一种面向RDSM系统的基于遗传算法优化色散矩阵的方法

矩形差分空间调制（rectangular differential spatial modulation,RDSM）是一种多天线非相干调制技术,该技术频谱效率高,低功耗且无信道估计开销,特别适用于信道快速变化的车联网、物联网、6G蜂窝网络等未来通信系统。然而发射端的稀疏酉矩形空时色散矩阵（dispersion matrix,DM）的构造问题一直是个难点,而当前使用的随机搜索优化方法具有极高的计算复杂度,对此,提出了一种低复杂度遗传算法（genetic algorithm, GA）。根据秩与行列式标准最大化准则（rank and determinant criterion,RDC）的方法计算适应度值,可避免差分系统中所需的分类讨论。根据星座旋转对称性的特点,降低 GA 单次迭代的计算复杂度。仿真结果表明,优化得到的DMs（DM set）显著改善了RDSM系统误比特率（bit error rate,BER）性能,对比随机搜索,低复杂度遗传算法有效提高了RDSMS的DMs优化效率,优化DMs所需的计算复杂度约为随机搜索的0.1%。     

基于改进遗传算法的矩阵联合对角化

该文首先将矩阵联合对角化问题化简成一个只含有特征矩阵的优化问题,为了便于求解,文中将待求特征矩阵的每一列向量进行参数化处理,并利用改进的遗传算法寻找最优的新参数。算法改进了染色体的选择,交叉和变异概率,并在交叉算子和变异算子中引入了模拟退火技术,最后结合梯度算法进行局部寻优。计算机仿真结果验证了该算法的正确性和有效性。     

上行免调度NOMA系统中基于遗传算法的扩频矩阵优化方法

为了提升基于压缩感知(Compressive Sensing,CS)框架下的免调度非正交多址接入(Non-Orthogonal Multiple Access,NOMA)系统的信道估计和多用户检测性能,本文提出了一种基于遗传算法(Genetic Algorithm,GA)的扩频矩阵优化方法.该方法以最小化扩频矩阵的互相...     

基于遗传算法的低轨天基雷达星座设计

从目标监视性能的角度出发,分析了低轨天基雷达星座的卫星总数、能量需求以及星座发射费用等优化目标。综合考虑了Walker星座的碰撞等约束问题,建立了低轨天基雷达星座设计的优化目标。提出了一种基于遗传算法的低轨天基雷达星座设计方法。根据天基雷达星座的特点,该算法在进化过程中使用了非可行解修正和约束分级等约束处理方法,有效提高了算法的运算效率。通过仿真实验验证了该方法能够有效的同时优化低轨天基雷达星座的构形和卫星参数。     

基于遗传算法的非静止轨道卫星分集星座优化设计方法

本文介绍了利用遗传算法优化设计非静止轨道卫星星座的方法——卫星星座遗传算法。由该算法设计出的星座具有卫星数量最少、最小最大卫星高度、卫星间最小相移，最大的轨道面夹角，最优卫星分集轨道倾角和最佳LEO、MEO星座参数。MEO、LEO、ICO和Globalstar星座的仿真结果表明：使用卫星星座遗传算法设计二重卫星分集，不但减少了卫星总数，且卫星分集可见度性能显著提高。     

基于空时联合抗干扰算法的复矩阵求逆

针对卫星导航接收机易被干扰的特点,研究了空时联合抗干扰算法,并提出了一种简化的复正定厄米矩阵求逆实现方法。首先,给出了空时联合抗干扰算法的基本模型。随后,在详细分析传统复正定厄米矩阵求逆算法基础上,给出了改进的复正定厄米矩阵求逆方法的具体步骤。最后,基于数字信号处理（DSP）的硬件平台,对运算量进行了对比分析。仿真结果表明,改进的复正定厄米矩阵求逆方法加法和乘法运算量都大幅度降低,比传统算法运算速度加快了三分之一。算法简单可靠,易于实现,适用于工程应用中实时性要求较高的场合。     

基于改进遗传算法的电力系统无功优化研究

本文针对传统遗传算法存在的缺陷,引入人工免疫算法,改进的优化算法利用抗体的多样性和免疫接种机制,克服了早熟和后期寻优能力差等现象。通过对IEEE30节点进行系统仿真,改进的遗传算法具有很多方面的优越性,适用于求解电力系统无功优化问题。     

基于改进遗传算法的高校排课优化问题研究

针对高校排课工作量大等问题,提出了基于改进遗传算法的课表优化方案。以教学任务为基因进行编码,总课表(行为时间段,列为班级)为DNA随机产生若干个满足强制规则的初始种群,将遗传算法中的随机交叉改进为局部列完整交叉算法,随机变异改进为列内部随机互换算法,并通过若干代的迭代优化,促使最终生成一个科学合理的排课方案。实验仿真表明,课表适应度由最初的76.0提升至123.0,优化效果显著。     

基于改进遗传算法的高层建筑结构传感器优化布置

为了解决高层建筑结构抗震控制监测系统中的传感器优化布置问题,提出一种基于改进自适应遗传算法的传感器优化布置方法。以模态置信度准则的最大非对角元值极小化来构造适应度函数,对布点位置进行优化。并利用ANSYS 14.0建立有限元模型,施加相应约束对模型进行模态分析,算例结果表明该改进遗传算法对数目与位置实现了优化,得到了满足不同精度要求的传感器优化配置方案。     

基于改进遗传算法的油田配电网无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用来求解包含离散化变量的复杂优化问题.将遗传算法应用于油田配电网无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行改进,提高了计算效率和全局寻优能力.通过对油田配电网的分析和计算,结果表明该改进遗传算法应用于油田无功优化是合理可行的,其优化效果优于传统遗传算法.     

基于遗传算法的制冷系统动态矩阵控制

根据数据采用最小二乘法辨识得到制冷系统多变量传递函数模型,随后对制冷系统设计动态矩阵控制器,使系统蒸发温度和过热度在满足约束条件下达到控制要求;考虑到DMC控制器的控制时域、预测时域、控制量权重矩阵等参数直接影响系统的稳定性和输出跟踪效果,而一般试凑法选取参数不可避免地存在主观性和随机性,因此给出一种基于遗传算法的DMC参数寻优方法,并应用于制冷系统的控制问题中。最后的仿真试验表明了算法的有效性。     

3D MIMO-OFDMA系统中基于垂直波束成形的能效优化算法

针对三维多输入多输出（3D MIMO）正交频分多址（OFDMA）系统,提出了一种能效优化算法。该算法在垂直波束成形技术下,以能量效率最大化为目标,通过调整资源分配、功率分配、天线的波束下倾角来提高系统能量效率。根据分数优化理论,将复杂的分数优化问题转化为较易求解的整式优化问题,然后引入拉格朗日乘子通过不断迭代得到能量效率的最优值。仿真结果表明,所提算法在较少迭代次数下可以获得更高的能量效率。     

基于改进遗传算法的油田配电网无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用来求解包含离散化变量的复杂优化问题。将遗传算法应用于油田配电网无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行改进,提高了计算效率和全局寻优能力。通过对油田配电网的分析和计算,结果表明该改进遗传算法应用于油田无功优化是合理可行的,其优化效果优于传统遗传算法。     

基于遗传算法的超宽带微带天线优化设计

将遗传算法应用于超宽带微带天线设计。建立了基于遗传算法和高频电磁仿真软件（HFSS）的优化工程。在此基础之上,优化设计出了一款超宽带微带天线。讨论了该优化工程的操作流程,并对天线特性进行了研究。研究结果表明：所设计天线在3.1~10.6 GHz频段内的回波损耗小于-10 dB,具有良好的超宽频带特性。     

Multi-constraints QoS routing optimization based on improved immune clonal shuffled frog leaping algorithm

Aiming at the multi-constraint routing problem,a mathematical model was designed,and an improved immune clonal shuffled frog leaping algorithm (IICSFLA) was proposed,which combined immune operator with traditional SFLA.Under the constraints of bandwidth,delay,packet loss rate,delay jitter and energy cost,total energy cost from the source node to the terminal node was computed.The proposed algorithm was used to find an optimal route with minimum energy cost.In the simulation,the performance of IICSFLA with adaptive genetic algorithm and adaptive ant colony optimization algorithm was compared.Experimental results show that IICSFLA solves the problem of multi-constraints QoS unicast routing optimization.The proposed algorithm avoids local optimum and effectively reduces energy loss of data on the transmission path in comparison with adaptive genetic algorithm and adaptive ant colony optimization algorithm.     

基于改进遗传算法的多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.     

求解多输入多输出检测新算法——遗传粒子群优化

设计两种基于粒子群优化算法（PSO）和基于遗传算法（GA）的多输入多输出（MIMO）系统检测算法。提出一种新的融合GA和PSO进化机制的遗传粒子群进化（GPSO）算法,并将其应用于MIMO系统检测问题求解。新算法改善了初始化种群,并将每一代粒子划为精英粒子、次优粒子和糟糕粒子三部分,对这三种粒子分别采用极值扰动、PSO进化和淘汰策略以改善算法的全局和局部搜索能力,从而加快算法的寻优速率和收敛速度。仿真结果表明：与基于PSO和基于GA的检测算法相比,GPSO的检测算法能够很大程度减少种群规模和迭代次数。而与最优的最大似然译码算法相比,GPSO检测算法能够在计算复杂度和误码性能之间获得很好的折中。     

Optical synthetic aperture circle-array optimization based on genetic algorithm

An optimization model of circle array was set up from the basic optical synthetic aperture imaging principle. The circle array was optimized by adopting a genetic algorithm with an improved real coding method coding the location of sub-apertures. The measure function was designed based on maximizing the distances between u-v coverage dots and minimizing the redundant array. The point spread function, optical transfer function and diffractive imaging were analyzed with the circle array synthetic aperture imaging system. The optimized result of 8 to 16 sub-apertures on a circle array was obtained, and they were compared to the results achieved through simulated annealing algorithm. Using the emulator program, the point spread function was analyzed and contrasted to that of a uniform circle array. Results show that the real coding genetic algorithm can resolve the array optimization well, cost less time and get a better optimization compared with the simulated annealing algorithm.     

基于改进遗传算法的入侵检测的研究

目前的入侵检测存在一些问题,针对这些问题,对遗传算法在入侵检测中的应用进行了研究,讨论了适应度函数的构造,并对种群的确定、选择算子、交叉算子进行了改进,在此基础上提出了一种基于改进遗传算法的入侵检测模型,并通过实验验证了它的可行性.