改进的混合遗传算法在多用户检测技术中的应用

研究了一种混合遗传算法的多用户检测技术,通过将模拟退火融入进遗传算法,运用到多用户检测技术上,进行了仿真比较.结果表明,该多用户检测技术在抗多址干扰和远近效应的能力方面均接近于最优多用户检测器,优于传统的多用户检测器.     

MC-CDMA系统中基于遗传算法的多用户检测

提出了在频率选择性信道下使用多天线分集接收的多载波码分多址(MC-CDMA)系统上行链路中基于遗传算法(GA)的多用户检测。针对三种不同的代价函数,研究了两种不同的个体选择机制对GA多用户检测的性能影响。代价函数分别为各个天线分支接收信号与估计信号的对数似然函数(LLF)、误差平方和相位误差平方。仿真分析表明:在相同代价函数下,基于Pareto优化准则的个体选择机制要优于按线性合并准则的个体选择机制;在相同个体选择机制下,基于相位误差平方的代价函数的误比特率性能和抗远近性能要优于基于LLF和误差平方的代价函数。     

多用户检测技术对CDMA系统的影响研究

定量分析了具有多用户检测功能的CDMA移动通信系统的容量和覆盖,讨论了采用遗传算法实现多用户检测的方法,仿真结果表明无论是抗多址干扰还是抑制远近效应,基于遗传算法的多用户检测技术都明显优于传统检测器。     

BM神经网络在多用户信号检测中的应用

将神经网络应用于同步ＣＤＭＡ移动通信系统的多用户信号检测,分析了采用模拟退火算法的玻尔兹曼机神经网络检测多用户信号．研究表明这种神经网络能较好地检测多用户信号,并将其与最佳接收机、传统接收机进行了比较．     

支持向量机在多用户检测中的应用

支持向量机作为非线性多用户检测器,可以利用较少的训练数据,检测经过瑞利(Rayleigh)衰落的同步CDMA通信系统信号.计算机仿真结果表明,在多普勒频移不同的瑞利衰落信道下,这种多用户检测算法误码率性能优于线性最小均方误差(MMSE)算法.     

支持向量机在WCDMA移动通信系统多用户检测中的应用

从结构风险最小化（SRM）理论发展而来的支持向量机（SVM）为模式识别提供了一种新的途径。将SVM应用于宽带码分多址（WCDMA）移动通信系统中的多用户检测（MUD）中。利用最小序列优化（SMO）算法构造基于非线性核的接收机,提出了一种适合于WCDMA系统的SVM-MUD。在同步的假设下,仿真比较了SVM-MUD和传统的去相关检测器、匹配滤波（MF）检测器和最小均方误差（MMSE）检测器的误比特（BER）性能。结果表明,在高斯信道下,SVM-MUD的性能更加稳定可靠。     

基于并行遗传算法的去相关多用户检测器

通过将码分多址通信系统中的最佳多用户检测视为组合优化问题,利用遗传算法能全局寻优的优势,提出了一种基于并行遗传算法的去相关多用户检测器。理论分析和仿真表明:该多用户检测器无论是抗多址干扰的能力还是抗远近效应的能力都明显优于传统的检测器和去相关多用户检测器;由于采用了基于"联姻"策略的并行遗传算法,使这种多用户检测器更易于实时应用和硬件实现。     

近似解相关多用户检测算法的FPGA实现

简要介绍了近似解相关（AD）多用户检测算法，通过对算法的分析。建立了该算法的实现框架，给出了用FPGA技术实现该算法模块的详细方案，并从实际硬件量的角度分析了其复杂度。最后以DSP2621EA评估板为基本硬件平台对该方案进行测试，测试结果和理论分析基本吻合，说明了该方案是可行的。     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段．针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法（GA）和模拟退火算法（SA）的基础上,提出了更加有效的算法即模拟退火遗传算法．使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的．     

CDMATurbo多用户检测的研究

Ｔｕｒｂｏ码的译码过程 一种全新的迭代译码思想。这驻适用于Ｔｕｒｂｏ码的译码,也适用于更为广泛的检测译码问题,如串行级联码译码均衡、编码调制,多用户检测等。文中简述了Ｔｕｒｂｏ 逐符号最大后验算法,将Ｔｕｒｂｏ译码原理应用于ＣＤＭＡ系统的多用户检测,提出了基于Ｔｕｒｂｏ译码原理的多用户检测接收机方案,并通过计算机仿真验证该方案的性能。结果表明,文中所提出的方案经过４次迭代之后,其误码率接近单用户界     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.     

基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.     

一种新的自适应退火遗传算法

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能。基于这个思想提出一种新的自适应退火策略用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了自适应处理,以进一步改善算法的稳定性和收敛性。基于典型算例的仿真结果验证了该算法对高维复杂函数最优化的有效性和高效性,其性能明显优于传统遗传退火算法、改进的进化规划方法。     

基于遗传模拟退火算法的矩形件排样

将遗传模拟退火算法运用在矩形件排样中,利用遗传模拟退火算法的全局搜索能力,寻找出排样件最优的排样次序(排列最紧密),再结合基于局部板材利用率最高的填充算法不断填充板材,获得近似总体最优的排样结果。此结果适合应用于大批量、多种类的矩形件优化样。     

基于遗传模拟退火算法的钢桁架结构优化设计

将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合,提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA).以十杆桁架为例对此算法进行了数值实验,并将实验结果与其他优化方法相比较.算例结果表明,遗传模拟退火算法的寻优概率是100%,平均进化代数为35代,其稳定性和求解效率均高于改进的遗传算法.实验结果显示,遗传模拟退火算法在整体搜索同时,采用退火操作进行局部搜索,提高了算法的局部搜索能力,有效克服了遗传算法迭代缓慢的缺点,把遗传模拟退火算法用于钢桁架离散变量的优化设计中是行之有效的.     

基于遗传模拟退火算法的QoS组播路由问题求解

提出了一种基于遗传模拟退火算法的带宽时延约束费用最小组播路由选择方法,该方法针对遗传算法的局限性,采用基于备选路径集的整数序列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,并结合了模拟退火算法.实验表明,该算法能够有效地提高收敛速度,避免早熟收敛,能够满足多媒体网络对相应QoS的需求.     

单纯形—模拟退火算法

在简要介绍单纯形法基础上,针对模拟退火算法存在收敛慢、费机时较多的缺陷,将单纯形法与模拟退火算法有机地结合起来,形成一种新的改进造型的优化算法－单纯形－模拟退火算法,以加快速敛速度,提高解的质量,是单纯形法与模拟退火算法各自特点的综合,并通过算例进行了验证。     

改进自适应遗传模拟退火算法的结构优化设计

为提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行改进.引入一种基于个体适应度值的自适应遗传算法,并将遗传算法和模拟退火算法结合形成一种混合算法,从而提高算法的运行效率和计算精度.算例表明改进的自适应遗传模拟退火混合算法较基本遗传算法更加有效.     

基于小生境遗传模拟退火算法的不规则件优化排样

针对二维不规则图形零件在排样区域上的最优排列问题,将排样和制造工艺联系起来,先将多边形各边向外扩充,为零件预留加工余量;然后采用遗传模拟退火算法与小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度,再用基于"最低水平线与填充算法相结合"策略的启发式排样算法实现二维不规则件自动排样,得到了满意的优化排样结果。