一种多策略融合的多目标粒子群优化算法

为提高多目标粒子群算法在解决复杂多目标优化问题中的整体性能,提出一种多策略融合的多目标粒子群算法.该算法采用均匀化与随机化相结合的方式初始化种群,在粒子速度更新中新增一扰动项,运用简化的k-最近邻方法维持档案以及对档案个体赋予生存期属性并动态调整生存期值.实验结果表明,在GD和SP性能指标上,本文算法与另外5种对等算法在ZDT和DTLZ系列测试问题上进行对比,其表现出了总体显著性的性能优势.     

一种基于切换失败概率和认知用户信道容量联合优化的访问策略

现有频谱切换信道访问策略主要考虑切换失败概率,而较少考虑认知用户的信道容量。针对这一问题,提出了一种基于切换失败概率和认知用户信道容量联合优化的频谱切换信道访问策略。首先证明了按信噪比降序访问可以得到最大的认知用户信道容量,而按信道平均空闲时间降序访问可以得到最低切换失败概率。接着提出对信道平均空闲时间和信噪比进行排序并加权合并的非参数化处理。最后,按非参数化处理结果降序进行信道访问。结果表明,所提方法能够在切换失败概率接近最低的情况下,使认知用户信道容量提升50%左右。     

基于粒子群算法的钻进参数多目标优化

为了使钻进过程达到最优,提出了基于机械钻速、钻头寿命和钻头比能的钻进参数多目标优化模型。参考典型的多目标优化进化算法NSGA-Ⅱ,提出了一种多目标粒子群算法(MOPSO)。采用一个钻进参数优化实例对优化模型和算法进行检验,得到分布均匀的Pareto最优解,一些最优解与传统的钻进参数单目标优化的解近似;讨论了算法中的种群规模、迭代次数和外部档案规模三个参数,得到一组兼顾解质量和计算时间的参数值,其计算时间的统计结果证明模型和算法满足钻进参数动态优化的要求。     

基于粒子群优化的地震应急物资多目标调度算法

合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型,并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案,与其他算法相比,所得Pareto解集在收敛性和多样性上具有性能优势。

     

基于多目标粒子群优化的DCT域数字水印算法

根据对粒子个体的非支配排序和计算拥挤距离,提出一种改进的多目标粒子群优化(IMOPSO)算法。将IMOPSO应用于DCT域数字水印系统设计,提出基于多目标粒子群优化的数字水印算法。该算法以水印嵌入位置作为粒子的解,以不可见性(PSNR)和鲁棒性(NC)作为两个优化目标,得到数字水印系统的最优解集。实验结果表明,提出的算法得到多种满足PSNR值和NC值平衡的水印嵌入方案。与其他相关算法在同等条件下相比较,算法满足水印不可见性的同时,在噪声、压缩、裁剪等攻击下具有较好的鲁棒性。     

基于PSO多目标搜索算法的充电控制策略研究

针对无序充电对电网造成的"峰上加峰"、网损和电能质量问题,根据纯电动公交充换电站特殊的运营模式,以充电站充电时段的各时刻充电功率为控制对象,建立多目标控制策略模型,并采用PSO多目标搜索算法对模型进行优化求解。以某区域电网日负荷曲线为案例进行仿真分析,对比多目标优化与单目标优化条件下的负荷峰谷差变化、网损变化、谐波含量变化。仿真结果表明:该多目标优化策略在降低电网峰谷差、网损方面效果更好,且降低了中午用电高峰时段的谐波含量。     

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.     

基于多目标优化算法的天线布局方法

针对现有天线布局中单目标优化算法的不足,提出了一种基于拥挤距离的多目标粒子群优化算法。建立了基于天线隔离度的优化布置模型,将该算法与FEKO软件相结合,通过一个简单的天线优化布置实例,验证了该算法的有效性。     

移动WiMAX硬切换时延性能优化研究

介绍了约束移动WiMAX硬切换时延优化的理论解决方案,并提出一种新的结合关联2且利用R6信令进行参数协商的硬切换机制。最后模拟了真实实验环境用于测试新的硬切换机制,结果表明该机制可以有效减小硬切换时延,满足移动WiMAX较高服务质量的要求。     

正交免疫克隆粒子群多目标优化算法

该文基于抗体克隆选择学说理论,提出了一种求解多目标优化问题的粒子群算法正交免疫克隆粒子群算法(Orthogonal Immune Clone Particle Swarm Optimization, OICPSO)。根据多目标的特点,提出了适合粒子群算法的克隆算子,免疫基因算子,克隆选择算子。免疫基因操作中采用了离散正交交叉算子来获得目标空间解的均匀采样,得到理想的Pareto解集,并引入拥挤距离来减少获得Pareto解集的大小,同时获得具有良好均匀性和宽广性的Pareto最优解集。实验中,与NSGA-II和MOPSO算法进行了比较,并对算法的性能指标进行了分析。结果表明,OICPSO不仅增加了种群解的多样性而且可以得到分布均匀的Pareto有效解集,对于多目标优化问题是有效地。     

基于动态交换策略的快速多目标粒子群优化算法研究

本文提出了一种基于动态交换策略的快速多目标粒子群优化算法,通过把初始种群分割成Pareto和Non_Pareto集合,并在迭代过程中对Pareto解集进行动态调整,从而较好地完成了多目标优化算法对Pareto解集的搜索和逼近.实验和应用实例均表明了该算法的有效性和快速性,并通过性能指标ER的计算验证了本算法优于某些同类的多目标优化算法.     

认知频谱切换延时及用户容量的排队论分析

为了分析认知无线电系统中授权用户享有更高优先级对认知用户频谱切换造成的影响,提出了一种虚拟排队切换模型,对有强制中断率限制系统中的认知频谱切换延时进行了分析;并利用分段近似的方法给出了在切换超时概率较小环境下强制中断率和认知用户容量的解析表达. 仿真与数值计算验证了虚拟排队切换模型的有效性,同时也比较了不同授权用户行为对认知频谱切换延时及用户容量造成的影响。     

基于混沌粒子群算法的多目标调度优化研究

针对当前车间调度多目标优化研究存在收敛速度慢、精度低的问题,提出了混沌多目标粒子群优化算法。在算法中,设计了一种新的叠加Logistic扰动的Tent混沌映射算子,通过该算子周期性地更新种群以保证种群的多样性;对收缩粒子群算法进行了扩展使其能够快速收敛到Pareto前沿。通过标准测试问题与实际应用对所提方法进行了验证,实验结果显示混沌多目标粒子群优化算法无论在收敛速度还是在优化精度上都优于其它典型多目标进化算法。     

Discrete particle swarm optimization based multi-objective service path constructing algorithm

Aiming at previous research primarily focused on constructing service paths with a single objective,for exam-ple,latency minimization,cost minimization or load balance,which ignored the overall performance of constructed ser-vice paths,a multi-objective service path constructing algorithm based on discrete particle swarm optimization (MOPSO) was proposed.To promote the convergence rate and improve constructing performance,the criterions for selecting can-didate physical nodes and paths were explored,and a particle position initialization and update strategy (PIFC) was de-signed.Simulation experiments show that the proposed algorithms can improve the overall quality of service paths and increase the success rate and long-term average revenue.     

一种基于TOPSIS信道排序的新频谱切换方案

将接近理想方案的序数偏好法(TOPSIS)应用于认知无线电网络的频谱切换中,通过对 影响切换性能的4个参数的融合,设计了一种基于TOPSIS算法的信道排序方案,通过仿真验 证,设计了各参数的权值。统计结果表明,提出的算法在80%的情况下要优于传统的切换算 法,可以有效减少认知用户的切换次数,提高有效数据传输速率,降低认知用户的通信中断 概率。     

基于粒子群优化与梯度下降法的多模图像配准

针对多模图像配准单纯使用粒子群优化(PSO)算法导致搜索速度慢这一现象,提出了结合PSO和梯度下降法的分步式搜索算法.以CT与MR图像配准为例,计算了使用互信息作为相似性测量时的配准函数,进而分析了图像配准算法中可能遇到的局部极值问题.根据配准函数的特点,提出在局部极值较少时使用梯度下降法代替PSO算法搜索以减少运算量...     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

改进的多目标粒子群算法优化设计及应用

针对粒子群算法存在易陷入局部最优点的缺点,提出了一种改进的带变异算子的多目标粒子群优化算法。采用非支配排序策略和动态加权法选择最优粒子,引导种群飞行,提高帕累托(Pareto)最优解的多样性。与其他优化算法相比,该算法易于实现并且计算速度更快。通过计算Pareto前沿最优解设计最佳多层电磁吸收体,在吸收体的厚度与反射系数之间取得最佳折衷。通过对反射系数函数与吸收体厚度函数测试验证,该算法能够在保持优化解多样性的同时具有较好的收敛性。     

MIMO信道容量的研究与仿真

MIMO技术可以在不增加带宽和发射功率的情况下提高信道容量和频谱利用率。本文使用MATLAB建立SISO、SIMO、MISO、MIMO等无线信道,进行综合仿真并分析。通过仿真,我们得知,MIMO不但能有效地提高信道的容量,同时可以改善信道的平均信道容量和中断信道容量。