带等待时间约束并行机调度问题的Copula分布估计算法

本文针对一类带等待时间约束的不相关并行机调度问题,提出了一种基于Copula函数的分布估计算法.该算法以同类订单工件数与总工件数的比值为变量,对每台机器构造了一个Copula函数,进而建立了优势种群的概率模型.基于概率模型通过采样生成子代个体编码向量组,保留了父代种群的相对位置信息.从理论上分析了所提出算法的时间复杂度,其随工件个数的增加呈对数增长.通过基于实例的数值仿真以及与已有算法的比较验证了所提算法的有效性和鲁棒性.     

一种求解非线性整数规划的分布估计算法

分布估计算法是遗传算法和统计学习的结合,通过统计学习的手段建立解空间内个体分布的概率模型,对概率模型随机采样产生新的群体,如此反复进行,实现群体的进化。将分布估计算法推广应用到整数规划的解空间中,提出一种求解整数规划的新算法,经数值实验表明该算法有效。     

采用建模训练的多目标微粒群优化算法

为了避免粒子群算法在存在较多局部最优解的作用下收敛于伪最优解,文章提出一种基于分布估计的多目标微粒群优化算法(MOPSO-EDA)。在每次寻优过程中,利用分布估计算法对决策空间的粒子进行训练,通过建立较优解的概率模型,并对概率模型进行更新、采样,以得到新的粒子信息。文中使用最优值评估选取法求取微粒局部和全局最优位置。通过与其他两个著名算法(NSGA-Ⅱ、SPEA2)在GD和SP两方面进行比较,得出MOPSO-EDA获得的Pareto解具有较好的收敛性和分布性。     

求解排列问题的分布估计离散粒子群优化算法

目前粒子群优化算法和分布估计算法较少用于解决排列编码组合优化问题,本文提出了一种新的适用于求解排列问题的分布估计离散粒子群优化算法.提出的算法结合粒子群优化算法和分布估计算法的思想,突破了标准粒子群优化算法速度-位移更新模式.新算法中每个粒子的信息一部分来自该粒子当前解排列与全局最优排列的最长公共子串,另一部分来自描述所有个体最优值分布信息的概率模型.这样粒子的当前解、所有个体最优值和全局最优值都参与了新解的生成过程,提出的算法秉承了粒子群优化算法的思想,同时具有更全面的学习能力,提高了算法的寻优能力以及避免陷入局部最优的能力.在两个经典的排列问题上的实验结果表明提出的算法具有良好的性能.     

基于序贯重点采样粒子滤波的分布估计算法

 连续域分布估计算法一般假设数据服从高斯分布,而且大多采用了单峰的概率模型,但是对于一些复杂的优化问题,单峰的高斯分布模型不能有效地描述解在空间的分布.本文提出一种基于序贯重点采样粒子滤波的分布估计算法,采用带权粒子描述优选集样本服从的概率分布并从中采样得到下一代种群,不需要假设样本服从高斯分布,并且算法采用的概率模型是多峰的.仿真实验结果验证了本文方法的正确性和有效性.     

基于空间直方图的海杂波背景下红外目标跟踪

空间直方图融合了目标的灰度分布信息和灰度的空间分布信息,比传统的灰度直方图更具有目标鉴别能力。为实现海杂波背景下稳健跟踪红外目标,本文在基于粒子滤波算法的红外目标跟踪系统框架中,将加权样本集表示红外目标的状态后验概率分布;采用简单的随机漂移模型表示系统状态模型;利用目标区域的空间直方图描述红外目标,其中通过核概率密度估计建立红外目标的灰度分布,然后统计灰度分布的空间信息建立空间直方图;通过空间直方图的相似度定义来建立系统观测概率模型,最终提出一种在海杂波背景下的基于空间直方图的粒子滤波红外目标跟踪算法。实     

多传感器多尺度图像信息融合算法

在已获得对同一目标场景的多个传感器观测图像的情况下,本文建立了一种基于概率模型的多尺度图像信息融合算法.其基本思想是:首先对每个传感器图像分别进行小波包多尺度分解变换,建立基于该传感器图像的塔式结构子图像集,并且在每个尺度上得到基于每个子图像像素的概率模型;然后在每个尺度上的对应像素处,基于来自不同传感器图像的多个对应像素值,利用最小二乘规则对多尺度概率模型中的参数进行估计;再后是根据贝叶斯规则对该像素处的像素值进行融合估计;最后通过利用小波包多尺度逆变换,获得目标场景基于多个传感器图像的融合估计结果.应用该算法我们对获得的可见光和红外两种传感器图像进行计算机仿真实验,结果表明,与相关的方法相比新算法更有效.     

超启发式三维分布估计算法求解分布式流水线和车辆运输集成调度问题

针对一类广泛存在的分布式流水线和车辆运输集成调度问题(Distributed Permutation Flow-shop and Ve-hicle Transportation Integrated Scheduling Problem,DPFVTISP),本文建立问题模型,并提出一种超启发式三维分布估计算法(Hyper-Heuristic three-Dimensional Estimation of Distribution Algorithm,HH3DEDA)进行求解.首先,根据DPFVTISP的问题特性,采用贪婪策略设计一种新颖的编解码规则.其次,为实现对DPFVTISP问题解空间中不同区域的深入搜索,设计10种低层启发式操作(即10种有效的邻域操作),并将其所构成的排列作为高层个体;同时在高层采用三维分布估计算法(three-Dimensional Estimation of Distribution Algorithm,3DEDA)学习和积累优质高层个体中块结构及其位置信息,再通过采样3DEDA中的概率模型生成新的高层个体或排列;进而在低层将高层所生成的每个新个体所表征的一系列有序的启发式操作作为一种新的启发式算法,对问题解空间执行较深入的邻域搜索.最后,通过仿真实验与算法对比验证HH3DEDA可有效求解DPFVTISP.     

基于自适应的增广状态-交互式多模型的机动目标跟踪算法

现有的增广状态-交互式多模型算法存在着依赖于量测噪声协方差矩阵这一先验信息的问题。当先验信息未知或不准确时,算法的跟踪性能将会下降。针对上述问题,该文提出一种自适应的变分贝叶斯增广状态-交互式多模型算法VB-AS-IMM。首先,针对增广状态的跳变马尔科夫系统,该文给出了联合估计增广状态和量测噪声协方差矩阵的变分贝叶斯推断概率模型。其次,通过理论推导证明了该概率模型是非共轭的。最后,通过引入一种“信息反馈+后处理”方案,提出联合后验密度的次优求解方法。所提算法能够在线估计未知的量测噪声协方差矩阵,具有更强的鲁棒性和适应性。仿真结果验证了算法的有效性。     

LEACH算法的改进分簇模型在无线传感器网络中的研究

无线传感器网络是将传感器通过无线通信的方式,对网络信息进行处理及传递.网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和通信技术,可以实时监测、感知和采集网络分布区域内的各种对象的信息,并对这些信息进行处理,传送给所需用户.LEACH算法是一种典型的层次路由算法,该算法提出了低功耗持续运行的模型.但LEACH算...     

基于帧间相关性的最大后验估计语音增强算法

通过讨论纯净语音分量的概率分布特征以及相邻分量间的统计相关特性,在自适应K-L变换(KLT,Karhunen-Loève Transform)域给出了一种新的语音信号统计模型,然后基于该信号模型,利用最大后验(MAP,Maximum a Posterior)估计理论提出了一种新型的单通道语音增强算法.该算法充分考虑到在KLT域相邻时刻语音分量间存在的相关信息,利用信号的高斯模型假设条件,以联合概率密度函数的形式将这种相关信息融合到MAP中,获得纯净语音分量的估计.算法不仅结构简单利于实现,且有效地避免了传统算法对语音分量估计的不足.仿真结果表明本文算法在客观和主观测试中都具有较好的语音增强效果.     

一种基于边缘分布估计的多目标优化算法

该文提出了一种基于边缘分布估计的多目标优化算法,通过在每一进化代中估计较优个体的边缘概率分布来引导算法对Pareto最优解的搜索。通过与基于拥挤机制的多样性保持技术、基于非支配排序的联赛选择、精英保留等技术的有机结合,使得算法在具有良好收敛性能的同时,具有很好的维持群体多样性的能力。通过一组典型测试函数实验对该算法的性能进行了分析,并与NSGA-II、SPEA、PAES等知名多目标优化算法进行了比较,结果表明该文算法收敛速度较快,且得到的非支配解集分布均匀,适合于复杂多目标优化问题的求解。     

基于信息散度的雷达/红外数据关联算法

针对基于多维分配模型的雷达与红外数据关联算法在构造关联代价函数时未考虑最大似然估计引入的误差的一问题,提出了一种基于信息散度的雷达与红外数据关联算法.该算法首先利用无迹变换获得伪量测的统计信息.然后在构造关联代价函数时,将真实量测数据的极大后验分布和伪量测的概率密度函数的之间的Kullback-Leibler散度(KLD)作为关联代价,继而代入多维分配模型求解关联.最后进行了仿真分析,结果表明该算法具有良好的关联性能,其关联代价可更精准地反映数据关联的可能性程度.     

超宽带定位的AGV定位跟踪算法研究

为了对室内运行的AGV定位跟踪,本文提出一种基于超宽带定位的AGV定位跟踪算法。首先针对3基站TDOA定位方法存在基站附近及其遮挡区域定位错误概率高的问题,本文算法利用目标运动信息辅助降低定位错误概率;其次针对室内环境制约造成机动AGV的跟踪困难问题,本文算法首先对室内环境信息进行描述,采用目标预测位置到障碍物区域的张角作为辅助信息对多模型跟踪算法中模型集进行更新,最后进行状态估计。本文算法将运动先验信息引入到定位方法中,具有定位准确概率高的优点;将环境先验信息引入到跟踪算法,具有错误估计概率低的优点。通过仿真实验证明,本文算法具有较低的跟踪错误概率和较高的定位正确概率,能够有效实现3基站条件下室内运动AGV的定位和跟踪。      

An Information Geometric Approach to ML Estimation With Incomplete Data: Application to Semiblind MIMO Channel Identification

In this paper, we cast the stochastic maximum-likelihood estimation of parameters with incomplete data in an information geometric framework. In this vein, we develop the information geometric identification (IGID) algorithm. The algorithm consists of iterative alternating projections on two sets of probability distributions (PDs); i.e., likelihood PDs and data empirical distributions. A Gaussian assumption on the source distribution permits a closed-form low-complexity solution for these projections. The method is applicable to a wide range of problems; however, in this paper, the emphasis is on semiblind identification of unknown parameters in a multiple-input multiple-output (MIMO) communications system. It is shown by simulations that the performance of the algorithm [in terms of both estimation error and bit-error rate (BER)] is similar to that of the expectation-maximization (EM)-based algorithm proposed previously by Aldana et al., but with a substantial improvement in computational speed, especially for large constellations.     

基于非平稳背景下的红外小目标检测

针对非平稳复杂背景下单帧图像的红外小目标检测概率较低的问题,该文提出了一种基于当前残差的改进M估计的红外背景预测和抑制算法。该算法利用M估计的基本模型预测背景,将目标像素和观测噪声视为背景估计的混合干扰,提出与背景图像残差相关的校正函数c()自适应地调整估计增益,从而减小异常样本对背景估计的影响,提高了估计的准确性。同时引入遗忘因子使算法能够适应于非均匀复杂背景的估计,提高了算法的鲁棒性。多组红外图像实验表明:所提算法不仅能够在非平稳背景下有效地估计背景,还能在滤除背景的同时最大程度地保留目标像素的信息,提高了目标的检测概率。     

一种基于分布估计的离散粒子群优化算法

 本文提出了一种基于分布估计的离散粒子群优化算法.提出的新算法突破了传统粒子群速度-位移搜索模型的局限,且种群中的每个粒子具有更全面的学习能力,从而能够有效地解决组合优化问题.仿真实验结果表明提出的新算法的性能优于现有的其它几种离散粒子群优化算法.     

稳定分布噪声下基于概率密度函数匹配的恒模波束形成

为抑制脉冲稳定分布噪声对波束形成的影响,采用信息论自适应学习理论,使得波束形成输出的概率密度函数和期望信号的概率密度函数匹配最大化,设计适用于稳定分布噪声下的恒模波束形成器,采用Parzen核方法得到数据的概率密度函数估计,利用随机梯度下降法对波束形成器的权重进行迭代更新,仿真实验表明在脉冲稳定分布噪声环境下,本文算法相比传统的恒模波束形成具有更高的输出信号干扰噪声比和更快的收敛速度。