应急通信系统中协作中继选择与功率分配优化

为提高应急通信系统的信道容量和能量效率,提出一种协作中继选择与功率分配的联合优化算法。在动态的通信环境中,通过最佳期望选取参与数据传输的协作中继集,提高通信系统的信道容量。为使每个用户及整个网络的能量消耗降到最低,采用凸优化方法,合理分配源节点和多个中继节点之间合理的发射功率。理论分析与仿真实验证明,该算法能以较低的复杂度明显提高系统的信道容量和能量 效率。     

移动通信系统中一种合作博弈CAC 策略

由于无线频谱是极为有限的资源,呼叫接纳控制(call admission control,简称CAC)成为移动通信系统中无线资源管理的一个重要部分.针对流媒体对接入资源的过度占用问题,提出了一种基于合作博弈理论的CAC策略,博弈方是处于服务状态的业务和申请接入的新业务,基站是保证协议强制执行的外在力量,基站选择效用和最大的策略组作为博弈过程的最终结果.仿真结果表明,所提策略有效缓解了流媒体业务对资源的捕获效应,保证了用户接入的公平性,对于实际系统性能的改善具有重要的意义.     

洋流影响下基于运动矢径的AUV协同定位方法

针对水下自主航行器（AUV）协同定位受水下未知定常洋流影响的问题,给出一种洋流影响下基于运动矢径的AUV协同定位方法.利用AUV的运动学方程和基于运动矢径的量测方程,建立AUV的导航模型;通过扩展的卡尔曼滤波,设计了协同定位滤波算法;利用该算法对洋流速度进行估计,以补偿AUV定位误差.仿真结果表明,该算法能有效估计未知定常洋流速度的大小,并对AUV定位误差进行实时补偿,显著提高了AUV的定位精度.     

多中继协作空间调制的中继选择及性能分析

针对多中继协作空间调制（SM）系统中的中继选择问题,提出一种基于中继节点位置的选择方案,并将该方案应用于系统中,对系统的误比特率（BER）性能进行了分析。该系统在源节点使用SM技术,每一时隙仅激活一根发射天线,并基于中继节点的位置信息,在全部中继中选择最接近源节点和目的节点间中点的一个放大转发（AF）中继进行转发。运用矩生成函数法推导了该系统在瑞利衰落信道下成对错误概率的解,并由此给出了系统的理论BER。仿真结果表明,与随机选择和循环转发中继的方法相比,该中继选择方法能够在系统中获得更好的BER性能。     

基于多智能体系统并考虑需求响应的电力系统节能减排调度

针对能源与环境日益突出的问题,将直接负荷控制和紧急需求响应结合,考虑自弹性和交叉弹性的动态需求价格弹性,形成多时间弹性的综合负荷经济模型,建立考虑需求响应的节能减排调度模型。通过多智能体系统（multi-agentsystem,MAS）将问题分解为一系列相互作用的代理,各代理的静态调度采用拍卖算法求解,代理间通过具有自适应协同乘子的协同进化代理进行协同,并优化各时段的激励补偿值,比较了激励补偿值为固定值和优化值情况下对结果的影响。结果表明本文的算法可提高计算效率;考虑需求价格弹性的调度可实现负荷曲线的削减与转移,弹性越大,削减负荷的能力越强,系统节能减排效果越好;综合考虑系统的节能与减排,增加了系统调度的全面性。     

基于PAM时段划分的配电网动态重构

为保证配电网的安全稳定运行,提出一种基于PAM(Partitioning Around Medoid)时段划分的配电网动态重构方法。以配电网网络损耗、电压偏移和负荷均衡为目标函数,建立配电网动态重构模型。针对配电网动态重构过程中的时段划分问题,给出一种以相异度为分段指标的PAM时段划分方法。为提升协同粒子群算法(Cooperative particle swarm optimization,Co-pso)的寻优能力,对其速度更新公式进行修正,并引入正态分布随机调整因子对协同粒子群算法进行改进。选择IEEE33节点系统进行算例分析计算,算例结果验证了上述方法的有效性。     

市场环境下基于合作博弈的风-水-火电厂收益分配研究

随着电力系统的市场化发展,发电侧各电厂企业在保证区域电能供需平衡的前提下期望用合作的方式来获取更多收益并对其进行有效分配。通过非合作博弈的方式给出风、水、火区域电网常规的调度方式,并计算出风、水、火电厂的收益;以市场环境下各主体的趋利性作为出发点引入合作博弈思想,使风、水、火电厂3个参与者构成一个－联盟,保证有功功率供应的基础上,给予单位电量收益更多的水电、风电更多发电指标,并提出一种偏差MDP指标分配方式,分析表明Shapley值法及偏差MDP指标法处于核心中。同时,与非合作博弈条件下风、水、火电厂的收入相比,偏差MDP分配方式下各电厂收入分别提高了38.2%、20.5%、6.1%。     

基于标签和协同过滤的改进推荐算法研究

针对基于标签和协同过滤的个性化推荐(TCF)没有考虑评分数据的作用和用户兴趣标签稀疏的问题,提出了一种加入评分数据并扩展用户兴趣标签的基于标签和协同过滤的改进推荐算法(ITCF).首先,以项目- 标签相关度构造项目特征向量,并结合评分构造用户特征向量和用户-标签关联度; 其次,对用户的历史偏好标签集进行基于标签相似性和基于近邻用户偏好的扩展; 最后,以MovieLens数据集为例对ITCF算法的有效性进行实验验证.实验结果表明,在稠密的数据集中,ITCF算法的平均准确率和平均召回率比文献[2]和[3]算法的平均准确率和平均召回率分别提升约2.0%和1.7%; 在稀疏的数据集中,当推荐项目数不超过20时,ITCF算法的平均准确率和平均召回率约比文献[2]和文献[3]算法的平均准确率和平均召回率分别提升约0.2%和0.8%.因此,本文提出的ITCF算法具有较好的应用前景.     

物联网中基于扩展卡尔曼滤波的移动群体定位

为了满足高精度和高可靠性定位的需求,提出了一种基于扩展卡尔曼滤波的移动群体定位算法,把待定位的用户节点当成一个群组,利用他们之间的距离信息得到更好的定位性能,以减小环境噪声和无线信号不稳定造成的影响.此外,开发出一个实际的系统,并在大学校园里进行了大量实验.实验结果和理论分析验证了所提出方法的有效性.     

协同量子智能体进化算法及其性能分析

针对当前量子进化算法的特点和不足,提出了一种分层协同进化的量子智能体进化算法.将种群个体视为以量子编码的智能体,采取三级进化方法,在子种群之间进行个体交流,子种群内部进行个体竞争操作,个体内部能够进行局部调整,使得进化操作能够作用在不同的小生境范围内,增强了进化的粒度.利用不动点定理对所提算法的收敛性进行分析,结果显示,算法能够收敛到最优值.对多个基准函数进行仿真对比分析,该算法具有更好的收敛精度.