采用带梯度的粒子群优化算法的LT码度分布设计

为了得到更优的度分布,提出一种带梯度的粒子群优化(PSO)算法的Luby传输(LT)码度分布设计方法. 利用重要抽样方法构建目标函数,并通过目标函数得到梯度估计;使用带梯度的PSO算法优化设计;用所提算法分别对2种度分布形式进行优化设计.仿真结果表明,采用带梯度的PSO算法得到的度分布使短码长LT码的头部开销更少,得到了比鲁棒孤子分布和重要抽样方法更好的度分布.     

喷泉码的Logistic映射实现

为解决喷泉码中度数和编码分组邻接关系的恢复问题,提出一种基于混沌理论的喷泉码实现方法.通过复合Logistic返回映射及相空间特性,利用混沌方程的初始值作为公钥,实现喷泉码的无开销同步.计算机仿真结果表明该方法在喷泉码的应用中具有良好的性能.     

喷泉码中不定帧长LT码及其生成矩阵的优化

针对喷泉码中LT( Luby transform)码编码效率不高、需传送的数据量大、时延长且译码概率低等弊端,将数学极限分析方法引入LT码的度数分布中,提出了一种不定帧长LT码方案,并且在不定帧长LT码的生成矩阵中引入改进的熵编码压缩算法,得到了以熵编码为基础的不定帧长LT码系统模型.其核心思想是先将原始数据进行适当的...     

LT码的度分布优化研究

LT码作为一种对信道具有良好适应性的信道编码方案,已在水声通信中实现了稳定的数据传输。在译码开销较大的情况下,LT码可以达到理想误码率,但当编码数据长度较短时,其编译码性能并不理想。为改善LT码在编码数据长度较短时的性能,基于水声OFDM通信系统进行LT码的研究,以最低误码率和最小平均度值为优化目标,提出了一种度分布优化设计方法。仿真和海试试验结果表明:在相同的误码率下,该方法能优化系统,减小7%～22%不等的译码开销,降低编译码的复杂度。     

蚁群优化算法在TSP中的应用

提出了一种求解TSP问题的有效算法———蚁群优化算法。该算法通过模拟蚁群搜索食物的过程,求解TSP问题。算法的主要特点是,正反馈、分布式计算、与某种启发式算法相结合。并给出了算法原理及流程;最后用计算机仿真得出结果,证明了该算法的有效性。     

基于蚁群聚类的码书设计

针对蚁群算法设计码书所存在的缺点，提出了改进，即引入了频率敏感方法，通过增加失真测度来减小蚂蚁重复选择同一个聚类的可能性，增加了选择的随机性，跳出了局部较小解，避免了停滞现象。有效地提高了其全局搜索能力。通过仿真实验，可以看出该算法码书的改善性能和寻优的高速率。     

用于连续函数优化的蚁群算法

为了用蚁群算法来解决连续优化问题，该算法将函数优化问题中生成解的过程转化为蚁群每前进一步就选择一个十进制数字并以此来生成一个十进制串的过程。与普通蚁群算法相同，蚁群在选择数字的过程中将一定量的信息记录在每条选择的路径上以改变下一次蚁群选择各个数字的概率。实验数据表明，文中的函数优化算法能比遗传算法以及其他用于连续优化的蚁群算法更快地找到更好的解。这种算法为蚁群算法求解连续优化问题提供了一种新的方法。     

增强安全性的LT码编译码方案

对LT码的编码方式进行修改,不产生度为1的数据包,改为产生相关联的度2和度3的编码数据包,避免信息的直接泄露. 由于不能使用常规的置信传播（BP）算法进行译码,相应给出在BP译码算法基础上增加度2数据包处理环节的译码算法（D2BP算法）,同时也给出降低译码复杂度的高斯消元译码算法（SGE算法）. 仿真结果显示,D2BP算法可在较低的译码开销下成功完成删除度1的LT码的译码. SGE译码算法译码开销明显低于BP类的译码算法,信道删除概率对其译码性能没有影响. 相比较传统的高斯消元算法,SGE算法的复杂度明显下降.     

基于向量空间模型的路径相似度蚁群算法研究

针对如何根据用户的检索状况来提高信息检索的反应速度及查询的准确性的问题,利用向量空间模型信息检索与路径相似度蚁群算法中利用同一方式——相似度来决定下一步方向的共同特点,提出将一种基于路径相似度的蚁群算法应用于信息检索的方法。采用这种算法在性能和收敛性速度上优于常规算法。     

基于蚁群算法的配电网优化规划

提出了一种考虑电网可靠性的配电网规划模型,采用前推后代迭代法进行潮流计算,利用经典的故障模式后果分析法计算电网缺电成本,基于蚁群算法提出了一种适合于配电网的优化规划方法。通过对某算例的计算和分析,验证了本文方法的有效性。     

基于改进蚁群算法的物流配送车辆路径优化方法

目前路径优化方法忽略了客户时间窗约束产生的惩罚成本,导致惩罚成本过高,无法得到最优配送路径,因此,提出基于改进蚁群算法的物流配送车辆路径优化方法.结合遗传算法完成对蚁群算法的改进,对物流配送车辆路径问题进行建模,得到路径规划问题的目标函数,并根据配送过程的实际情况和具体要求设定目标函数的约定条件,计算固定成本和变动成本...     

基于蚁群算法的配电网优化规划

提出了一种考虑电网可靠性的配电网规划模型,采用前推后代迭代法进行潮流计算,利用经典的故障模式后果分析法计算电网缺电成本,基于蚁群算法提出了一种适合于配电网的优化规划方法。通过对某算例的计算和分析,验证了本文方法的有效性。     

一种改进蚁群算法在配电网络规划中的应用

在基本蚁群算法的基础上,将蚂蚁经过路径上各路段的次数与信息素更新机制相关联,改进了信息素更新方式,旨在提高蚁群算法的寻优能力和收敛到最优解的速度。将改进算法应用于只考虑过负荷约束和网络辐射型约束、以网络年综合费用和过负荷惩罚费用之和最小为目标函数的配电网规划问题中。通过一个10 kV配电网络规划问题的算例验证表明,改进算法在寻优能力和收敛速度方面均有所提高。     

自适应蚁群算法在Flow Shop调度问题上的应用研究

运用能自适应地改变挥发度系数的自适应蚁群算法研究流水车间作业排序问题,设计出解决该问题的算法步骤与流程。最后,通过仿真比较该算法与基本蚁群算法在解决该问题方面的性能,仿真结果表明,该算法在解决Flow Shop方面的问题上取得满意的效果。     

基于蚁群算法的图书物流中心配送路径规划

以图书物流中心车辆路径规划问题为研究对象,结合图书配送多品种小批量的特点,以配送路线最短为目标,在考虑车辆容量限制的条件下,建立基于零担运输策略的图书物流中心车辆路径规划模型;针对传统路径规划问题研究的不足,运用GPS导航系统重新定义了配送距离.用蚁群算法对所建模型进行求解与仿真,并结合实际案例给出优化结果,验证了模型及算法的有效性.     

一种用于全局优化的蚁群算法

针对蚁群算法不太适用于连续优化问题,且在搜索过程中容易陷入局部极值的缺点,提出了一种快速全局优化的改进蚁群算法,该算法同时采用在最好解蚂蚁领域内进行搜索及将本次循环得到的最优解作为起始解的搜索方式,以扩大其搜索范围,避免其陷入局部最优。通过对3个典型函数优化问题进行测试并与其他优化算法进行比较,结果表明该改进算法不仅能应用于对连续对象的优化,同时具有良好的全局优化性能,收敛速率快,寻优精度高。     

自适应和最大最小蚁群算法的物流车辆路径优化比较

针对物流车辆路径优化问题,考虑到基本蚁群算法有收敛速度慢、易陷入局部最优的缺点,采用了自适应蚁群算法和最大最小蚁群算法进行车辆路径优化,分析、比较了这两种算法的不同并在Matlab上做了仿真。仿真实验结果显示自适应蚁群算法在收敛速度和寻找最短路径上都略逊于最大最小蚁群算法,最大最小蚁群算法在物流车辆路径优化上优于适应蚁群算法。     

基于蚁群算法的配送网络拓扑图设计与研究

配送网络中车辆的行车轨迹是配送系统的核心问题,直接关系到配送效率.采用生物体蚁群寻找食源的方法,改进信息素浓度计算,并取转移概率的最大值,以减少寻径的盲目性.采用C语言实现了整个算法.实验结果表明,采用改进算法后的配送效率得到明显提高.