膜量子蜂群优化的多目标频谱分配

为了解决认知无线电系统中最大和网络效益和用户间公平性联合最优化的多目标频谱分配难题,基于量子蜂群理论和膜计算,提出了一种新的离散多目标组合优化算法—–膜量子蜂群优化.所提算法在基础膜可以搜索到单个目标的全局最优解,在表层膜获得兼顾网络效益和公平的Pareto前端解.通过膜间的通信规则、量子觅食行为的协同演进和非支配解排序可获得能同时求解单目标和多目标优化问题的多目标优化算法,并与经典的敏感图论着色算法、遗传算法、量子遗传算法和粒子群算法等频谱分配算法在不同的目标函数下进行仿真性能比较.仿真结果表明:在不同网络效益函数下所提的膜量子蜂群频谱分配算法都能够较好地找到单目标最优解,优于经典的频谱分配算法和已有的智能频谱分配算法,还可获得多目标频谱分配的Pareto前端最优解集.     

混沌量子克隆算法求解认知无线网络频谱分配问题

对认知无线网络中的频谱进行有效分配是实现动态频谱接入的关键技术.考虑3次用户对频谱的需求和分配的公平性,给出了频谱分配的数学模型,并将其转换为以最大化网络收益为目标的带约束优化问题,进而提出一种采用混沌量子克隆优化求解的认知无线网络频谱分配算法, 并证明了该算法以概率1收敛.最后,通过仿真实验比较了本文算法与颜色敏感图着色算法、基于遗传算法的频谱分配、基于量子遗传算法的频谱分配的性能.结果表明:本文算法性能较优, 能更好地实现网络收益最大化. 关键词： 混沌量子克隆算法 认知无线网络 频谱分配     

拟态物理学优化的认知无线电网络频谱分配

针对认知无线电网络中基于图着色模型的频谱分配问题,基于其非确定性多项式特性,以最大化网络收益总和为目标,提出了一种基于拟态物理学优化的求解算法. 在拟态物理学优化算法中,将频谱分配问题的解映射为一个具有质量的微粒,通过建立微粒的质量与其适应值之间的关系,并利用万有引力定律定义微粒间的虚拟作用力的大小,使整个群体向更好的方向运动,实现群体寻优. 给出了频谱分配问题的具体求解过程,并根据分配问题的二进制编码特点,改进了微粒的位置更新方程. 仿真实验表明：本文算法能更好地实现网络收益最大化. 关键词： 拟态物理学优化 认知无线电网络 频谱分配 网络收益     

基于量子遗传算法的认知无线电决策引擎研究

提出了基于量子遗传算法的认知无线电决策引擎，设计了待优化的多目标函数，利用量子遗传算法调整优化无线电参数，运用多载波系统对算法性能进行了仿真分析.实验结果表明该方法在收敛速度、收敛精度和算法稳定性上都明显优于经典遗传算法，在种群规模较小时仍然能获得很好性能，适合于实际实现.不同权重设置模式下仿真结果表明该方法能够在多个目标函数间进行权衡，参数调整结果与当前对目标函数的偏好一致.     

基于二进制粒子群算法的认知无线电决策引擎

提出了基于粒子群算法的认知无线电决策引擎,并提出了一种种群自适应粒子群算法,利用粒子群算法调整优化无线电参数,运用多载波系统对算法性能进行了仿真分析.实验结果表明基于二进制粒子群算法的认知决策引擎在收敛速度、收敛精度和算法稳定性上都要明显优于经典遗传算法,基于种群自适应粒子群算法的决策引擎则能进一步提高算法初期性能,满足认知无线电实时性要求. 关键词： 认知无线电 粒子群算法 遗传算法 认知决策引擎     

基于改进混合蛙跳算法的认知无线电协作频谱感知

提出了一种改进的混合蛙跳算法（shuffled frog leaping algorithm,SFLA）,并提出了基于改进SFLA的认知无线电协作频谱感知方法,通过仿真对改进SFLA算法性能与传统SFLA算法性能进行了比较,并对本文提出的基于改进SFLA的协作感知方法与已有的基于修正偏差因子（modified deflection coefficient,MDC）的协作感知方法性能进行了比较.结果表明改进SFLA算法性能优于传统SFLA;基于改进SFLA的协作感知方法比MDC方法能获得更大的检测概率,验证 关键词： 认知无线电 频谱感知 混合蛙跳算法     

用于认知无线电协作频谱感知的混合蛙跳算法群体初始化技术

提出了一种用于认知无线电线性加权协作频谱感知的改进混合蛙跳算法(shuffled frog leaping algorithm, SFLA) 的群体初始化技术, 提出在SFLA初始群体中包含基于修正偏差因子所得的解, 从而改进算法初期性能. 仿真结果表明相比于传统群体初始化技术, 本文所提出的群体初始化技术能够以更快的速率得到期望解, 从而节约计算时间, 更有利于实时应用 关键词： 认知无线电 频谱感知 混合蛙跳算法 群体初始化     

基于组合混沌遗传算法的认知无线电资源分配

提出了基于组合混沌遗传算法用于认知无线电资源分配,设计了相应的组合混沌序列发生器,并分别运用组合混沌遗传算法、粒子群优化算法、模拟退火算法及简单遗传算法对认知无线电资源分配问题进行了仿真分析.结果表明,组合混沌遗传算法具有收敛速度快、搜索空间广、全局收敛等优点.相比其他三种算法,基于组合混沌遗传算法进行资源分配提高了认知无线电系统的传输速率,降低了系统的发射功率及误码率,同时加快了收敛速度. 关键词： 组合混沌 认知无线电 遗传算法 资源分配     

一种用于认知无线电资源分配的并行免疫遗传算法

提出了用于认知无线电自适应调制和资源分配的并行免疫遗传算法,并对该算法、简单遗传算法和静态调制分配算法进行了仿真.仿真结果显示,该算法具有很强的全局搜索能力和较快的收敛速度,在误码率和功率受限条件下,该算法比简单遗传算法和静态调制方式的性能更好,同时明显降低了计算复杂度.     

认知无线电网络中利用FEC和DE的多节点频谱感知算法

针对认知无线电网络(CRN)中空闲频谱感知困难的问题,本文提出了基于前向纠错和差分进化算法的多节点频谱感知算法。首先,利用基于差分进化算法的协同检测完成信号感知;然后,研究了信道噪声对频谱感知性能的影响;最后,分析了前向纠错技术在信道存在噪声时对频谱感知性能的影响。仿真实验将纠错和无纠错控制信道的不同信噪比作为依据,采用三种不同的检测方法评估了本文算法。仿真实验结果表明,在存在噪声的认知无线电网络中,本文算法提高了系统的性能和检测概率,且协同感知算法的性能随着节点数目的增加而提高,该算法适合应用于实时性要求较高的应用程序。     

Network evolution driven by dynamics applied to graph coloring

An evolutionary network driven by dynamics is studied and applied to the graph coloring problem. From an initial structure, both the topology and the coupling weights evolve according to the dynamics. On the other hand, the dynamics of the network are determined by the topology and the coupling weights, so an interesting structure-dynamics co-evolutionary scheme appears. By providing two evolutionary strategies, a network described by the complement of a graph will evolve into several clusters of nodes according to their dynamics. The nodes in each cluster can be assigned the same color and nodes in different clusters assigned different colors. In this way, a co-evolution phenomenon is applied to the graph coloring problem. The proposed scheme is tested on several benchmark graphs for graph coloring.     

非平面图的色数算法

本文对非平面无向简单图的点着色问题进行分析研究后,提出了一个点色数算法.该算法不仅给出了非平面图求点色数的方法,同时也解决了着色方法.并且对算法所涉及的有关性质定理给出了证明.     

Immune-Motivated Optimization

An immune-motivated optimization method is proposed and applied to both spin glass and graph coloring problems. Also an immune-motivated modification for the numerical Euler method is proposed.     

基于遗传算法选择多光源下的光谱反射率重构研究

为解决基于RGB三通道信息值重构光谱反射率精度不理想的问题，提出了一种优化的基于RGB三通道信息的光谱反射率重构算法。首先编码产生随机选择多个光源的个体，RGB三通道值通过多项式回归算法预测多个光源下的三刺激值，并采用伪逆法进行多光源下的光谱反射率重构，然后将样本的重构精度作为个体的适应度评估值，以优胜劣汰，适者生存为原则对个体进行选择、交叉、变异操作，最后得到适用于颜色样本光谱重构的多个光源与基于这些光源重构得到的光谱反射率。实验选用Munsell颜色集作为训练样本集，RC24色卡、SG140色卡作为检测样本集，8个标准光源和82个发光二极管光源作为实验光源，采用该算法从90个光源中选取最优的光源组合并重构得到样本的光谱数据，并与Zhang提出的基于穷举法选择的多光源下的光谱重构方法和A光源下的伪逆法进行了重构精度对比。实验结果显示该研究提出的方法随着光源个数的增加，光谱反射率重构精度提高，特别是光源个数增加到3时，光谱重构精度提高的幅度最大。在三种重构方法中，该方法重构RC24的平均色差和平均光谱均方根误差分别为0.332 4和0.002 9，而Zhang的方法与伪逆法的平均色差分别为0.429 3和3.266，平均光谱均方根误差分别为0.029 7和0.004 8；该文方法重构SG140的平均色差和平均光谱均方根误差分别为0.486 2和0.007 3，而Zhang的方法与伪逆法的平均色差分别为0.544 8和3.821 9，平均光谱均方根误差分别为0.035 6和0.013 3。结果表明基于多光源下的光谱反射率重构精度明显优于基于单个光源下的重构精度，而基于遗传算法的多光源选择方法又优于穷举法，它能够根据颜色样本自动寻找到最优光源组合，从而基于最优多光源下的三刺激值重构样本的光谱反射率，提高了光谱反射率重构的精度。     

基于非线性加权最优模糊聚类的彩色图像增强

根据人眼对色彩的感知特性,提出HSV色彩空间上的一种非线性加权最优模糊聚类的彩色图像增强算法.将原始图像从RGB空间转换到HSV色彩空间,提取H、S、V三分量,对其中的亮度分量V进行非线性最优模糊聚类增强处理,将合成后的HSV图像转回到RGB空间,完成彩色图像的增强处理.实验结果表明,该算法能避免色彩失真,改善图像的色彩辨识性,提高了景物信息的清晰度.     

碳水化合物薄层分析的改进

本文报道了一种将显色剂直接加入到展开剂中进行碳水化合物薄层分析的新方法，该法仅用一种溶液兼做“展层－显色”液，使展开与显色并为一步完成，简化了手续，节约了试剂，尤其减少了展开剂与显色剂喷洒对环境的重复污染。样品斑点色度均匀而清晰，避免了显色剂喷洒不匀而造成的弊端。在同一层析板上，不同样品具有不同的Ｒｆ值，而且斑点的色度也有差别，故既利于分离，又利于定性。新方法对微型层析效果也很好。     

Generation of optimal persistent formations for heterogeneous multi-agent systems with a leader constraint

In this study, we consider the generation of optimal persistent formations for heterogeneous multi-agent systems,with the leader constraint that only specific agents can act as leaders. We analyze three modes to control the optimal persistent formations in two-dimensional space, thereby establishing a model for their constrained generation. Then, we propose an algorithm for generating the optimal persistent formation for heterogeneous multi-agent systems with a leader constraint(LC-HMAS-OPFGA), which is the exact solution algorithm of the model, and we theoretically prove its validity.This algorithm includes two kernel sub-algorithms, which are optimal persistent graph generating algorithm based on a minimum cost arborescence and the shortest path(MCA-SP-OPGGA), and the optimal persistent graph adjusting algorithm based on the shortest path(SP-OPGAA). Under a given agent formation shape and leader constraint, LC-HMAS-OPFGA first generates the network topology and its optimal rigid graph corresponding to this formation shape. Then, LC-HMASOPFGA uses MCA-SP-OPGGA to direct the optimal rigid graph to generate the optimal persistent graph. Finally, LCHMAS-OPFGA uses SP-OPGAA to adjust the optimal persistent graph until it satisfies the leader constraint. We also demonstrate the algorithm, LC-HMAS-OPFGA, with an example and verify its effectiveness.     

基于赋权连接图的增量式运动恢复结构算法北大核心CSCD

运动恢复结构算法(structure from motion, SfM)是一种通过计算图像匹配关系,恢复出相机位姿和目标三维结构的重建算法。提出一种基于赋权视角连接图的增量式运动恢复结构算法。首先建立基于图像对立体匹配质量的赋权连接图,量化了图像两两之间的匹配关系;其次在赋权连接图中边的权重的基础上,搜索度数感知的最佳初始种子对;最后根据已重建顶点的连通性构建下一张最佳图像候选集,设计了基于顶点度数与特征点分布的下一张最佳图像评价算法。在公开数据集上实验结果显示,本文算法在重建质量、相机校准率和点云生成数量的表现优于现有先进的运动恢复结构算法,相比基准对比算法,本文算法在不同数据集上平均重建耗时至少降低了19%,点云生成速率至少提升了21%。