化算法解决火力分配问题不仅收敛速度快、效果好,而且运行速度快、求解精度高,满足火力分配实时性和准确性的...     

北斗/INS组合导航中人工鱼群粒子滤波的应用

为解决粒子滤波中的粒子退化和枯竭问题,提出一种动态人工鱼群粒子滤波算法,该算法在粒子滤波重采样过程中引入人工鱼群算法的觅食和聚群行为,并依据概率密度的动态比值动态调整人工鱼的移动步长,此算法提升了粒子的多样性,克服了粒子退化及枯竭问题;推动粒子向优选区域逼近,并提高了粒子的全局搜索能力,避免粒子陷入局部最优。将改进的动态人工鱼群粒子滤波在北斗/INS紧组合的模型上进行应用,并通过仿真与人工鱼群粒子滤波及标准粒子滤波算法PF相比较。仿真结果表明,动态人工鱼群粒子滤波可显著提高估算精度,从而为在利用北斗和INS在紧组合导航时提供了新的方法。     

基于集群智能粒子滤波的弹道导弹跟踪

针对弹道跟踪问题,提出人工鱼群算法优化粒子滤波的方法.将集群智能思想引进粒子滤波,解决其粒子权值退化及粒子需求量大的缺点.首先,阐述了粒子滤波原理及其存在的一些问题.然后将人工鱼群算法融合进粒子滤波,使粒子群体向高似然方向移动,从而克服粒子权值退化问题.仿真结果说明该算法中的滤波算法的有效性.     

禁忌粒子群算法在几何约束求解中的应用

约束问题可以转化为优化问题,针对粒子群优化算法在算法的后期易陷入局部最优的缺点,提出TPSO(禁忌粒子群优化算法),在算法的前期采用粒子群算法快速产生全局最优解信息素的初始分布,后期引入禁忌搜索算法,记录已经达到的局部最优解,在下一次搜索中,不再或者有选择地搜索这些点,从而跳出局部最优点,并且在搜索过程中允许接受劣解,充分利用禁忌搜索的记忆能力及较强的爬山能力,大大提高了获得全局最优解的概率.该算法综合了粒子群优化算法的快速性,随机性和全局收敛性以及禁忌搜索局部寻优的能力.在确保全局收敛性的基础上,能够快速搜索到高质量的优化解.该方法用于几何约束求解的性能明显高于标准粒子群算法,算法具有良好的优化性能和时间性能.     

基于粒子群算法的软件可靠性分配问题研究

针对软件可靠性分配中不易求解全局最优解这一问题,将可靠性指标分配到每个模块中,并利用改进的粒子群优化算法来搜索模型的最优解.实验结果表明,改进的粒子群优化算法在求解软件可靠性分配问题时的效果优于遗传算法等其他智能优化算法.     

基于自适应粒子群优化算法的限速标志识别

针对经典的粒子群优化算法收敛性能不足的问题,提出了一种自适应粒子群优化算法。该算法对进化过程中的收敛方向进行动态调整,通过学习因子对参数选取过程进行调节,使收敛的初期趋向全局最优,后期趋向局部最优。采用自适应粒子群优化算法对支持向量机模型参数进行优化,并应用于限速标志的识别,实验结果表明,文中基于自适应粒子群优化算法的方法拥有较高的识别率,同时算法收敛性显著高于经典的粒子群优化算法。     

基于量子粒子群优化算法的图像分割方法

利用量子粒子群优化算法(QPSO)对二维Fisher准则图像分割评价函数进行了全局优化,提高了分割阈值的求解速度。并针对量子粒子群优化算法存在收敛性差、易早熟的问题,提出了量子粒子群优化算法和邻域搜索双重寻优的改进算法。实验结果表明,改进后的分割方法具有良好的分割效果和求解速度。寻找到的最佳阈值与二维Fisher准则函数算法完全相同,而阈值求解时间只有二维Fisher准则函数算法的1/3。     

自适应视野的人工鱼群算法求解最短路径问题简

针对基本人工鱼群算法的参数视野固定不变导致算法后期收敛速度慢、运算量大、易陷入局部最优等问题,提出自适应视野的改进人工鱼群算法。改进后的算法只对人工鱼的觅食行为的视野进行调整,使其随着算法的迭代次数的增加而逐渐减小,但当视野小于初始值的一半时,停止减小,使其等于初始值的一半。将提出的改进型人工鱼群算法应用到求解基于道路网络的最短路径问题中,并通过实验证明了改进后的人工鱼群算法比基本人工鱼群算法及蚁群优化算法收敛速度快、计算量小,而且更加准确和稳定。     

改进粒子群算法在货物装载中的应用

本文采用改进粒子群算法求解货物装载问题。首先对传统背包问题进行分析，指出其在现实生活中存在的问题，提出了以最大价值为目标的更具现实意义的多目标模型，然后用粒子群算法进行求解，给出了一个算法求解的实验实例。在实现粒子群算法时，我们对基本粒子群算法进行了一些改进。实验证明采用这种改进的粒子群算法解决货物装载问题切实可行，有较高的搜索效率。     

改进元胞粒子群算法求解JSP问题

为求解离散JSP(作业车间调度)问题,设计了基于四方形网格的元胞粒子群算法。引入变异策略增强了算法跳出局部最优的能力,对每代粒子群引入变邻域搜索提高了算法的局部搜索能力。数值实验表明,改进的元胞粒子群优化算法具有好的收敛性与求解精度。     

一种基于文化机制的狼群算法

狼群算法是一种新的群智能优化算法。为解决该算法中,人工狼在进行智能搜索时的盲目性问题,现结合文化算法提出了一种基于文化机制的狼群算法——文化狼群算法。并应用三个经典的复杂测试函数对文化狼群算法的收敛性能进行了测试,并与狼群算法、粒子群优化算法进行了比较。实验结果表明文化狼群算法具有更好的收敛性能。     

基于自适应人工鱼群算法的多用户检测器

将智能优化算法应用到多用户检测器(MUD)问题中,是近年来改善MUD性能的一个研究方向。人工鱼群算法(AFSA)是一种新的智能优化算法,该算法具有一些遗传算法和粒子群算法不具备的特点。但是用其解决离散优化问题时,该算法保持探索与开发平衡的能力较差,且在算法运行后期搜索的盲目性较大,从而影响了该算法搜索的质量和效率。为了克服这些缺点,本文对该算法进行了改进,得到两种自适应人工鱼群算法(AAFSA_FP和AAFSA_SP),并首次用其构建了新的多用户检测器。仿真结果表明,该方法与基于遗传算法的多用户检测器和基于粒子群算法的多用户检测器相比,在误码率、抗远近效应的能力和收敛速度等方面都有明显的改善。     

求解多目标优化问题的GTSPA混合算法

为了有效求解多目标优化问题,文中结合遗传算法、禁忌搜索算法以及粒子群算法的优势,设计了一种新型的混合算法GTSPA,并对所设计的GTSPA混合算法的总体步骤进行了描述.通过从解的质量、算法的收敛性以及算法的复杂度这几方面对算法进行分析,可以发现:GTSPA混合算法是以较大概率收敛于全局最优的,具有很好的收敛性,并且运算相当快、计算复杂度并不高,具有很好的优势.