动态自适应人工鱼群算法研究

针对标准人工鱼群算法解精度不高的缺点,文章提出了动态自适应人工鱼群算法,使人工鱼群算法的两个重要参数—步长和视野实现动态自适应调整,使鱼群中的个体在早期具有较大的步长和较宽阔的视野,以保证算法具有较快的收敛速度和较广阔的搜索范围,而在后期逐渐转入精细的局部搜索,使算法的解精度得以提高。并通过实验对比证明动态自适应人工鱼群算法的解精度优于标准人工鱼群算法。     

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。     

基于人工鱼群算法的园林导览路径规划方法研究

导览路径规划作为园林智能辅助导览系统中的重要一环,能够为游客提供实时的目的地地图路径指导,直接影响着用户的使用体验。为了提高其准确性和实时性,提出一种基于人工鱼群算法的园林导览路径规划方法。对导览环境模型及相关问题进行描述,并通过总长度和平滑度两个方面设计了路径规划的目标函数。对采用的人工鱼群优化算法进行分析,并针对人工鱼群算法存在的缺点,在步长更新方式上进行了改进,有利于提高寻优精度和运行速度。仿真环境下的测试结果表明,提出的改进算法具有更好的最优解和快速收敛性能。实际案例应用结果验证了提出路径规划方法的可行性和有效性。     

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。     

基于改进型人工鱼群算法的PMD补偿研究

针对基本人工鱼群算法结构复杂、寻优速度慢和收敛精度低等缺点,提出一种基于生存行为的人工鱼群算法。在单信道速率为100Gb/s光传输系统中,通过二阶偏振模色散CSRZ码自适应补偿实验,结果表明:SVAFSA具有较快的迭代效率,较高的寻优精度和克服局部极值的能力,是一种适于PMD自适应补偿的优秀控制算法。     

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。     

基于自适应随机共振的瓦斯检测方法研究

在煤矿井下较复杂的环境下,针对传统检测瓦斯气体的方法检测精度低,抗干扰能力差等问题,提出了一种将声表面波技术和随机共振技术结合的方法,运用到井下瓦斯气体浓度检测中.利用声表面波瓦斯气体传感器获取井下瓦斯信息,随后将检测到的信息送入随机共振装置,并通过改进的自适应随机共振算法最终实现对瓦斯气体的检测.仿真实验结果表明,该方法能获得较真实准确的瓦斯浓度信息,降低了井下噪声对瓦斯检测的影响,提高了系统的抗干扰能力.     

自适应柯西变异人工鱼群算法及其应用

利用鱼群搜到的信息和柯西分布的特点,提出一种自适应柯西变异人工鱼群算法,该算法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,显著提高了求解质量和运行效率.通过函数测试、理论分析和实例应用,表明该算法是可行的和有效的.     

基于人工鱼群算法的dv-hop定位算法改进研究

随着无线网络传感器在各行各业的广泛应用,实际应用场景中的许多问题逐渐浮现出来,尤其是定位算法缺陷。文章主要从无线传感器定位的dv-hop算法局限性出发,指出其用跳段距离代替直线距离的显著缺点,并基于各项研究,提出应用人工鱼群算法的全局密集网络特点对dv-hop定位算法进行改进。经验证,基于人工鱼群算法改进后的dv-hop定位算法能显著弱化无线传感器节点定位误差大,减少节点硬件开销,提升无线传感器的定位精度和效率。     

一种基于粒子群优化的自适应均衡算法

提出了一种自适应信道均衡的方法,它利用粒子群优化算法对均衡器系数进行自适应调整.由于粒子群优化算法具有实现简单、性能函数的单调性强、搜寻全局最优解的能力强等优点,将其用于自适应信道均衡将会改善传统均衡器均衡效果不理想的问题.仿真结果表明,该方法实用有效,在信道失真较大和最优解搜索精度方面表现出了优越性.     

基于幂函数型随机共振的微弱信号恢复

针对微弱信号淹没在强噪声中难以恢复的问题,提出幂函数恢复系统实现信号还原.采用互相关系数为测量指标,研究不同参数、噪声强度以及信号幅度对恢复性能的影响.并利用粒子群算法寻优参数,在采样点数较少情况下,实现单频、多频正弦信号以及单脉冲信号的恢复,结果表明理论分析与实际仿真结果一致,证明所提幂函数恢复系统有效可行,恢复效果理想.     

动态自适应微粒群优化算法

群体智能是目前智能领域非常活跃的新兴研究领域,微粒群算法作为其典型的实现形式,受到普遍的关注.本文分析了基本微粒群算法的特点,改善了动态自适应微粒群优化算法,实验结果证明该方法的优越性.     

基于SPSO算法的粒子群粒径分布反演

针对粒径分布反演传统算法收敛精度不高、易陷入局部最优的缺点,根据粒子群的激光透射模型,提出一种基于随机微粒群算法(SPSO)反演粒子系粒径分布的快速有效方法,对于非独立模式下的R-R分布、正态分布、对数正态分布等粒子粒径分布情况进行了反演计算,获得了合理的粒径分布.该方法概念简单,易于编程实现,同时对优化目标函数无需连续、可微等苛刻的条件,具有较强的鲁棒性和适应性,提高了粒径分布反演的可靠性和灵敏性.     

自适应分解式多目标粒子群优化算法

为了提高多目标粒子群优化算法解的分布性,文中提出了一种自适应分解式多目标粒子群优化算法(Adaptive Multiobjective Particle Swarm Optimization based on Decomposed Archive,AMOPSO-DA).首先,设计了一种基于优化解空间分布信息的外部档案更新策略,有效提升了AMOPSO-DA的空间搜索能力;其次,提出了一种基于粒子进化方向信息的飞行参数调整方法,有效平衡了AMOPSO-DA的探索和开发能力.最后,将提出的AMOPSO-DA应用于多目标优化问题,实验结果表明,文中提出的AMOPSO-DA能够获得分布性较好的优化解.     

自适应变异的粒子群优化算法

本文提出了一种新的基于群体适应度方差自适应变异的粒子群优化算法(AMPSO).该算法在运行过程中根据群体适应度方差以及当前最优解的大小来确定当前最佳粒子的变异概率,变异操作增强了粒子群优化算法跳出局部最优解的能力.对几种典型函数的测试结果表明:新算法的全局收搜索能力有了显著提高,并且能够有效避免早熟收敛问题.     

小信号检测中的自适应随机共振技术

论文就双稳态非线性系统的结构参数和弱信号及噪声之间的关系进行了仿真,对随机共振技术运用于强噪声背景下的弱信号检测进行了研究。提出了一种随机共振自适应算法,并运用于中频电源的故障信号检测,取得了较好结果。     

工程信号测量中的自适应随机共振应用

论文对随机共振技术运用于强噪声背景下的弱信号检测进行了研究。针对工程测量的实际要求，提出了一种随机共振的自适应算法，并开发了一套面向工程实用的自适应随机共振系统。运用于开关电源的故障信号检测，取得了较好结果。     

基于自适应变异粒子群优化算法的自适应滤波器设计

本文提出了设计一种基于自适应变异粒子群优化算法的振动信号的自适应滤波模型，然后重点研究了自适应数字滤波器设计的粒子群优化算法及其实现步骤。该滤波模型在计算机仿真测试中，获得了很高的效率和良好的结果。     

基于级联随机共振与APSO算法相结合的信号检测方法

针对随机共振方法以系统的参数和噪声强度的匹配为研究背景的局限性,为解决级联双稳系统参数的合理选取的问题及克服自适应随机共振单参数优化的不足之处,提出了一种基于级联随机共振与自适应粒子群(APSO)算法相结合的方法。该方法以系统的输出信噪比为优化目标函数,采用自适应粒子群算法较强的全局搜索能力和粒子(待优化参数)的多样性,对级联双稳态随机共振的级联系统参数进行同步优化,使系统处于最佳随机共振工作状态。仿真结果表明,该方法可以提高输出信噪比及算法的收敛速度,实现良好的检测效果。