基于改进量子进化算法的PID参数优化

PID控制器是一类广泛使用的控制器,其参数优化决定了控制器的性能。提出了一种基于改进量子进化算法的PID控制参数优化方法。在该算法中量子个体的每位量子比特都可以向不同的目标学习,实现了量子个体之间信息的充分交换,一方面保证了算法的收敛性,另一方面保证了算法的探索能力,有效提高了算法的优化性能。将该方法用于PID控制器参数优化,与其他优化算法的仿真结果比较表明,该方法能获取更好的控制效果,验证了该方法的有效性。     

改进的人工蜂群算法求解任务指派问题

针对指派问题提出了一种改进的人工蜂群算法.该算法充分考虑到指派问题解的离散性特点,给出了食物源位置的离散编码方法,并且采用邻域移动法生成候选食物源,这一方法既保证了解的可行性,又增加了食物源的多样性.实算表明在求解指派问题时,该算法比原人工蜂群算法在求解精度和收敛速度上都有显著地提高,两性能也优于其他粒子群算法.这种改进的离散人工蜂群算法简洁,应用方便,不但是一种有效求解指派问题的新算法,同时也为其他组合优化问题求解提供了一种有益思路.     

智能优化技术的免疫算法研究

介绍了最优化理论中智能技术的发展及免疫计算模型，对基于人工免疫的智能优化方法进行了讨论。最后通过实例说明了免疫计算求解优化问题的实现。     

一种改进的混沌粒子群优化算法

粒子群优化算法（PSO）自提出以来,已经被广泛地应用于求解各类复杂的优化问题,过去对粒子群算法的研究主要集中在融入新的优化方法或对其相关参数进行调整,但这样只会使得PSO更加复杂.针对这一问题,文中提出一种改进的混沌粒子群优化算法（ICPSO）,ICPSO从粒子群优化算法的时间与寻优实时角度出发（即在较短的时间内获得较好的解）,对粒子速度更新算子进行了简化,每隔一定代数后,在最优解邻近区域引入混沌扰动以避免种群陷入局部最优解.数值实验结果表明：提出的算法相对于文献给出的PSO改进算法,不仅能够获得较好的最优解,而且还具有较快的收敛速度和较好的稳定性.     

一种基于对比度最优准则的调频斜率估计方法

在合成孔径雷达成像及其应用中,需要对调频斜率进行估计.常用的估计调频斜率的方法是图像对比度最优算法,但该算法需反复迭代,导致该算法计算量大、收敛速度慢、效率低.为此,提出了一种基于对比度最优准则的调频斜率估计方法——抛物线法.该方法是根据图像对比度与方位向调频斜率的关系,引入数学中的抛物线法来估计多普勒调频斜率,避免了传统算法中的反复迭代,大大提高了计算效率.最后,用机载SAR实测数据验证了该方法的可行性和高效性.     

连续型粒子群优化算法的均方收敛性分析

粒子群优化算法是基于生物群体内个体间的合作与竞争等复杂行为产生的群体智能优化算法,已有的理论分析多在确定性的情况下进行算法收敛性分析.本文基于随机系统的矩方程法分析了连续型粒子群优化算法的均方收敛性,并给出了能够保证算法均方收敛域,最后通过仿真实验分析验证了相关结论.     

基于QR分解的LS优化算法研究

本文对基于 QR 分解的 LS 优化算法进行研究，通过构造矩阵的方法，优化 Q 矩阵和 R 矩阵的计算算法，实现了对 LS 算法的优化，减少了算法对时间和空间资源的需求，并对算法进行了时间复杂度和空间复杂度分析，证明了该优化算法的有效性。     

多小区下行链路系统的资源效率最大化协同波束成形算法

本文研究了基于资源效率优化的多小区多用户协同波束成形算法设计。为了权衡系统频谱效率与能源效率,考虑在单基站发射功率约束以及达到用户服务质量需求条件下最大化系统资源效率,即系统能源效率与归一化系统频谱效率的加权和。由于优化变量之间的耦合性以及约束条件的非凸特性,该优化问题是一种非凸优化问题并且难以直接获得最优解。为了求解所考虑的优化问题,本文联合利用凸近似方法和分数规化理论,提出一种多小区下行链路系统中最大化资源效率的交替优化算法。所提算法的收敛性可以由凸近似方法和单调有界理论保证。同时,数值仿真验证了所提算法的有效性。      

Parallel implementation and optimization of the Sebvhos algorithm

In this paper, a parallel Surface Extraction from Binary Volumes with Higher-Order Smoothness (SEBVHOS) algorithm is proposed to accelerate the SEBVHOS execution. The original SEBVHOS algorithm is parallelized first, and then several performance optimization techniques which are loop optimization, cache optimization, false sharing optimization, synchronization overhead optimization, and thread affinity optimization, are used to improve the implementation’s performance on multi-core systems. The performance of the parallel SEBVHOS algorithm is analyzed on a dual-core system. The experimental results show that the parallel SEBVHOS algorithm achieves an average of 1.86x speedup. More importantly, our method does not come with additional aliasing artifacts, comparing to the original SEBVHOS algorithm.     

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。     

基于改进遗传算法的X波段驻波加速结构优化

针对X波段驻波轴耦合加速管设计,本文提出一种基于改进遗传算法的加速结构多参数自动优化方法。该方法采用MATLAB与电磁仿真软件CST协同,将结构的多个参量进行同时优化,以求得高有效分流阻抗的加速腔结构尺寸。该方法与传统单变量优化方法相比较,可大大节省优化时间,提高了设计效率,同时增加了保持腔体工作频率不变的功能,优化过程中自动调整工作频率至9300MHz,与CST自带遗传优化算法相比更加准确,并缩短了约49.3%的优化时间。对所优化的加速结构进行了加工测试,测试结果验证了优化方案的正确性。     

混沌优化算法在组合优化问题中的应用

组合优化问题一直都受到理论界和工程界的重视,此类问题的求解方法也有很多,却各有缺点和局限性,不能满足实际应用的需要。混沌优化算法在解决数值优化问题上具有一定的普遍性,可以很快找到全局最优解,不过组合优化问题的解不是一个数值,因此在前人研究的基础上,提出求解组合优化问题的混沌优化算法。首先分析混沌优化,并针对组合优化问题中的TSP问题,提出一种混沌优化策略,探讨在TSP问题中应用混沌优化算法的方法。结果表明了该方法的有效性。     

基于遗传因子的自适应蚁群算法最优PID控制

蚁群算法是一种新型的模拟进化算法,重点始于组合优化问题的求解.作者运用该算法优化PID控制参数,但在基本蚁群算法中,存在收敛速度较慢,易出现停滞,以及全局搜索能力较低的缺陷.论文提出了一种具有遗传因子的自适应蚁群算法最优PID控制参数的方法,设计出参数优化图.该方法克服了基本蚁群算法的不足,能够满意地实现PID控制参数优化.仿真结果与Z-N法、遗传算法、基本蚁群算法相比较,优化效果明显得到改善.实验表明,该方法对于控制其他对象和过程也具有应用价值.     

基于多元优化算法的路径规划

本文提出了一种基于多元优化算法和贝塞尔曲线的启发式智能路径规划方法.该方法通过用贝塞尔曲线描述路径的方法把路径规划问题转化成最优化问题.然后,使用多元优化算法来寻找最优的贝塞尔曲线控制点以获得最优路径.多元优化算法智能搜素个体协同合作交替的对解空间进行全局、局部迭代搜索以找到最优解.多元优化算法的搜索个体（元）按照分工不同可以分为全局元和局部元.在一次迭代中,全局元首先探索整个解空间以找出更优的潜在解区域.然后,局部元在各个潜在解区域进行局部开采以改善解质量.可见,搜索元具有分工不同的多元化特点,多元优化算法也就因此而得名.分工不同的搜索元之间高效的沟通和合作保证了多元优化算法的良好性能.为了评估多元优化算法的性能,我们基于标准测试地图比较了多元优化算法与其它三种经典启发式智能路径规划算法.结果表明,我们提出的方法在最优性,稳定性和有效性上方面优于其它方法.     

遗传算法及其在PID参数优化中的应用

遗传算法是一种基于自然选择和遗传机理的随机搜索与全局优化的方法。近年来,遗传算法的研究日益成熟,并已成功应用于机器学习、过程控制、经济预测等诸多领域。首先探讨了遗传算法的基本原理及其特点,然后将其应用于PID控制器的参数优化中,仿真实验表明该方法是可行的。     

基于基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先,对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的,但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力,对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。     

基于VB和Access的温度采集系统的设计与实现

针对函数优化问题,提出了一种基于离差平方和法的粒子群优化算法。该算法用混沌序列初始化粒子的位置和速度,选择好于粒子群优化算法产生的粒子位置。通过离差平方和法进行聚类,利用分类方式来更新粒子的速度。最后将算法应用到3个典型的函数优化问题中,数值结果比较表明,提高了算法搜索能力,全局最优解的精度和收敛速度。     

基于GA的BP神经网络在多目标优化中的应用

针对传统多目标优化的求解方法通常存在目标权值主观性大,优化目标仅为各目标加权和以及在求解过程中各目标优化的不可操作性等问题,文中提出了一种新颖的多目标优化算法,其将改进后的遗传算法与BP神经网络融合,提出了基于遗传算法的BP神经网络融合算法。该算法将遗传算法与BP神经网络算法相结合,充分发挥遗传算法的全局搜索能力优势和BP算法的局部搜索能力特点,使得多目标优化问题得以求解,加快收敛速度,从而提高了收敛精度。     

基于连续空间优化的蚁群算法

通过对蚁群算法基本理论的研究,从经典的蚁群算法模型中,抽象出解决问题的一般方法,提出了在连续空间优化问题中蚁群算法的模型,在算法中加入了自适应策略用以提高算法的性能,并通过实例分析了连续空间优化问题中蚁群算法的性能,通过仿真实验证明了算法的可行性与实用性。     

Phase equalization of one and two-dimensional recursive filers

An effective optimization algorithm is proposed to design multidimensional recursive phase equalizers. The optimization algorithm uses the modified version of the Rosenbrock (1960) pattern search method to minimize the maximum group delay ripple. This numerical method eliminates the increased complexity that derivative methods show when multiple variables are to be found. The criteria used to guarantee the stability of the equalizer are based on the DeCarlo-Strintzis theorem. By applying this theorem, the stability test procedure in m dimensions is reduced to m one-dimensional stability test routines. Using this stabilization technique and the Rosenbrock pattern search method for optimization, the intensity of computations is considerably reduced in higher dimensions