基于MMSE准则的空时CDMA多用户检测算法研究

分析了空时CDMA信号模型,在此基础上提出了一种基于MMSE准则的空时CDMA多用户检测算法。并给出了该算法空时多用户检测接收机结构。计算机仿真结果表明本文提出的多用户检测算法在误码率性能上较传统的MMSE单用户检测算法和基于ML准则的空时CDMA多用户检测算法有较大的提高。     

蚁群游走控制的多层网络安全访问实现

传统的入侵检测技术采用基于7层标准模型的检测方法,对普通入侵数据具有较好的检测性能,但随着入侵数据的日益模糊化,传统检测方法的检测性能严重下降。提出一种基于蚁群游走的多层网路安全访问,将系统分为系统层、主机层、服务层的多层模型,然后将网络系统中的节点等效为蚁群单元,采用蚁群游走算法的随机适应性对入侵系统的数据进行检测,采用6元入侵数据进行系统性能测试,结果显示,算法能很好地检测入侵系统的多种非法数据,算法稳定性好,鲁棒性强,具有很好的应用价值。     

蚁群算法研究综述

蚁群算法是一种仿生进化算法.该算法在组合优化、网络路由、函数优化、数据挖掘等领域获得了广泛的应用,并取得了较好的效果.本文在对蚁群算法原理、模型研究的基础上,对国内外的研究现状进行了总结和分析,对今后的进一步研究提供了借鉴和参考.     

多用户检测技术及其发展

多用户检测技术是信号处理学界所关注的一个热点问题，本文主要介绍了盲多用户检测技术的数学原理、系统模型和求解问题的思路；对一些经典的基于二阶统计量和高阶统计量的算法进行数学理论分析，介绍了现在的研究进展，指出进一步的研究方向。     

蚁群算法求解多选择整数背包问题

本文针对一维、二维多选择整数背包问题的教学模型,采用动态规划和蚁群算法对其进行求解,并对蚁群算法作了适当的改进.随机数据实验表明,随着问题规模的扩大,动态规划算法的计算复杂度将急剧增大,造成求解困难,而基本蚁群算法及改进蚁群算法能够快速有效地求得问题近优解,且改进蚁群算法解的质量比原算法平均提高了2.8%.     

一种基于遗传蚁群算法的海量案例检索方法

针对传统的蚁群算法在海量案例检索应用中,由于冗余案例数据的干扰,算法易陷入局部最优解而不能对解空间进行全面搜索的缺陷,将具有快速良好的全局搜索能力的遗传算法加入到蚁群系统的每一次迭代过程中,提出了一种融合遗传算法和蚁群算法的案例检索算法,对案例进行聚类处理,建立案例映射模型,克服了蚁群算法的缺陷.实验结果表明,利用本文提出的遗传蚁群算法进行案例检索,能够有效地提高案例检索的效率,取得了令人满意的效果.     

DS-CDMA中经典多用户检测算法

多址干扰以及远近效应是影响DS-CDMA系统性能的两大关键问题。多用户检测是一种从接收端设计入手的干扰抑制方法,主要作用是从用户信息相互叠加的CDMA信号中可靠地解调出部分或全部用户的信息。多用户检测技术是消除多址干扰,缓解远近效应,提高系统性能的有效方法,本文介绍了几种经典的多用户检测算法,并通过仿真给出了所介绍的经典多用户检测算法的性能比较。     

蚁群链多层博弈网络监护信息融合特征优选

在网络安全预测监护模型设计中,需要对网络安全监护信息进行数据融合和特征优选,以提高对变异特征的识别能力。传统方法中,采用蚁群算法进行监护信息特征优化融合进化和链路模型设计,算法无法实现相邻簇头之间的信息素融合,特征优化效果不好。针对这一问题,提出蚁群链运动多层博弈的网络监护信息融合特征优选算法,构建多层博弈网络监护数据样本驱动空间权矩阵模型,引入粗糙集理论,对蚁群引导的粗糙集前馈补偿网络进行动态博弈,实现网络安全监护数据的预测控制目标函数最佳寻优。构建多层博弈网络监护系统模型,得到蚁群链运动的监护信息数据状态跟踪模型,实现网络安全监护信息的融合特征优选改进。仿真实验表明,该算法能有效提高对异常信息的监护和检测能力,有较高的特征优选品质,展示了本文算法在对网络安全监护中的优越性能。     

基于求解TSP问题的ACA-GA-PSO算法

为了有效求解TSP问题,提出一种融合蚁群算法、遗传算法、粒子群优化算法思想的混合算法。该算法基于最大-最小蚁群系统框架,在选择下一个城市时采用局部搜索策略避免陷入局部最优,在每次循环结束时用演化交叉策略优化得到的全局最短路径,从而提高求解TSP问题的求解精度及收敛速度。TSPLIB中不同规模的TSP问题的仿真实验结果表明了该算法的有效性与可行性。     

蚁群算法在TSP问题中的应用及其优化研究

蚁群算法是一种新型的模拟进化算法。分析了蚁群算法的基本模型和算法在TSP问题中的实现方式,针对其缺陷对基本的蚁群算法进行了一定的改进。     

蚁群算法中有关算法参数的最优选择

蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质。本文介绍了蚁群算法基本模型AS(Ant System)的原理、特点、构成和实现方法，对基本蚁群算法参数的合理选取进行了实验分析，给出了算法参数选取的基本原则，有利于蚁群算法在优化问题中的推广和应用。     

基于蚁群算法的R&D支出拟合模型研究

在对已有文献进行整理和分析的基础上,指出单一拟合方法中存在的不足,构建基于组合思想的R&D支出拟合模型,运用蚁群算法求解组合模型中的权重。借鉴已有文献中应用各种单一拟合方法计算得到的数据进行实证研究,实证结论表明:基于蚁群算法的组合模型能够更加准确地拟合出科学研究与实验开发的支出数值。一方面,验证了蚁群算法在该领域运用的科学性与合理性,为相关部门提供了决策依据;另一方面,为蚁群算法在相关领域的进一步发展奠定了基础。     

改进的蚁群引导电网系统云数据聚类故障检测

传统的蚁群算法在迭代过程中产生逆转变异,新的结点与链路也可能在任意时刻加入到云中,给电网系统云数据的云计算和故障数据预测检测带来很大难度,出现拥塞控制,导致聚类效果不好。结合云计算处理数据的特点,对传统的蚁群算法进行改进,提出一种改进的蚁群引导电网系统云数据聚类和故障检测算法,根据基因位随机数大小决定输出概率的精度,更新状态类别充分统计量,得到故障特征观测概率和初始概率,执行聚类中心更新规则。搭建的Hadoop集群云计算原型系统,在开源的云计算平台框架和HBase电网系统数据库下进行数据采集和算法实现。仿真结果表明,算法在数据聚类和故障检测中具有较好的应用性能。     

蚁群算法及其在组合优化问题中的应用

介绍了一种求解复杂组合优化问题的新型的模拟进化算法——蚁群算法。阐述了该算法的基本原理、模型以及实现过程,并且介绍了蚁群算法在TSP问题、二次分配问题、车间作业调度问题、大规模集成电路综合布线以及车辆路径问题等组合优化问题中的应用思路。     

基于多目标鱼群-蚁群算法的水资源优化配置

为了解决复杂的水资源优化配置问题和丰富智能优化方法在水资源优化配置中的应用,建立了以经济、社会、环境综合效益最大为目标的水资源优化配置模型和多目标鱼群-蚁群算法。经济效益以区域供水带来的直接经济效益最大为目标;社会效益以区域总缺水量最小为目标;生态环境效益以区域重要污染物排放量最小为目标;约束条件包括供水、需水、水环境和经济发展协调度等。多目标鱼群-蚁群算法融合了人工鱼群算法的快速跟踪变化和跳出局部极值优点以及蚁群算法的信息素正反馈优点,并将人工鱼群算法中的拥挤度概念引入到蚁群算法中,避免了蚁群算法初期可能早熟的问题。通过实验仿真,此算法具有较快的收敛速度和较高的寻优性能,能有效地找到优化解,从而为解决复杂的水资源优化配置问题提供了新的思路。     

蚁群算法发展评述

蚁群算法作为一种基于种群的模拟进化算法,在从提出到现在的短短十余年的时间里,已经被成功地用于解决各种复杂的组合优化问题,并且取得了令人欣喜的效果。但蚁群算法也有其相应的缺点。对蚁群算法的基本模型及其改进形式作了介绍,并对蚁群算法的未来研究方向作了展望。     

一种改进的蚁群算法及其在复杂TSP问题上的应用

以简单TSP问题为例描述了传统蚁群算法过程,提出了其存在的问题及解决该问题的方法.提出了复杂TSP问题的定义,结合改进后的蚁群算法提出了解决复杂TSP问题的方法.通过实验表明,改进后的蚁群算法能够用于解决复杂TSP问题.     

蚁群算法的原理及其在组合优化中的应用

蚁群优化算法是近年来出现的一种新的启发式搜索算法。首先介绍了蚁群算法的基本原理,然后讨论了其在组合优化中的应用,最后分析了蚁群算法的一些基本特点。     

基于蚁群算法的无线传感器网络路由算法实现

本文利用蚁群算法简单、局部工作等特点,结合传感器网络的特征,分析研究了基于蚁群算法的WSN路由算法,并阐述了蚁群算法的无线传感器网络路由算法的实现和仿真设计与分析。     

蚁群算法及其应用研究

蚁群算法是一种新型的模拟进化算法,是受到真实蚁群的觅食机制的启发而提出的。介绍了蚁群算法的基本原理和工作机制,并分别就蚁群算法的理论和应用进行了阐述,包括蚁群算法改进的不同算法以及蚁群算法在各个领域中的应用,并进一步给出了研究重点和发展方向。