基于量子遗传算法的认知无线电频谱分配

提出了基于量子遗传算法的认知无线电频谱分配算法,通过仿真比较了本文算法与颜色敏感图论着色频谱分配算法的性能.结果表明基于量子遗传算法的频谱分配算法性能明显优于颜色敏感图论着色算法,它能更好地实现网络效益最大化;当用户数和频带数较少时,量子遗传算法在进化代数很少时就能找到理想最优解,而颜色敏感图论着色算法所得到的解与理想最优解偏差较大. 关键词： 认知无线电 频谱分配 量子遗传算法 图论着色     

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     

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.     

基于混合智能算法的激光雷达数据拼接技术EI北大核心CSCD

双通道数据拼接技术能有效地增大激光雷达系统的动态探测范围,改善大气回波信号的信噪比。提出了一种基于非支配排序遗传算法Ⅱ(NSGA-Ⅱ)与邻域粗糙集(NRS)的大气遥感激光雷达数据拼接智能算法,即NRSWNSGA-Ⅱ,提高了数据拼接的准确性和稳定性。该算法以三个判断双通道数据拟合优度的评价函数为优化目标,通过NSGA-Ⅱ获得评价函数的Pareto最优解集,进而利用NRS训练数据样本得到的权重进行线性规划,实现了最优拟合范围内的全局随机搜索。实验结果表明,所提算法拼接效果良好并在全天性数据拼接工作中有较好的稳定性。     

非对称空间光学遥感器主动热控系统多目标优化设计

针对大口径、离轴、非对称结构的空间光学遥感器主动热控功率最小分配的难题,提出一种基于多目标遗传算法的功率优化方法。首先根据空间相机结构建立有限元模型。然后,凭借设计者的经验,根据相机结构特点及大致热分布规律,初步划分热控区域,规划设计变量和目标变量。之后,将设计变量和目标变量代入多目标遗传算法求出Pareto最优解集。最后,在最优解集中选出合适的功率分配代入到仿真模型中进行计算,得到优化后的功率分配及温度场。对某离轴三反空间相机进行了功率优化和地面热平衡试验。经TMG仿真计算,优化后整机波动范围在低温工况和高温工况分别降低了4.76%和35.7%,并且总功耗降低了6.85%。经地面热平衡试验表明,整机温度场温差控制在±0.5℃以内,满足±2℃的指标要求。     

基于混合智能算法的激光雷达数据拼接技术

双通道数据拼接技术能有效地增大激光雷达系统的动态探测范围,改善大气回波信号的信噪比。提出了一种基于非支配排序遗传算法Ⅱ(NSGA-Ⅱ)与邻域粗糙集(NRS)的大气遥感激光雷达数据拼接智能算法,即NRSWNSGA-Ⅱ,提高了数据拼接的准确性和稳定性。该算法以三个判断双通道数据拟合优度的评价函数为优化目标,通过NSGA-Ⅱ获得评价函数的Pareto最优解集,进而利用NRS训练数据样本得到的权重进行线性规划,实现了最优拟合范围内的全局随机搜索。实验结果表明,所提算法拼接效果良好并在全天性数据拼接工作中有较好的稳定性。     

基于NSGA-Ⅱ的催化裂化分馏塔的多目标优化

在催化裂化装置生产中,主分馏塔的操作水平和技术水平直接影响整套装置的经济效益;研究催化裂化加工装置优化设计,分馏系统的操作优化非常重要;引入已经建立的分馏塔多目标优化函数并运用NSGA-Ⅱ对模型进行求解;通过深入研究算法并对NSGA-II算法中各项参数设置后,求解得一组Pareto最优解,该组最优解具有良好的延伸和分布;并引入多目标综合评价优化函数,求得一组最优解;结果表明在满足约束条件下,分馏塔的汽油和柴油的产率能得到显著的优化。     

基于熔融盐加热的SMR膜反应器热力学优化

建立了基于熔融盐加热的甲烷蒸汽重整膜反应器(MS-SMRMR)模型,以甲烷转化率最大、氢气产率最大和总熵产率最小为优化目标,利用带精英策略的非劣解排序遗传(NSGA-Ⅱ)算法对MS-SMRMR进行了三目标优化。研究结果表明:Pareto最优前沿包含了各单目标优化的最优解;利用TOPSIS方法在Pareto最优前沿上选择得到了最优的决策点,该决策点所对应的甲烷转化率、氢气产率和总熵产生率与参考点的结果相比分别提高了 8.4%,8.5%和4.32%。     

超-超引射器多目标优化设计

推导出了超-超引射器性能计算和优化设计模型,借助Pareto优胜、Pareto最优解和Pareto前端等概念,采用基于多目标进化/分解算法（MOEA/D）的多目标优化方法,计算得到超-超引射器多目标优化问题的Pareto前端,解决了超-超引射器多目标优化设计问题,并与常规参数分析方法进行了比较。结果表明:超-超引射器性能影响参数相互关系复杂,增压比和引射系数作为引射器主要性能参数相互冲突,通过常规分析难以得到较清晰的设计准则,利用多目标优化设计方法可有效地辅助多属性决策和系统优化设计。     

基于混沌人工蜂群算法的无线传感器网络覆盖优化

针对无线传感器网络随机播撒的节点严重冗余并且导致网络寿命短、覆盖效率不高等缺陷,提出了一种混沌人工蜂群算法的无线传感器网络覆盖优化算法;将节点的利用率和覆盖率作为优化目标函数,建立与之对应的数学模型,之后用混沌人工蜂群算法改善人工蜂群算法陷入局部最优、收敛慢等问题,提高算法收敛速度和精度,对节点覆盖模型进行求解,得出网络最优覆盖方案;通过实验仿真,提出的算法提高了无线传感器网络的覆盖率,覆盖率可达93.48%以上,减少了网络节点冗余,提高了网络寿命,降低了网络成本。     

基于混合算法的光学合成孔径成像系统孔径优化

结合模拟退火算法和遗传算法的优点,在遗传算法中加入模拟退火算子,运用这种混合算法对子孔径结构进行了优化。以阵列的子调制传递函数覆盖点间距最大化及最小冗余度来设计目标函数,实现了单圆周孔径阵列和双圆周孔径阵列的优化排列。使用仿真程序对优化阵列的光学传递函数进行了分析,将优化结果与相同子孔径数目的单圆周结构进行仿真实验和比较。结果表明,采用这种混合算法是可以很好的解决光学合成孔径结构的优化问题,优化结果接近全局最优解,优化后的双圆周阵列接近Golay阵列,具有更大的实际空间截止频率。     

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     

基于粒子群优化算法的膜系设计方法

粒子群优化算法是一种新的演化计算技术,与遗传算法相比,粒子群优化算法具有易于实现,控制参量少等优点,且在大多数的情况下,可快速收敛于最优解.为了获得更优的膜系结构,本文提出了一种利用粒子群优化算法进行膜系设计的方法,并以增透膜、高反膜及分光膜为优化设计实例验证该方法的可行性.在这些实例中,以理论反射率和实际反射率的误差平方和为评价函数.结果表明,将粒子群优化算法用于膜系设计是有效的,在相同设计条件下,应用粒子群优化算法可以得到比遗传算法更优的膜系结构.     

基于免疫遗传的多目标优化

提出了一种免疫遗传算法(MOGA)用来解决多目标优化问题。在该算法(MOGA)中,使用了高斯变异算子,提高了收敛速度;创建了记忆细胞集来保存每代所产生的Pareto最优解。此算法与NSGAⅡ算法进行模拟实验结果进行对比,通过比较发现,该算法无论是在个体的多样性还是收敛性上都要比NSGAⅡ算法好,表明免疫遗传算法在解决多目标优化问题上具有可观的研究前景。     

基于粒子群优化算法的膜系设计方法

粒子群优化算法是一种新的演化计算技术,与遗传算法相比,粒子群优化算法具有易于实现,控制参量少等优点,且在大多数的情况下,可快速收敛于最优解.为了获得更优的膜系结构,本文提出了一种利用粒子群优化算法进行膜系设计的方法,并以增透膜、高反膜及分光膜为优化设计实例验证该方法的可行性.在这些实例中,以理论反射率和实际反射率的误差平方和为评价函数.结果表明,将粒子群优化算法用于膜系设计是有效的,在相同设计条件下,应用粒子群优化算法可以得到比遗传算法更优的膜系结构.     

基于IAGA的空间测量定位系统测站优化部署

空间测量定位系统是一种基于光电扫描的角度交汇测量系统,由于该系统是在多测站协同作用下实现坐标测量,因此测站的布局优化是应用时面临的重要问题。为了解决该问题,提出了一种基于改进自适应遗传算法的测站优化部署方案。以系统定位精度、覆盖度和使用成本作为多目标优化函数;将进化代数衰减因子与自适应遗传算法相结合,根据多目标函数建立改进自适应遗传算法优化流程;对2~4个测站进行仿真优化分析。仿真结果表明,与传统自适应遗传算法相比,该方法能在10~20代内收敛到最优解并获得更优的目标函数值。因此该方法在空间布局优化设计中能有效提高系统的测量性能。     

线性菲涅尔聚光集热系统光学综合性能的多目标优化研究

本文基于MATLAB多目标遗传算法与蒙特卡罗光线追迹方法提出了一种线性菲涅尔聚光集热系统光学综合性能的多目标优化计算方法。在模型验证基础上,结合计算时间缩减技术和名义年效率概念,以名义年效率和热流不均匀度为目标函数,对线性菲涅尔聚光集热系统主镜场、二次聚光器以及吸热器的关键几何结构参数进行了多目标优化研究,获得了不同地理纬度位置与镜场跟踪模式下的系统光学综合性能Pareto最优解集。针对所得到不同情形下Pareto最优解集,采用逼近理想点排序法筛选推荐了相应的线性菲涅尔聚光集热系统几何结构参数最优组合,可为此一类系统的建造选址、运行策略、结构选型和参数优化提供工程指导或技术参考。     

基于改进遗传与模拟退火融合的RISP软硬件划分

软硬件划分是可重构指令集处理器在软硬件协同设计中的关键问题,通过对比遗传算法和经典模拟退火算法的优缺点,提出改进遗传算法的适应度函数,同时将Tsallis接受准则引入到经典模拟退火当中。其思路是用遗传算法的结果来制约模拟退火算法产生的随机状态,然后由模拟退火的接受准则以及产生的随机状态函数对遗传算法的种群进行更新,从而找到全局近似最优解。实验结果证明,改进算法与单一遗传算法以及经典模拟退火算法相比,其收敛速度和适应度更好,找到全局近似最优解的概率更大。     

基于遗传算法的升力体外形优化设计

升力体由于低热流率再入物理特性和高效的内部容积利用率，是高超声速飞行器气动外形的一种典型布局.文章对升力体飞行器进行参数化数值建模，并提取其表征外形的参数作为设计变量，综合考虑飞行器再入过程中的气动力、气动热、容积利用率及稳定性等性能指标.运用多目标混合遗传算法对升力体进行了多变量、多约束下的气动外形优化设计，获得了再入飞行器外形的最优Pareto解.数值模拟结果表明，典型状态下最优Pareto解与CFD结果相差12%，验证了优化结果的准确性.      

非均匀产热圆盘辐射状和树状冷却流道构形设计

基于构形理论和(火积)理论,建立三维稳态非均匀产热圆盘"盘-点"对流传热模型以研究产热非均匀分布对电子器件热设计的影响.以(火积)耗散率与耗功率的复合函数最小为优化目标,得到不同产热分布条件下圆盘内部辐射状和树状冷却流道的最优构形,并采用NSGA-Ⅱ算法对该多目标问题进行优化得到其Pareto最优解集.结果 表明:1)...