基于克隆粒子群优化算法的多用户检测器

针对经典离散粒子群优化算法收敛性差的缺点,设计了基于新的运动方程的离散粒子群优化算法。为了解决CDMA系统多用户检测这个NP完全问题,基于免疫克隆选择理论和新的粒子群优化算法,提出了克隆粒子群优化算法,其中,由神经元构成的粒子可以进行随机搜索和经验学习。仿真结果表明,在异步和同步CDMA系统上,该检测器的误码率性能都优于传统方法和其他一些多用户检测器,达到最优检测。     

基于自由搜索的多用户检测

自由搜索(FS)算法是一种新的群集智能优化算法,该算法与同类算法相比,全局搜索能力好、收敛速度快,把它应用到CDMA通信系统中抗干扰的关键技术-多用户检测(MUD)中,提出了基于自由搜索算法的多用户检测器(FS_MUD),并将其和基于群集智能典型算法粒子群算法的多用户检测器(PSO_MUD)做比较,仿真结果表明,该FS_MUD在误码率性能、抗远近效应和增加系统容量方面的性能较之PSO_MUD均有明显的提高。     

基于改进粒子群优化算法的多用户检测器

提出了一种基于改进粒子群优化算法的多用户检测器。介绍了最佳多用户检测模型以及粒子群优化算法的基本思想。进行了理论依据和仿真性能分析。仿真结果表明:该检测器在误码率性能和抗“远近”效应上优于传统检测器和基于粒子群优化得多用户检测器,计算复杂度较低。     

基于动态随机搜索和佳点集构造的改进粒子群优化算法

针对粒子群优化算法局部搜索能力不足和易出现早熟收敛的问题,提出一种基于动态随机搜索和佳点集构造的改进粒子群优化算法。该算法通过引入动态随机搜索技术,对种群当前最优位置进行局部搜索;采用佳点集构造对陷入早熟收敛的种群重新初始化;引入负梯度方向直线搜索来加速算法寻优。仿真实验结果表明,与标准粒子群优化(SPSO)算法和耗散粒子群优化(DPSO)算法比较, 提出的改进算法具有快速的收敛能力而且能有效地跳出局部最优, 优化性能得到明显提高。     

基于改进粒子群优化算法的多用户检测器

提出了一种基于改进粒子群优化算法的多用户检测器。介绍了最佳多用户检测模型以及粒子群优化算法的基本思想。进行了理论依据和仿真性能分析。仿真结果表明：该检测器在误码率性能和抗“远近”效应上优于传统检测器和基于粒子群优化得多用户检测器，计算复杂度较低。     

基于改进离散粒子群的OFDM系统峰均比抑制

部分传输序列(PTS)是抑制正交频分复用系统峰均比的有效方法之一,但该算法需要进行最佳相位因子的全遍历搜索,存在计算复杂度偏高的问题.因此针对这一问题,本文提出一种基于离散粒子群优化PTS的峰均比抑制算法.所提算法首先定义了一种新的确定惯性权重的方法,然后引入变异算子对原始速度更新公式进行改进,解决了传统离散粒子群算法易于早熟,往往很难收敛到全局最优的缺陷.仿真结果表明,本文所提算法能获得优于传统DPSO算法0.3 dB左右的PAPR性能,且计算复杂度低于传统PTS算法.     

超宽带粒子群多路径选择算法

在多用户超宽带通信系统中,多路径的选择严重影响系统的信干噪比(SINR).针对这一问题,提出了基于离散粒子群的多路径选择算法(SMCA-DPSO).该算法将DPSO应用于UWB系统SRAKE多路径选择问题中,从而达到加快收敛速度,提高寻优效果的目的.最后与传统算法、放宽约束算法、遗传算法等进行了比较,结果表明,SMCA-DPSO在SINR、收敛速度、寻优效果等方面都有显著提高.     

基于自适应改进粒子群优化的数据离散化算法

针对经典粗糙集只能处理离散型属性的问题,提出一种基于自适应混合粒子群优化(AHPSO)的离散化算法。首先,引入自适应调整策略,以克服粒子群易陷入局部解的缺点,提高了粒子群全局寻优能力;然后对每一代全局最优粒子进行禁忌搜索(TS),得到当代最佳全局最优粒子,增强了粒子群局部搜索能力;最后,在保持决策表分类能力不变的情况下,将属性离散化分割点初始化为粒子群体,通过粒子间的相互作用得到最佳的离散化分割点。使用WEKA平台上的J48决策树分类方法,与基于属性重要度、信息熵的离散化算法相比,该算法的分类精度提升了10%~20%;与基于小生境离散粒子群优化(NDPSO)、参数线性递减粒子群的离散化算法相比,该算法的分类精度提升了2%~5%。实验结果表明,该算法显著地提高了J48决策树的分类学习精度,在对数据离散化时也有较好的性能。     

直觉模糊离散粒子群算法

在研究和分析离散粒子群算法(DBPSO)的基础上,提出一种基于直觉模糊熵的改进离散粒子群算法(IFDPSO).该算法以直觉模糊熵作为粒子群状态测度和速度变异的基本参数,同时加入了位置变异策略以保证算法在有限时间内尽可能多地遍历到次优位置及其邻域,增强了算法的全局寻优能力.实验数据表明,在求解较大规模整数规划问题(如0-1背包问题)时,IFDPSO比DPSO和蚁群算法(ACO)更为有效,从而为解决这类问题提供了新的途径和方法.     

基于改进离散粒子群优化算法的作战弹药分配研究

结合作战弹药分配的具体实际,利用广义指派问题描述与数学模型,描述了弹药分配算法存在的问题与对策,提出了一种基于连续空间的离散粒子群优化算法以求解该模型.算法针对问题设计了特定的粒子编码方案,并引入了一种局部搜索以提高算法的局部搜索能力.算例分析表明了所提离散粒子群优化算法求解弹药分配问题的可行性.