基于改进的量子遗传算法的多用户检测

为了加快量子遗传算法(QGA)的收敛速度,减小基于QGA的多用户检测的计算复杂度,提出了一种基于改进的量子遗传优化算法(MQGA)的多用户检测算法.通过引入小生境协同进化策略初始化量子种群,并采用自适应更新旋转角策略,改善了QGA的收敛性能和寻优能力.仿真结果表明,提出的多用户检测算法在收敛速度、误码率、抗远近能力及系统容量方面都优于遗传算法多用户检测器、量子遗传算法多用户检测器和传统多用户检测器.     

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。     

量子神经网络及其在CDMA多用户检测中的应用

量子计算与人工神经网络相结合的量子神经网络(QNN-Quantum Neural Networks)由于利用了量子并行计 算和量子纠缠等特性从而克服了传统人工神经网络的某些固有缺陷,将成为未来信息处理的重要手段。介绍了与量子神经 网络相关的量子计算基础,描述了一种量子神经元模型,分析证明了单个量子神经元具有与两层前向神经网络相当的非线 性映射能力。提出了一种基于量子神经元与量子寄存器的多用户检测方案,计算机仿真结果表明:本文所提出的检测器在 误码率和抗“远近”效应方面均具有良好的性能。     

基于量子特性的多用户检测技术

多用户检测技术的最优解在常规条件下是一个NP难解问题,利用量子态的并行计算特性以及量子态检测等理论,量子多用户检测技术能够有效地获得多用户检测的最优解。本文介绍利用量子态特性进行多用户检测的几种方案,并分析和比较这些方案的性能特点和发展趋势。     

基于遗传算法的最小误码率线性多用户检测

本文提出了一种多用户检测算法,算法基于最小误码率准则,应用内核密度估计方法来估计误码率函数,并采用基于实数编码的遗传算法来搜索误码率函数全局最小点。该算法解决了由于误码率函数存在局部最小点而难以用普通的梯度算法来求解全局最优点的问题。算法对初值的选取无特殊要求,可随机选取。仿真结果表明,梯度算法求解最小误码率检测器由于可能收敛到次优的局部极小点,故检测器不能达到最小误码率性能;而本文基于遗传算法的多用户检测由于能很好的避免收敛到次优的局部极小点,因而得到的检测器性能逼近最小误码率。     

基于伪并行遗传算法的MC-CDMA多用户检测技术研究

介绍MC-CDMA的多用户检测技术。在分析频率选择衰落信道中单小区MC-CDMA系统上行多址干扰的基础上,引入基于＂联姻＂策略的伪并行遗传算法用于多用户检测技术。通过仿真表明,与解相关和MMSE检测器以及传统遗传算法应用于MUD中相比,其在误比特率性能上更加优秀,而运行时间却明显小于最佳多用户检测。     

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。     

CDMA多用户检测技术

首先分析了CDMA移动通信系统中采用多用户检测的必要性,然后介绍了各种多用户检测技术的工作原理,对各种多用户检测技术的特点进行了比较,最后提出了目前多用户检测技术的一些最新发展方向。     

基于小波变换与遗传算法的混合多用户检测

本文将遗传算法与作者先前提出的小波多用户检测器相结合,提出一种基于小波变换与遗传算法的混合多用户检测方案.采用遗传算法对小波多用户检测器的输出进行优化,降低误比特率,提高系统抗远近干扰的能力.仿真结果表明,只需进行3到5次遗传进化,该混合多用户检测器便能取得很好的检测性能,与其他将遗传算法用于多用户检测的方案相比,大大缩减了遗传算法的运行时间,更加有利于实时实现.     

CDMA多用户检测技术

首先分析了CDMA移动通信系统中采用多用户检测的必要性 ,然后介绍了各种多用户检测技术的工作原理 ,对各种多用户检测技术的特点进行了分析比较 ,最后提出了目前多用户检测技术的一些最新发展方向。     

基于量子遗传算法的传感器网络拓扑结构控制.

目前传感器网络的应用有2个趋势:支持多业务和提供服务质量保障。出于低耗能、高连通性等目的,对网络的拓扑结构进行控制较为关键。对此进行了研究,提出了基于量子遗传算法的网络拓扑结构控制解决方案。仿真实验表明量子遗传算法在求解性能上优于常规遗传算法,达到了低耗能和高连通性的目标。     

一种基于高校排课问题的新型量子遗传进化算法

量子遗传进化算法是量子计算和遗传算法相结合的产物,量子比特是两个量子态的叠加态,在此,详细介绍了量子遗传进化算法。尝试使用量子遗传进化算法来解决高校排课问题,并进行了实验。实验结果表明,该算法获得了比较好的结果。     

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。     

量子遗传进化算法的收敛性研究

量子遗传算法建立在量子的态矢量表达基础上,染色体的编码用量子比特的几率幅表示,使得一条染色体表达多个态的叠加,再利用量子门实现染色体更新操作,从而达到目标的优化求解.它具有种群规模小而不影响算法性能,收敛速度快和全局优化能力强等特点.但是遗传算法的随机性不好把握,收敛方向不好控制,针对遗传算法的种种问题,通过多种方法来对收敛性进行研究.     

Multi-user detection scheme for SCMA systems based on iteration removal

A multi-user detection scheme based on iteration removal (RM-MPA) was proposed to solve the problem of high complexity of decoding algorithm for sparse code multiple access (SCMA) systems.Firstly,a simple and novel method to compare the decoding advantages between users was proposed.Then n users in front of them with higher decoding advantages directly decoded and removed after each iteration,the users removed no longer participate in the subsequent iteration,so the complexity of subsequent iterations decreased gradually.Moreover,two iteration removed strategies based on decoding advantages of users and orthogonal user grouped were proposed respectively.Simulation results show that the RM-MPA with removed strategies based on orthogonal user grouped,which can reduce the decoding complexity with well decoding performance,and the decoding delay is also decreased.     

运用量子遗传算法反演雷暴云电荷结构的研究

本文采用量子遗传算法结合三圆盘模型对雷暴云电荷结构进行反演。结果表明：利用量子遗传算法可以很好地对雷暴云电荷结构以及大气电场仪和雷暴云的距离进行反演,在对电荷的反演中发现电荷结构的准确性在大气电场仪距离雷暴云5000-6000m时达到峰值,这种方法实施仅利用地面大气电场资料进行反演,相比于飞机穿云探测简单方便,利用量子遗传算法根据大气电场仪资料就可以对雷暴云电荷结构和距离进行比较准确的反演。     

基于量子遗传算法的无线视频传感网络优化覆盖算法

针对智慧城市无线视频传感网络建设需要,提出一种基于量子遗传算法的网络优化覆盖算法。算法面向复杂的监视区场景,监视区中存在形状各异的障碍物,各区域的重要程度不同。以二维离散网格模型描述监视区场景,用编码描述矩阵表示监视区域,用七元组描述有向无线视频传感器。通过严格的数学推导得出了问题的数学规划模型。优化覆盖算法由IntialDeployment算法和OptimizedDeployment算法2部分组成,以获得最大有效覆盖率的网络部署方案为求解目标。采用量子遗传算法搜索解空间,通过合理编码染色体,优化量子旋转门参数,使算法的运算速度快,收敛性好。引入理想覆盖率和理想加权覆盖率2个极限值,采用相对比较法评判算法优劣。仿真实验和数据分析表明,算法获得的方案能很好地逼近理想极限值。在传感器节点数给定的情况下,算法能获得最大的覆盖率。     

基于遗传神经网络的入侵检测模型

这篇文章提出了一种基于遗传神经网络的入侵检测模型-进化神经网络入侵检测系统(ENNIDS),模型的核心模块利用遗传算法优化神经网络来实现,结合了误用检测和异常检测技术,并从理论上分析了该模型各个模块的功能和实现技术.我们在UCI机器学习数据库的入侵检测数据集上进行了实验,实验结果表明:该模型在检测正确率、误警率等方面能获得校好的性能。