基于进化算法的多用户检测器

粒子群算法PSO遗传算法(Particle Swarm Optimization)是由Kennedy和Eberhart于1995年提出的一种新的进化算法,PSO能够以一种更简便、快速的方式来完成和遗传算法(GA)一样的功能。本文在PSO算法思想的基础上提出了两种新的多用户检测算法: BEP(Binary Evolution Programming)算法, BPSO(Binary PSO,BPSO)算法。分别基于这两种算法构造了新的多用户检测器。仿真结果表明,这两种新的多用户检测器的抗误码性能比传统多用户检测器和基于遗传算法的多用户检测器都好,并且新的检测器的收敛速度明显比遗传算法检测器快。     

并行遗传算法和小波变换的混合多用户检测

传统最优多用户检测技术的计算量随用户敷的增加而呈指数上升,小波变换技术的引入降低了计算的复杂度,但性能有限.提出并行遗传算法和小波变换混合多用户检测器,将小波栓测器的输出作为遗传算法的初始可能解,降低了小波检测的误码率,提高了遗传算法的收敛速度.仿真结果表明,与线性检测器相比,提出的检测器显著改进了算法的复杂度和收敛速度,而且检测性能接近最优.     

基于量子遗传算法的CDMA多用户检测技术

多用户检测技术的最优解在常规条件下是个NP难解问题,利用量子态并行计算特性和量子纠缠特性能有效获得多用户检测的最优解,现提出了一种基于量子计算理论和遗传算法理论相结合的量子遗传算法的多用户检测技术.仿真结果表明,此方法在误码率方面具有良好的性能并且其抗多址干扰能力和抗远近效应能力明显优于经典遗传算法多用户检测器和传统检测器.     

基于量子遗传算法和IMST算法的QoS多播路由算法

本文提出了一种求解QoS多播路由算法,该算法基于量子遗传算法(Quantum Genetic Algorithm ,QGA)和IMST算法(Improved Minimum Spanning Tree,IMST),首先在量子个体上实施量子交叉,这一操作有利于保留相对较好的基因段;其次,采用量子比特相位法更新量子门和自适应调整搜索网格的策略,使得种群的多样性强;最后,引入改进的MST算法进行受约束最小Steiner 树的生成,解的收敛精度高,收敛速度快;通过仿真实验标明此算法在种群规模较小,迭代次数较少的情况下就可以收敛到最优解,该算法的优化质量和效率都强于传统遗传算法和量子遗传算法.     

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。     

进化规划在DS-CDMA系统多用户检测技术中的应用

多用户检测已成为CDMA中的一项关键技术，本文给出了一种基于进化策略和进化规划的新的多用户检测方案。对比一般的遗传算法，它有较低的算法复杂度和较快的收敛速度。仿真结果表明，此方案的算法运算量与用户数呈多项式关系，明显优于传统检测器。     

异步CDMA并行混沌遗传算法的多用户检测

基于传统遗传算法的多用户检测器易陷入局部最优解且收敛较慢,影响实时性。利用混沌优化算法的优势来弥补遗传算法的这一缺陷,使2种算法优势互补,同时采用具有“迁移策略”的并行搜索机制,提出了一种新的次优多用户检测方法——并行混沌遗传混合算法(PCGA),并在异步CDMA系统中对其性能进行了研究。仿真结果表明,提出的这种算法能有效克服传统遗传算法易陷入局部极小的问题,收敛速度更快,在抗干扰与克服“远一近”效应方面均优于传统遗传算法,有较明显的性能优势。     

一种解决组合优化问题的改进型量子遗传算法

在量子遗传算法(QGA)的基础上,提出了一种解决组合优化问题的改进型量子遗传算法(NIQGA).为充分利用量子态的干涉性和纠缠性,该算法引入了动态调整量子门旋转角步长机制、量子交叉操作和量子变异操作,因而具有更高的搜索效率.利用两种典型组合优化问题——0/1背包问题和路由选择问题进行验证.结果表明,相比于GA和QGA,NIQGA具有收敛速度快和全局搜索能力强的特点,在解决基因间弱关联性的组合优化问题时有更优的性能.     

基于改进入侵杂草算法的多用户检测

由于用户的扩频序列不能时刻保持完全正交,DS-CDMA系统中不可避免地存在多址干扰。为了有效抑制多址干扰,通过映射函数将入侵杂草优化算法中父代杂草的扩散距离转换成二进制杂草的变异概率,提出基于入侵杂草优化算法的多用户检测器。针对算法的收敛速度慢和寻优精度低的问题,提出基于正切函数的正态分布标准差变化曲线。通过仿真验证了利用所提算法解决多用户检测问题的有效性,并与传统检测器、解相关检测器以及基于基本遗传算法和基本粒子群算法的多用户检测器进行了比较。仿真结果表明,该方法的性能接近最优解,且收敛速度更快。     

基于免疫克隆量子算法的多用户检测器

为了解决CDMA系统最佳多用户检测的高计算复杂度问题,基于免疫克隆选择理论和新的遗传量子算法,该文提出了免疫克隆量子算法。该算法把根据神经网络制作的疫苗接种到克隆量子算法的每一代中,通过接种疫苗到CQA中,可以加快CQA的收敛速度减少计算复杂度。另外,CQA所提供的好的初值可以改善疫苗的性能,接种的疫苗还改善了CQA的性能,文中给出了在免疫克隆量子算法中使用随机神经网络制作疫苗的统一理论框架结构。仿真结果证明了该方法不仅能够快速收敛到全局最优解,并且无论抗多址干扰能力和抗远近效应能力都优于传统检测器和一些应用以前智能计算算法的多用户检测器。     

基于并行遗传算法的CDMA优化多用户检测方法

多用户检测技术是第三代移动通信系统CDMA中的一项关键技术。在多用户检测中求解最佳矢量问题可以转化为在遗传算法中求解具有最高适应度函数的问题。本文提出了一种基于并行遗传算法的CDMA多用户检测器,并与最佳多用户检测和传统检测器进行比较,实验结果表明本方法可获得接近最佳检测的性能。由于采用并行遗传算法,这种多用户检测器更易于实时应用和硬件实现。     

DS-CDMA系统的一种进化规划多用户检测算法

针对码分多址接入（CDMA）系统中最优多用户检测的指数计算复杂度问题,结合CDMA通信的实际特点,利用进化规划免去了交叉操作因而计算复杂度小的特点,提出了一种基于进化规划的多用户检测问题的优化处理方法。实验结果表明本方法可获得接近最佳检测的性能,但计算复杂度降低。     

基于量子遗传算法的量子细胞自动机仿真方法

利用遗传算法对基于半经典模型的量子细胞自动机进行仿真时,通常会遇到多个极值,容易陷入局部最优。为将量子遗传算法用于量子细胞自动机仿真,对量子遗传算法进行改进,将二进制量子位改为多进制量子位,重新设计了量子旋转门的调整策略,并给出了具体实现步骤。通过对测试函数寻优和量子细胞自动机电路的仿真,结果表明,改进后的量子遗传算法平均误差低,不易陷入局部极值,收敛速度较快,适用于量子细胞自动机仿真。     

量子GA-PLS特征选择算法及其应用

为进一步提高遗传算法-偏最小二乘法的计算速度和计算效率,将量子算法融合到遗传算法-偏最小二乘法中,提出一种新的特征选择方法—量子遗传算法-偏最小二乘法（Quantum Genetic Algorithm-Partial Square Least,QGA-PLS）算法。该方法利用量子态和叠加态原理对染色体进行编码,采用量子旋转门进行遗传操作,以实现参数的更新和增强种群多样性,同时,用量子计算重新构建了偏最小二乘法回归模型来计算个体适应度,以充分发挥快速收敛和全局优化能力。将方法应用于函数极值优化和Iris数据集的特征选择,实验结果表明,QGA-PLS在特征选择、运算时间和分类准确率方面优于QGA和GA-PLS,从而验证了QGA-PLS算法的有效性。     

基于Social Cognition粒子群算法多用户检测

最优多用户检测方法具有最优性能,但复杂度高,利用优化算法求解可以降低实现复杂度。粒子群算法是一种简单有效的新型群智能优化算法,研究了一种Socialcognition模型简化粒子群算法,并应用于大用户量CDMA多用户检测问题,主要考虑降低算法复杂度,提高算法的实现效率。分析及仿真表明该方法在系统用户数量较大时具有较好性能。     

一种解决组合优化问题的量子遗传算法QGA

本文在量子变异的基础上,提出了一种解决组合优化问题的量子遗传算法QGA,它融合了遗传量子算法GQA和经典遗传算法的优点,只用一个个体就可在很短的时间内搜索到最优解,并针对一个典型的组合优化问题——0/1背包问题进行了对比实验,实验结果表明本文所提出的量子遗传算法QGA优于传统遗传算法和遗传量子算法GQA.     

基于量子遗传算法的航空通信频率动态分配

为了更加有效地对航空通信频率进行分配,提出了一种基于量子遗传算法的航空通信频率动态分配方法。通过对频率动态分配思路进行分析,建立了频率动态分配框架,给出了频率动态分配的具体流程。在此基础上,讨论了航空通信频率动态分配问题,定义了航空通信频率动态分配约束条件,建立了航空通信频率动态分配模型。最后,运用量子遗传算法和遗传算法对算例进行仿真对比。结果表明：量子遗传算法在种群适应度和收敛速度上具备明显的优越性,频率动态分配模型能够根据不同种群数量条件动态调整适应度,能够较好满足航空通信频率分配问题动态性、准确性、时效性等实践运用要求。     

量子遗传算法在多输出Reed-Muller逻辑电路最佳极性搜索中的应用

量子遗传算法是一种融合量子计算和遗传算法优点的智能算法,常用于求解组合优化问题.本文给出多输出RM(Reed Muller)逻辑电路最佳极性搜索方案,将量子遗传算法应用到多输出固定极性RM电路逻辑优化中.针对量子遗传算法易陷入局部极值的缺陷,结合群体灾变思想,提出一种基于量子遗传算法的多输出RM逻辑电路最佳极性搜索算法.最后对多个大规模PLA格式基准电路测试表明：该算法与基于遗传算法的最佳极性搜索相比,在优化能力、寻优性能和收敛速度等方面都有不同程度的提高.