上行链路NOMA系统资源分配优化算法

针对应用非正交多址接入（NOMA）的上行通信系统,为了保证用户服务质量,尽可能提高系统传输速率,通过限制每个子带中复用用户数量以及每个用户可占用子带数,提出一种子带和用户分配的优化算法。同时,还提出一种功率分配方案以最大化系统和速率,并利用KKT最优约束条件求出问题最优解。仿真结果表明,该方案保证了一定的用户公平性,同时系统传输速率性能优于传统多址接入系统。     

基于NOMA的车联网资源分配算法（英文）

为了改善车辆高速移动引起的快速时变信道,实现有效可靠的车联网通信,研究了将非正交多址接入(NOMA)应用于平直高速公路蜂窝通信车辆用户(V2I)场景下的下行单播传输用户对(V2V)车联网资源分配算法.提出基于地理位置的V2V分簇算法,在基站端对信道资源进行预先分配.综合考虑V2I用户全局地理位置与分簇结果,使用Kuhn-Munkres算法完成子信道分配.采用改进的粒子群算法获得各发送方车辆用户最优发送功率.仿真结果表明:与现有基于设备到设备(D2D)的车联网资源分配相比,该算法有更高的网络连接能力,可有效收敛并提升频谱利用率,实现更高的传输速率.     

基于GSO-SFLA算法的多中继OFDM子载波分配

为研究多中继协作正交频分复用(orthogonal frequency division multiplexing,OFDM)系统子载波分配,提出了萤火虫算法与混合蛙跳算法相结合的联合优化算法(GSO-SFLA)来搜索最优子载波对。在总功率约束条件下,以最大化信息传输速率为优化目标,提出了子载波分配模型,给出了基于GSO-SFLA算法的子载波分配步骤,并仿真验证了所提出的子载波分配方案。仿真结果表明,与固定子载波算法和传统的萤火虫算法相比,所提出的基于GSO-SFLA子载波分配方案能获得较大的信息传输速率。     

一种基于ALOHA的RFID标签多址接入算法

多址接入问题是多节点信号共享一个无线信道产生的信号冲突问题,是RFID系统的主要问题之一。目前,解决该问题的方法有4个：空分多路法、频分多路法、码分多路法和时分多路法,而RFID系统中常用的TDMA算法是ALOHA算法。对ALOHA算法的过程及效率进行了分析,在帧长和标签数目相同的条件下,求出系统吞吐率最大值。在此基础上提出一种标签估算算法,并对其估算误差率进行了分析。计算机仿真实验证明,随着帧长和标签数增加,该算法可以有效降低误差率,解决RFID标签多址接入问题。     

基于 NOMA 的无均衡可见光通信系统

可见光通信系统中的预均衡能提高 LED 带宽,但会损耗能量。研究表明,输入信号频率数量级为 KHz时,有 97%的能量损失,当输入信号频率为 100MHz 时,有 40%的能量损失。为了杜绝预均衡的能量损失,提出一种无均衡可见光通信系统,即发射端无预均衡电路,利用非正交（NOMA）技术为几路信号分配不同大小的功率,并将这几路信号进行叠加,然后传输给带宽为 50MHz 的 LED 进行发射,接收端采用串行干扰消除技术进行解调。经过仿真,采用两路信号在功率域叠加,与有均衡系统相比,在误码率为 3.8 ′ 10-3 时,无均衡系统能节省能量,即输入信号频率为 100MHz 时能够避免 97%的能量损失。因此,该无均衡可见光通信系统可以有效避免能量损失。     

一种基于误差补偿的部分码字SCMA检测算法

针对稀疏码多址接入(sparse code multiple access,SCMA)技术中多用户检测算法复杂度过高的问题,根据SCMA的非正交特性,提出了一种基于误差补偿部分码字球型译码的log-MPA检测算法(ECPC-log-MPA)。通过设置球型半径减少参与迭代的用户码字,并引入信道质量判决机制进一步降低log-MPA算法的计算复杂度;为降低log-MPA算法的误码率(bit error ratio,BER),引入误差补偿机制,采用稀疏度自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法对误差进行估计,并对检测信号进行补偿。仿真结果表明,所提算法可以在保证误码率的同时有效降低计算复杂度,且算法的计算复杂度会随着信噪比(signal noise ratio,SNR)的增大明显降低。     

一种新的混沌免疫优化算法

结合混沌优化算法与免疫算法的特点,提出了一种新的混合优化方法———混沌免疫优化算法.该算法综合了免疫算法与混沌优化算法在各自的空间搜索优势,充分利用免疫算法的记忆库中当代最优解指导混沌搜索。实验结果表明,该算法具有较强的搜索能力和收敛性能,算法有效可行。     

一种有效的全局优化算法--模拟退火算法

模拟退火算法是有效的全局优化算法,本文讨论了模拟退火算法发展过程及其理论依据,利用MAT-LAB语言编写程序并测试分析,认为算法本身可进一步改进,提出了算法改进思路和方法.     

基于蚁群优化算法的虚拟火灾逃生路径优化

为了解决在火灾逃生路径优化问题中一般传统优化算法不考虑优化对象本身特征,不能动态更新算法策略,导致路径优化有效性低的问题,通过Pyrosim软件动态模拟火灾情况并输出环境参数,选用智能优化算法中的蚁群优化算法。通过改进当量长度代替算法中的几何长度,改进目标函数,对信息素挥发系数R按火场环境进行动态更新。模拟仿真了火灾发展3个时期的路径优化,验证了该算法程序的有效性和收敛性,提高了路径优化的有效性。     

一种改进的粒子群优化算法

为了克服传统粒子群算法（Pso）的早熟和局部最优问题,通过分析基于惯性权重的粒子群优化在粒子寻优过程中的可行性,提出了一种变惯性权重的改进PSo算法,并对经典的测试函数进行TN试。实验结果证明,与传统PSO算法以及基于惯性权重的PSO相比,改进算法的寻优效果较好,全局搜索能力有显著提高,并能有效地避免早熟收敛问题。     

一种新的仿生优化算法及其改进

针对基本混合蛙跳算法随机性强,在处理复杂函数优化问题时容易陷入局部最优、收敛速度慢的缺点,提出了一种改进的混合蛙跳算法,该算法利用高斯变异算子对子群最差青蛙进行适当的扰动,修正了其更新策略,从而维持了群体的多样性.用典型测试函数对粒子群优化算法、基本混合蛙跳算法及改进算法进行对比实验,仿真结果验证了新算法的有效性和鲁棒性.     

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。     

基于OpenGL的求解函数优化的一种混合演化算法

在郭涛算法的基础上,设计出了一种求解函数优化问题的混合演化算法。测试函数表明,该算法计算过程简捷,寻优效果良好,能够快速可靠地求出函数的最优值,可有效地应用于多峰函数求最值问题,是一种较为理想的寻优方法,具有较大的实用价值。     

一种离散细菌菌落优化算法研究

为了拓宽智能优化算法解决实际问题的能力,提出一种离散的细菌菌落优化算法。首先,设计新的个体编码方式以及进化方式;其次,融合禁忌搜素算法,克服算法易陷入早熟的不足;最后,与其它算法在Taillard标准调度测试问题集上比较实验,验证了算法的有效性。仿真表明,算法能够寻求到问题的最优组合。     

基于绿色云计算的能耗优化与资源分配研究

任务调度和资源分配是云计算的两大关键技术,资源分配决定着资源使用规则,关系到云计算的执行效率和并发处理能力。针对绿色云计算中的资源管理与调度过程,在Map Reduce调度模型基础上,设计一种并行Map Reduce资源分配算法。实验结果表明,该算法在能耗优化和执行时间方面都优于Map Reduce算法。     

一种新的OFDM系统信道盲估计的子空间算法

为提高OFDM系统的传输效率,提出了一种利用接收信号的二阶统计特性实现信道盲估计的子空间算法.首先将OFDM信号分成3部分,利用循环前缀(CP)引入的信息冗余,对OFDM系统的传输方程作矩阵变换,得到一个信道矩阵为Toeplitz矩阵的新方程.基于此方程推导出信道估计的子空间算法.Toeplitz矩阵结构使算法的推导和实际的计算大为简化.该算法不需要改变OFDM系统结构,不受信道零点位置的限制,在信道过估计的情况下也适用.实验结果验证了算法的有效性.     

一种非光滑优化算法收敛速度的估计

以非光滑优化理论为基础，对算法TR的收敛速度作了估计，并给出了证明。     

一种改进的权均值粒子群优化算法

针对粒子群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了权均值粒子群优化算法。通过在"认知"部分和"社会"部分加入随机权值更新粒子的飞行速度,使粒子能够很快地收敛到全局最优点。典型函数的仿真结果表明,该算法不仅具有较好的全局收敛性能和较快的收敛速度,而且有效地避免了早熟收敛问题。     

一种基于信息素的FCM蚁群聚类算法

针对FCM聚类算法存在的一些缺陷,结合蚁群优化算法的优点,提出了一种基于信息素的FCM蚁群聚类算法.该算法通过FCM算法获得新的聚类中心,利用蚁群优化算法的全局搜索性、并行计算性等特点避免了聚类陷入局部量优解.仿真结果表明了该算法的有效性.     

浅析求解最大子段和问题的算法

用计算机解决复杂的问题,往往把一个大的、复杂的问题根据其功能划分为不同的模块,每一个模块完成一独立的功能.如果每一个模块用计算机语言来实现,那么当所有模块都实现时,即为对复杂问题的解决.最大子段和问题就是一具有独立功能的小模块,在很多大的问题中都涉及到此问题,用不同的算法解决此问题,并分析其优劣.