协作认知网络中基于用户密度与感知时间的吞吐量优化

在协作认知网络中,增加协作的认知用户数,可以减少本地感知时间,但同时会增加通知时间,所以在优化感知性能时需要权衡考虑认知用户的数量。在考虑通知时间的情况下建立了协作认知网络吞吐量优化模型,在保护主用户的前提下,联合优化用户密度和感知时间使吞吐量最大。仿真结果表明：用户密度较大时,通知时间限制了吞吐量的提高,选择合适的协作用户数才能使吞吐量最优。     

多载波DSL系统中的一种多用户比特加载算法

针对多载波DSL系统在指定用户数据速率的情况下尽量降低传输功率,以降低对系统中其它设备的电磁干扰,提出了一种多用户比特加载算法.首先对该算法模型进行了分析,提出了数学公式,考虑了比特最高限额及功率最大值限制的情况,然后分析该问题的优化解的复杂度,最后在DSL系统环境下进行仿真,结果发现,该算法在2个用户的情况下与最优解几乎相同,比离散化的贪婪迭代算法性能要好,计算复杂度也较低.     

一种新型自适应遗传算法在多峰函数优化中的应用

为解决传统遗传算法在一维多峰函数优化中容易陷入局部极值、收敛概率低、稳定性不理想等问题,提出了一种新型的自适应遗传算法。结合自适应差分进化算法流程,提出了一种基于种群适应度变化程度而变化的非线性交叉算子和变异算子,使算法跳出局部极值,寻找到全局最优解,提升最优值迭代效率。函数测试实验表明,在一维多峰函数优化中,该算法在函数收敛概率、最优值迭代效率以及稳定性上比已有算法均有提高。     

离散非线性最优迭代学习控制近似算法

对于离散非线性系统迭代学习控制，在最优迭代因果学习律的存在性条件算法收敛性条件基础上，针对实际应用，提出了一种近似迭代算法，证明了近似迭代控制收敛于最优控制。     

基于阈值和区间筛选的SCMA多用户检测算法

在5G通信用户信息高吞吐量和大规模连接应用场景下,稀疏多址接入（sparse code multiple access,SCMA）可用于改善5G智慧场景通信质量。为了降低SCMA系统检测端算法复杂度,基于Max-log-MPA算法,提出了一种基于单阈值门限和区间范围的多参数组合设定的消息传递算法。在用户信息值迭代运算前利用门限阈值进行判断,当满足设定条件后方可参与算法的迭代过程,迭代计算过程中再次设定区间参数进行过滤筛选,使得通信场景所需的用户节点概率值参与计算,用户信息得到译码,2部分参数均可一定程度筛选用户信息值,从而达到降低算法复杂度的目的。仿真结果表明,提出的算法收敛速度和算法复杂度明显优于消息传递算法（message passing algorithm,MPA）,误比特率（bit error ratio,BER）性能损失也可得到保证,在误码率性能和算法复杂度权衡之间有灵活的参数组合方案,具有很强的适应性。     

混合交通网络设计问题的迭代降维算法(英文)

提出了一种优化的迭代降维算法求解混合交通网络设计问题. 混合(连续/离散) 交通网络设计问题常表示为一个带均衡约束的数学规划问题,上层通过新建路段和改善已有路段来优化网络性能,下层是一个传统的 Wardrop 用户均衡模型. 迭代降维算法的基本思想是降维,先保持一组变量(离散/连续) 不变,交替地对另一组变量(连续/离散) 实现最优化. 以迭代的形式反复求解连续网络设计和离散网络设计问题,直至最后收敛到最优解. 通过一个数值算例对算法的效果进行了验证.     

一种小波神经网络的优化算法

为了提高小波神经网络的收敛速度,文章提出了将负梯度下降法与DFP变尺度算法相结合进行权值修正的方法,在误差寻优初期采用梯度下降法迭代,当寻优过程开始接近最优时,更改寻优算法,使用DFP变尺度算法。通过仿真结果表明,改进算法减少了迭代次数,提高了算法收敛速度。     

基于蚁群粒子群混合算法的多目标优化在供水管网优化设计中的应用

在城市供水系统中,管网的铺设费用占很大比重。如何最大限度降低建设成本而又保证供水的可靠性,是供水管网设计的重点和难点。基于供水管网的固有特性,结合蚁群、粒子群算法的优点,将蚁群粒子群混合算法应用到供水管网设计的多目标优化中。将蚁群中的信息素、启发因子、信息素挥发度参数映射到粒子群算法中粒子的位置坐标,通过粒子迭代寻找最优位置,并将蚁群算法通过特定信息素更新方式并限制迭代次数来进行优化,再将粒子最优位置反馈到优化后的蚁群算法中,寻找最优解。通过此算法,优化了供水管网中管径的选择,在保证供水管网可靠性的前提下,尽量缩减建设费用,为决策者提供更加经济实用的决策参考。     

四旋翼飞行器动态粒子群优化算法的PID控制技术

针对四旋翼飞行器的标准粒子群优化算法PID控制器容易陷入局部最优解、过早收敛的问题,提出了一种动态粒子群优化算法的PID控制技术。该算法主要由两部分组成:①根据迭代过程中粒子群粒子与全局最优粒子间的欧氏距离大小动态改变惯性权重,并设置系数控制其对惯性权重的影响程度;②引入杂交进化,在指定迭代次数内,若粒子群全局最优值连续未变,则对指定数量的粒子进行杂交,增加粒子多样性,避免陷入局部最优。通过Matlab/Simulink搭建四旋翼飞行器模型并仿真。结果表明,该优化算法能有效地避免陷入局部最优和过早收敛,使四旋翼飞行器得到更平稳、精确的控制,减少超调,提升计算效率。     

求解作业车间调度问题的变邻域动态烟花算法

针对最小化最大完工时间的作业车间调度问题,提出一种基于变邻域搜索的动态烟花算法。变邻域搜索是一类重要的元启发式算法,在每一次迭代计算过程中通过搜索当前解的邻域得到一个改进的解,通过变邻域搜索方法可有效提高局部最优解的精度。与此同时,算法引入进化速度的概念,并通过进化速度计算烟花算法迭代过程中需更新的维度,实时调整相关参数,加快算法收敛,避免陷入局部最优。算例试验表明,该算法具有较好的鲁棒性,且能有效地提高算法搜索精度,加快收敛速度。     

三维锥束CT迭代重建算法对比研究

在计算机断层成像（CT）中,代数重建算法（ART）、联合代数迭代重建算法（SART）、有序子集期望值最大重建算法（OSEM）是迭代重建技术中广泛应用的3种技术,文章针对三维锥束CT情况,比较研究了上述3种迭代算法在含噪投影数据、完备投影数据以及投影数据稀疏和视角受限情况下的重建结果,并对重建结果进行了对比和分析。仿真结果表明：在一定条件下,OSEM算法重建的图像质量好于其他两种算法。     

高效图推荐算法应用研究

为解决PersonalRank图推荐算法在推荐系统应用中的效率问题,从降低时间复杂度和减少迭代次数两方面进行算法优化。首先,构建推荐系统中用户行为数据二分图和迭代推荐模型;然后,建立转移矩阵,通过矩阵运算转换传统迭代模型,求解稀疏矩阵线性方程组直接得到系统稳态,有效降低了推荐算法的时间复杂度;最后,通过确定游走概率,在不影响系统精度前提下,各节点概率值收敛前就提前停止迭代,大幅减少了系统迭代次数。实验表明,转移矩阵法推荐效率比传统迭代法提高了211倍左右,游走概率取值为0.1时精度趋于稳定。优化后的算法能有效提高推荐效率。     

Multi-user Detection Based on ICA with Processing of Optimal Bandwidth Kernel Estimatio

将核估计中递归选择窗宽的ICA算法应用于DS--CDMA系统的多用户检测中,在样本总体真实密度未知时,根据给定的核密度和抽取的样本点来选择最优窗宽。采用ICA最优核窗估计算法检测器的输出初始化独立分量分析的迭代,对任意混叠信号进行盲分离。通过仿真证明了该算法在DS--CDMA多用户检测中的有效性。     

ICA最优核窗估计的多用户检测

将核估计中递归选择窗宽的ICA算法应用于DS-CDMA系统的多用户检测中,在样本总体真实密度未知时,根据给定的核密度和抽取的样本点来选择最优窗宽。采用ICA最优核窗估计算法检测器的输出初始化独立分量分析的迭代,对任意混叠信号进行盲分离。通过仿真证明了该算法在DS-CDMA多用户检测中的有效性。     

结合遗传算法的粒子群算法改进与应用

标准粒子群算法（PSO）容易陷入局部最优解,导致收敛速度慢、效率低．文章结合遗传算法提出了改进的组合粒子群算法,在每次迭代后应用随机函数随机选择下一次迭代所使用的变异策略或交叉策略．由测试数据表明组合粒子群算法在求解TSP时性能上有很大提高．     

认知无线电网络中基于免疫优化的吞吐量调度（英文）

针对认知无线电网络中干扰温度下的吞吐量调度问题,基于问题的NP-hard特性,提出一种基于智能免疫优化的次优吞吐量调度算法.将吞吐量调度问题建模为一个最大化所有认知用户吞吐量的约束优化问题,给出了吞吐量调度问题和免疫算法的映射关系,设计了适合问题求解的二进制抗体编码方式、基于先验知识的抗体初始化方法、基于抗体亲和度的比例克隆方式及基于进化代数的变异算子.实验结果表明,所提算法可以得到大约95%的最优吞吐量,并且具有较低的线性复杂度.     

基于迭代局部搜索的路径规划蚁群算法

针对蚁群算法易早熟及局部搜索能力欠佳的缺陷,将迭代局部搜索策略引入蚁群算法。新算法的基本思想是：从初始解出发,用蚁群算法进行局部搜索,如陷入局部最优,则产生一个摄动解作为新的初始解再进行局部搜索,根据接受规则决定进入下一步迭代的局部最优解。将改进算法应用于二维路径规划,数值实验表明,改进算法相比基本蚁群算法有更佳的局部收敛性,可获得比基本蚁群算法结果更优路径。     

多信道环境下的偏斜调度策略研究

针对多信道广播中用户访问时间最小化的问题,提出一种偏斜调度策略。该策略引入了近似最优的TOSA算法的高层调度算法,然后将经典的多盘调度算法应用于算法中的低层调度以进一步提高数据广播性能。试验结果表明,该算法有效地降低了用户的平均访问时间．在偏斜数据访问模式下性能更优。     

用改进的同伦法求解工业资源的最优配置

针对工业资源最优配置的问题,运用对偶理论中的互补松弛性质,从经济学的角度上提出了一种新的同伦模型,同时给出了相应的算法.仿真实验证明,如果最优解存在,迭代过程收敛,并在求解过程中,随着参数取值接近于1,可获得原问题的一个近似最优解.     

自适应调整布谷鸟搜索算法研究

布谷鸟算法是基于启发式搜索的智能仿生算法。传统的布谷鸟算法收敛速度较慢,容易陷入局部最优解。针对该算法特点,对算法原理进行了分析,并就算法中步长和发现概率两个控制因素进行改进,使其根据迭代次数动态变化,提出了具有自适应调整特点的搜索算法,改变了步长和发现概率相应的更新方式,避免了传统布谷鸟算法容易陷入局部最优的缺陷,以增强算法搜索性能。实验对比表明,自适应调整的布谷鸟算法具有更好的寻优性能。