基于改进遗传算法的波束形成方法

研究传感器阵列信号优化问题,针对传统的简单遗传算法应用于传感器阵列的波束形成时,存在收敛速度慢和计算结果稳定性低的问题,提出了一种基于改进遗传算法的波束形成优化方法。算法对简单遗传算法的初始种群生成、适应度函数、交叉算子和异化算子等多个要素进行了改进,并融入了自适应技术。将改进的遗传算法应用于波束形成,并进行了仿真。仿真结果证明,有效地提高了收敛速度和计算结果的稳定性。证明改进遗传算的波束形成方法,获得了比原始方法旁瓣级更低的波束图,波束形成的性能更优。     

暂态混沌神经网络在蛋白质关联图预测中应用研究

蛋白质结构预测是生物信息学的一个主要研究方向,而蛋白质关联图预测是其中的一个重要内容.针对蛋白质关联图预测问题,提出一种暂态混沌神经网络实现方法,所提出的方法具有暂态混沌特性和平稳收敛特性,能有效避免传统Hopfield 神经网络极易陷入局部极值的缺陷.它通过短暂的倒分叉过程,能很快进入稳定收敛状态.仿真结果表明:暂态混沌神经网络解决蛋白质关联图预测问题时,总能收敛到全局最优或几乎接近全局最优,同时具有更高的搜索效率.这种方法预测精度达到0.27,比随机预测器高9倍.     

基于链路状态路由快速收敛技术的研究

路由收敛是指所有路由器路由表都达到了一致的状态。本文分析目前常见的链路状态路由收敛技术,并重点研究增量拓扑计算ISPF和部分路由计算PRC技术,针对拓扑变化发生在根节点时ISPF性能更差提出SimpleSPF算法,然后给出一种路由快速收敛技术的实现模型。     

基于改进遗传算法的商标多特征权值分配

提出一种改进的遗传算法用于解决商标图像检索中的多特征权值分配问题.针对以往的传统分配方法所存在的不足,提出了利用改进的遗传算法来分配权值.主要方法是将遗传算法中的轮盘赌选择与最优解保存法结合,并将染色体基因重新排列后进行交叉.把遗传算法用于图像检索系统的多特征权值分配,并将得到的特征权值用于商标图像检索系统,目的是为了提高检索系统的效率和精度,而且通过这种方法得到的权值检索出来的结果也比较符合人的视觉感官.     

■ukasiewicz命题逻辑系统中有限命题集的约简理论

在n值■ukasiewicz命题逻辑中提出了命题集Γ的约简理论,引入由命题集Γ所诱导的形式背景的概念,从Γ及其子集的关系出发给出了n值命题逻辑中有限命题集Γ约简的判定定理以及求Γ约简的方法。说明了无穷值■ukasiewicz命题逻辑中命题集Γ的约简可转化为n值情形。     

广义双线性系统的终端滑模控制

研究广义双线性系统的终端滑模变结构控制问题.基于Lyapunov稳定性理论,运用Lyapunov函数方法,给出广义双系统的终端滑动模超出面,设计相应的终端滑模变结构控制器,使得闭环系统渐进稳定,实现滑动模运动,保证系统状态在有限时间内到达平衡点,得到广义双线性系统全局稳定的充分条件.所给的可行性算例,说明这一方法的有效性与可行性.     

矩阵特征值估计的粒子群优化算法

利用Gersehgorin圆盘定理与矩阵特征值的性质,将特征值的求解问题转化为最优化问题.借助粒子群优化算法与二分法思想,精确地估计了实(复)方矩阵的全体特征值,并与Matlab软件中基于QR算法设计的特征值求解函数eig的计算结果作对比,绝对误差达到10-7数量级以上.同时,也解决了特征值分离度的估计问题.     

改进的距离浓度免疫算法

针对现有免疫算法在抗体的评价形式和记忆库使用灵活性上存在的不足,提出了一种改进的距离浓度免疫算法.该算法采用实数编码,并引入了B细胞的概念,将B细胞对应于问题的解,抗体对应于解的适应度函数,采用距离浓度策略控制抗体的数量,同时在算法过程中动态使用记忆库.仿真实验结果表明,该算法编码形式灵活,计算过程简捷,能有效保证抗体在解空间的多样性,提高了寻优的收敛速度和从局部最小中逃逸的能力.     

一种量子神经网络模型学习算法及应用

提出一种量子神经网络模型及学习算法. 首先基于生物神经元信息处理机制和量子计算原理构造出一种量子神经元, 该神经元由加权、聚合、活化、激励四部分组成. 然后由量子神经元构造出三层量子神经网络模型, 其输入和输出为实值向量, 权值和活性值为量子比特. 基于梯度下降法构造了该模型的超线性收敛学习算法. 通过模式识别和函数逼近两种仿真结果表明该模型及算法是有效的.     

适应性粒子群寻优算法Ⅱ

适应性粒子群寻优算法Ⅰ(APSO-Ⅰ)是在有序的决策中始终引入随机的、不可预测的决定.为解决APSO-Ⅰ算法收敛深度不够的问题,提出适应性粒子群寻优第Ⅱ代算法(APSO-Ⅱ).APSO-ⅡⅢ算法是将有序(标准PSO粒子群寻优)和无序(自适应寻优)进行适当的分离.以发挥各自的优势.在自适应寻优阶段,通过在最优柱子邻域空间探寻更优化的解.一但新的优化解被发掘,便利用标准PSO快速寻优.典型复杂函数优化的仿真结果表明,APSO-Ⅱ在收敛速度和收敛深度上均优于DPSO(耗散型PSO),HPSO(自适应层次PSO),EPSO(自适应逃逸PSO)和APSO-I.