基于自适应权重与透镜成像学习的麻雀算法

为了解决麻雀搜索算法（SSA）存在的跳出局部最优值能力弱、寻优精度不理想等缺陷,提出了一种基于自适应权重因子与透镜成像反向学习的麻雀搜索算法（LIW-SSA）。利用Circle映射和一般反向学习策略生成麻雀种群,提升了初始种群的质量以及丰富性。将自适应权重因子引入到麻雀种群警戒者更新公式中,能有效平衡算法前后期搜索能力。采用透镜成像学习机制对当前麻雀最优个体实施干扰,提高了算法的跳出局部最优以及寻优性能。通过对基准测试函数的寻优对比,验证了提出的LIW-SSA算法相较于基本麻雀搜索算法以及其他优化算法,在算法稳定性以及寻优精度上得到了很大的提高。     

基于改进麻雀搜索算法优化BP神经网络的气动光学成像偏移预测

气动光学效应导致的目标图像偏移对于飞行器的导航、定位以及寻的影响很大,对气 动光学成像偏移的实时补偿具有重要的实用价值。提出了一种基于改进型麻雀搜索算法 优化BP神经网络(improved sparrow search agorithm optimized BP neural network, ISSA-BP)的模型,对气动光学成像偏移进行预测。为提高预测算法的 搜索和跳出局部最优的能力,在标准麻雀搜索算法(sparrow search algorithm,SSA)中借助鸟群算法(bird swarm algorithm,BSA)飞行行 为的思想,使加入者以一定的概率向发现者靠近,缩短了算法的运行时间,保证了全局收敛 和种群的多样性。最后将 算法模型与BP神经网络模型和麻雀搜索算法优化BP神经网络(sparrow search algorithm BP,SSA-BP)模型进行对比 ,使用三种评价指标对三种算法模型进行评价, 结果表明的ISSA-BP模型能够及时准确的对气动光学成像偏移进行预测,ISSA-BP 模型的均方误差(MSE)、平均绝对误差(MAE)和决定系数(R²)分别为2.511、1.969和0.999。     

基于混沌的多策略优化麻雀算法及应用

针对原始麻雀搜索算法在寻优过程中出现多样性降低,难以跳出局部最优,以及收敛精度不够等问题,提出一种基于混沌的多策略优化麻雀算法.首先,通过Circle混沌映射进行种群初始化,生成分布更加均匀的麻雀种群,增加种群的多样性;其次,引入自适应比例,对发现者的种群规模占种群总规模的比例进行动态变化,平衡算法的全局搜索与局部挖掘能力;然后引入Levy飞行改进发现者位置更新方式,提高算法的搜索范围与局部搜索能力,并且加快收敛于最优值的速度;最后,选择逐维变异与反向学习相融合的方式来扰动当前全局最优位置,通过贪婪算法来筛选出变异前后的最优值作为当前全局最优值,从而提高算法跳离局部最优的能力.本次选择12个基准函数和Wilcoxon秩和检验进行验证,并于六种其他算法进行对比,证明了以上多种策略对于算法的性能提升明显.同时,将该改进算法应用于工程实践中,本文选择压缩弹簧设计优化问题,验证所提改进算法在工程设计中的可行性与优越性.     

基于自适应t分布与随机游走的麻雀搜索算法

针对麻雀搜索算法在解决复杂问题时存在的收敛精度降低以及陷入局部最优等问题，文中提出了一种基于自适应t分布与随机游走的麻雀搜索算法。该算法在初始化过程中使用反向学习来生成反向解，从中选择优秀的个体组成初始化种群。在原始麻雀搜索算法上采用自适应t分布策略和高斯随机游走策略可以提高麻雀个体的寻优能力，同时防止算法早熟。仿真结果表明，相较于对比算法，文中所提算法的收敛精度和收敛速度都有所提升。     

基于旋转状态转移的麻雀搜索算法

针对现有的麻雀搜索算法(SSA)在接近全局最优时,种群多样性减少,容易陷入局部最优等问题,提出一种精英旋转策略的麻雀搜索优化算法(RLSSA)。首先,对麻雀种群中发现者进行旋转状态转移变换,以提高算法的局部搜索能力,提高算法的搜索精度。其次,对加入者引入基于莱维飞行的搜索策略,提高算法的全局搜索能力,同时引入贪婪算法搜索寻优策略。最后,在12个基础函数上进行仿真实验。实验结果表明上述方法在收敛速度和精度上有显著优势。     

改进麻雀搜索算法及其在红外图像分割的应用

电力设备的故障常以异常发热的状态经红外图像检测被检测人员发现。针对使用最大类间方差法（Otsu method, Otsu）对电力设备热故障诊断精度不佳，效率不高的问题，提出了基于变螺旋麻雀搜索算法（variable spiral sparrow search algorithm, VSSSA）的红外图像分割方法。变螺旋麻雀搜索算法先采用Tent混沌序列优化初始种群，然后，通过引入Lévy飞行和变螺旋策略提高种群的寻优速度和探索能力，并使用基准函数测试验证了其性能的有效性；最后，在VSSSA优化二维Otsu函数，并对红外图像进行双阈值分割的基础上，结合自适应区域生长法进一步提取精确的目标区域。图像分割实验结果显示，该红外方法相比其他的分割方法，分割精度更优，因而具有一定的实用性。     

改进麻雀搜索算法的飞行器航迹规划

针对传统麻雀搜索算法(SSA)在飞行器航迹规划求解问题中计算过程复杂、易陷入局部解等不足,提出了一种融合鲸鱼搜索因子和柯西-高斯变异的麻雀搜索算法(WSSA)。首先借助佳点集法对种群进行了初始化处理;其次借助鲸鱼算法中螺旋式搜索因子形成自适应权重迭代因子,提高算法全局搜索能力的同时保证局部的收敛性;随后在跟随者位置更新中加入柯西-高斯变异因子对原迭代进行扰动更新,提高算法的全局寻优能力;最后基于改进前后的算法进行了模型求解和适应度比较,验证了所提算法的有效性。     

改进海鸥算法的多阈值图像分割算法北大核心CSCD

为进一步提高图像分割精度,改善传统多阈值图像分割方法计算量大、分割慢的问题,提出了改进海鸥算法(improved seagull optimization algorithm,ISOA)的多阈值图像分割方案。针对原始海鸥算法(seagull optimization algorithm,SOA)存在早熟、寻优精度不足的问题,首先,采用cubic混沌映射优化初始解,提高搜索效率;其次,引入鹰栖息优化算法(eagle perching optmizer,EPO)的缩放因子和疯狂算子进行扰动,并与麻雀搜索算法(sparow search algorithm,SSA)警戒者的位置更新相结合,优化寻优精度和收敛速度,避免陷入局部最优。利用6种基准测试函数对ISOA进行寻优性能测试。最后,将ISOA与图像分割的最优阈值选取相结合,进行基于Otsu的多阈值图像分割,并与现有分割算法进行对比。仿真结果表明,ISOA在基于Otsu的图像分割中,100%取得了最优值,且80.9%的结果优于其余算法,使图像的分割精度和质量均得到了优化。     

SINR概率感知下的无人机覆盖优化

针对多无人机网络辅助灾区用户通信的场景,构建了一种基于信干噪比(Signal-to-Interference plus Noise Ratio,SINR)检测的概率感知模型,旨在最大化无人机服务区域的覆盖率,同时降低无人机额外能耗,并提升网络吞吐量。在该模型下,提出了两种改进的麻雀搜索算法,分别为Logistic高斯麻雀搜索算法(Logistic Gaussian Sparrow Search Algorithm,LGSSA)和Logistic柯西麻雀搜索算法(Logistic Cauchy Sparrow Search Algorithm,LCSSA)。首先使用Logistic混沌序列产生初始种群,以丰富种群的多样性,提高算法的全局搜索能力;然后,在LGSSA和LCSSA中分别引入高斯变异和柯西变异因子,以改善局部最优解。仿真结果表明改进后的算法可以有效地优化无人机的空中部署,大幅度提升无人机网络的覆盖率。     

基于多种群的差分进化算法

针对差分进化算法在寻优过程中存在的种群多样性快速消失,容易收敛到局部最优解,过早成熟的问题。文章提出一种多种群协同搜索的新机制,平衡差分算法前期的全局搜索能力和后期的局部搜索能力。对新改进的多种群差分算法使用基准测试函数进行了对比测试。测试结果表明,多种群差分算法相较于标准差分算法拥有更好的全局搜索能力,更高的精度。     

字符串相似度度量中LCS和GST算法比较

就字符串相似度度量算法的LCS和GST在概念、实现、效率方面进行比较分析,简要探讨了两种算法的应用领域.     

VBLAST系统的译码算法研究

对已有的传统译码算法如迫零算法（ZF）、最小均方（MMSE）算法、连续抵消（SIC）算法等的性能进行了研究,并在此基础上提出将迫零算法与连续抵消算法、最小均方算法与连续抵消算法相结合,构成迫零-连续抵消算法（ZF-SIC）与最小均方-连续抵消算法（MMSE-SIC）,从而明显改善系统的误码性能。此外,对收发两端采用不同天线数时的系统误码性能进行了仿真与分析,同时仿真分析了系统采用QPSK与16QAM调制方式的误码性能,最后给出仿真分析结果。     

一种Turbo译码算法改进研究

Turbo码是近年来广泛应用于通信系统中的一种性能优异的编码方式.文中首先分析了基于最大后验概率的Turbo码传统译码算法,然后指出了使用这类算法具有大译码延时的缺点,分析了常用的能减小译码延时的SW-MAP算法;最后根据此算法的特点提出了SW-MAP算法的改进方案.算法改进后能有效降低译码延时,提高译码性能.     

DOA估计的几种特征结构算法的性能比较

Pisarenko算法、多信号分类（MUSIC）算法、最小模算法和ORPD算法是来波到达方向（DOA）估计中常用的四种特征结构算法。在不同的信噪比及阵元数目条件下,对这几种算法的分辨性能作了比较。仿真结果表明：MUSIC算法是最稳定的一种算法;在预知大致方位的前提下。ORPD算法分辨性能最好;对于提高各种算法的分辨能力,改善信噪比相对增加阵元数目更有效。     

引导型免疫算法研究

基于免疫系统机理提出的免疫算法是一种新型的智能系统，在优化计算方面表现出巨大的潜力，具有多样性好、搜索成功率高的优点．但免疫算法在局部搜索中存在一定盲目性，搜索效率不高．本文提出引导型免疫算法，通过增强免疫算法中抗体的社会性，为免疫算法的搜索过程提供引导性，加快算法收敛速度，并对引导型免疫算法中新引入的算法参数进行了深入讨论．算法分析和仿真结果表明，引导型免疫算法在保持算法高搜索成功率的前提下，有效地提高了算法搜索效率．     

基于KR-BM算法的多模式匹配算法改进

网络技术的高速发展对模式匹配算法提出了更高的要求,为提高模式匹配效率,文中首先对常用的单模式和多模式匹配算法进行分析,在此基础之上,提出一种基于KR算法和BM算法的多模式快速匹配算法。最后通过实验结果验证了此算法的可用性和高效性。     

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法。首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配。仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算法、传统加速稳健特征算法及其他改进的图像配准方法相当,但在图像配准实时性方面具有一定的优势,仿真实验二通过立体匹配库验证了该方法具有普遍有效性。     

基于SLM-PTS算法融合的NC-OFDM峰均比优化

基于非连续正交频分复用（non-continuous orthogonal frequency division multiplexing，NC-OFDM）模型，提出和研究了选择映射（selected mapping，SLM）算法和部分传输序列（partial transmit sequence，PTS）算法，及其SLM-PTS融合优化技术，设计了融合模型和改进流程。仿真结果与其他文献方法进行了对比，验证了SLM-PTS的融合具有优秀的峰值平均功率比（peak to average power ratio，PAPR）降低能力，但缺点是算法实现复杂度过高。因此，又进一步提出了互补型映射和限幅的联合算法（SLM-Clipping）融合解决方案，并利用深度学习方法建立PAPRnet模型。仿真结果验证了此算法对NC-OFDM系统具有PAPR良好的抑制效果，而且能够提高仿真运算效率。     

RFID防碰撞算法的研究

随着物联网技术的高速发展,作为其关键技术之一的RFID显得愈为重要。标签碰撞的应用在RFID系统中是不可避免的,因此RFID防碰撞算法是RFID系统中一个重要问题,直接决定了RFID系统可以识别多个标签的能力。目前防碰撞算法在时域上主要可以分为非确定性算法（ALOHA算法）和确定性算法（树形算法）两大类。本文分析了现存的两大类算法中主流的防碰撞算法,总结出两大类算法的优点以及存在的问题。通过MATLAB仿真进一步证明此结论,并总结未来研究中需要继续关注的问题与方向。     

一种变步长凸组合LMS自适应滤波算法改进及分析

为了避免单个滤波器在收敛速度与稳态误差上相互制约,从而导致系统性能降低的问题,本文采用凸组合最小均方算法（Combined Least Mean Square ,CLMS ）,将快速滤波器和慢速滤波器并联使用,同时为进一步改善CLMS算法的性能,对已有的变步长凸组合最小均方算法（Variable Step-size Convex Combination of LMS ,VSCLMS ）做出改进,提出了一种新的VSCLMS算法。在该算法中,对快速滤波器选用以最小均方权值偏差（Minimization of Mean Square Weight Error ,MMSWE）为准则的按步分析的变步长滤波器;对慢速滤波器采用以稳态最小均方误差（Least Mean Square , LMS ）为准则的固定步长滤波器。通过理论分析与仿真实验表明,该算法能够在噪声、时变以及非平稳的环境下保持较好的随动性能,且在各个阶段均保持良好的收敛性,与传统的CLMS、VSCLMS算法相比,不仅具有更快的收敛速度,而且拥有稳定的均方性能和较优的跟踪性能,为自适应滤波算法的研究提供了一条可行途径。