一种新颖的共形阵非均匀子阵的优化算法

提出了一种新的同时对共形阵非均匀子阵分区和子阵幅度激励进行优化的多目标进化算法,为此设计了新的多目标函数,通过在改进的强度 Pareto 进化算法(SPEA2)使用克隆选择算子和双交换遗传操作算子,从而提高搜索效率和收敛性,可以有效改善整个阵列的辐射特性。 在系统仿真中,结合工程化实际应用,本文提出的 MOEA 算法对 20×20 阵列进行非均匀子阵分区和对各个子阵的幅度激励优化,仿真结果表明其天线阵列在扫描空域的峰值旁瓣电平(PSLL) 以及方位和俯仰波束宽度等性能参数得到明显改善,该方法对改善整个阵列的辐射特性是有效的。     

一种平面阵的非均匀子阵划分方法

大型相控阵雷达阵元数目众多,系统结构复杂,在实际中一般采用子阵结构,以减少通道数和设计成本。均匀划分的子阵级波束形成会产生栅瓣和栅零点;设计合理的非均匀划分方法可以有效的抑制栅瓣和栅零点,缺点是旁瓣较高和自适应性能下降。本文针对等幅平面阵提出了一种简单的非均匀划分子阵的方法,能够打乱子阵排列的周期性,有效降低了子阵级方向图的旁瓣。仿真验证了该方法的有效性。     

基于粒子群优化算法的非均匀子阵波束形成技术

基于粒子群优化算法提出了一种非均匀子阵波束形成方法。首先利用粒子群优化算法实现线阵最优非均匀划分;其次在线阵最优划分的基础上扩展到面阵最优非均匀划分;最后在面阵最优非均匀划分的基础上在期望区域内形成任意指向的波束。该方法既可以在期望区域内形成任意指向波束,又充分发挥了子阵级波束形成的优势。仿真结果表明该方法是有效的。     

基于聚类算法的最优子阵划分方法研究

 系统研究了大型阵列雷达中的最优子阵划分问题.分析了权矢量逼近准则下最优子阵划分方法的理论基础,得出最优子阵划分方案是否具有邻接性的判断依据,同时提出了一种新的子阵划分方法.与传统的基于聚类算法的子阵划分方法相比,新方法能够进一步减少权矢量逼近误差,获得更优的波束性能.在给定面阵结构及和差波束形成框架下,对提出的新方法进行仿真分析,并与两种传统的子阵划分方法相比较,验证了新方法的有效性.     

一种多策略融合的多目标粒子群优化算法

为提高多目标粒子群算法在解决复杂多目标优化问题中的整体性能,提出一种多策略融合的多目标粒子群算法.该算法采用均匀化与随机化相结合的方式初始化种群,在粒子速度更新中新增一扰动项,运用简化的k-最近邻方法维持档案以及对档案个体赋予生存期属性并动态调整生存期值.实验结果表明,在GD和SP性能指标上,本文算法与另外5种对等算法在ZDT和DTLZ系列测试问题上进行对比,其表现出了总体显著性的性能优势.     

阵列雷达最优子阵划分研究

在大型的相控阵天线中,为降低系统复杂性及应用成本,需要采用子阵划分技术对天线阵面进行最优划分。首先总结了基于子阵划分的相控阵雷达信号处理流程,在此基础上,从低副瓣的多波束、子阵级自适应干扰抑制等不同方面研究子阵划分技术。对现有子阵划分的研究途径、划分的方法以及各自特点进行研究和归纳。在抑制波束旁瓣方面,建立了求解最优子阵划分的优化数学模型;在自适应抗扰方面,分析了栅零点等影响子阵级自适应处理性能的因素。最后提出了最优子阵划分问题的进一步研究方向。     

一种适用于空时自适应信号处理的子阵划分方法

提出了一种适用于空时自适应信号处理的子阵划分方法，它通过简单的网络合成来减少原来需要处理的单元数。仿真结果表明，这种方法不仅简单实用，而且很有可能在工程上得以应用。     

遗传二进制多粒子群优化算法及其在子阵STAP中的应用

抑制杂波和干扰的子阵空时自适应处理的性能会受子阵方向图栅瓣的影响而严重下降,非均匀子阵划分和子阵权值设计可有效抑制天线方向图的栅瓣,消除STAP性能曲线上的栅凹口.由于子阵划分和子阵权值分别对应于整数和实数变量,使得该问题为一种特殊的混合优化问题.针对该特殊问题本文提出了一种新的遗传二进制多粒子群优化算法-GBMPSO.该算法不仅可处理二进制编码粒子,而且采取了多粒子群共同进化且在同一种群内部进行交叉和变异的机制,有效避免了算法早熟.针对四种典型测试函数的仿真实验表明,GBMPSO算法与二进制PSO算法和遗传算法相比在收敛速度和算法精度上均有明显的优势.最后,给出了该算法在子阵STAP中应用的实例.     

一种消解协商僵局的多目标粒子群优化算法

解决协商僵局问题是协商优化中的重要研究课题.利用协商议题之间的相关性,提出了一种用于消解双边多议题协商僵局的多目标粒子群优化算法(MOPSO).MOPSO首先动态放宽僵局议题的保留值,然后将僵局议题相关的多个议题的保留值缩紧问题转化为一个多目标优化问题,通过粒子群搜索到Pareto最优解集,从而并行优化了这些相关议题的保留值,最后在不降低协商者整体利益条件下进行协商议题保留值向量等效置换.实验验证了MOPSO是有效的,其僵局解决能力明显比现有的其他方法强.     

基于多目标优化的SoC软硬件划分方法研究

集成电路不断发展,SoC已经成为电子系统设计的主流,软硬件的划分又是其中的一个重要部分。文章采用基于多目标优化的遗传算法,对从任务级进行抽象建模所得到的系统模型进行软硬件划分。将Pareto最优概念与多目标优化问题相结合,应用于遗传算法中,从而实现了兼顾系统面积、功耗、成本等参数的软硬件划分方法。     

基于多种群动态协同的多目标粒子群算法

针对复杂的多目标问题,文中提出了一种基于多种群动态协同的多目标粒子群算法。该算法设置多个种群同时进行独立搜索,从而有效提高算法的搜索能力。此外,为进一步保证种群多样性,该算法利用动态聚类策略将种群划分为两个子群,并改变子种群的更新方式。通过动态学习样本和差分变异,进一步避免算法陷入局部最优。经过对一系列标准测试函数进行仿真,验证了该算法在多目标问题上的有效性。将该算法与5种现存算法进行比较,结果显示该算法的多样性和收敛性均具有明显的优势。     

A Multi-Objective Particle Swarm Optimization Based Algorithm for Primary User Emulation Attack Detection

Wireless Personal Communications - The cognitive radio network (CRN) has been proposed to overcome the spectrum scarcity and the massive demand on the radio frequencies through efficient...     

基于多目标微粒群优化的异质数据特征选择

环境和测量仪器精度的影响,使得采样数据的不同特征具有不同的质量.对这类异质数据进行特征选择,需要同时考虑特征子集确定分类器的准确度和可靠性,从而增加了特征选择的难度.本文研究异质数据的特征选择问题,提出一种基于多目标微粒群优化的特征选择方法.该方法首先以特征选择的概率为决策变量,将具有离散变量的特征选择问题,转化为连续变量多目标优化问题;然后,采用微粒群优化求解时,基于高斯采样,产生微粒的全局引导者,以提高Pareto解集的分布性;最后,依据储备集中元素更新的速度,确定需要扰动的微粒,以帮助微粒群跳出局部最优.将所提方法应用于多个典型数据集分类问题,实验结果表明了所提方法的有效性.     

基于粒子群优化的传感器预分配方法

针对实时传感器管理算法的局限,在深入分析传感器管理问题本质特征的基础上,提出一种传感器静态预分配方案。然后,以低轨星座目标连续跟踪为应用背景,提出一种基于修正粒子群优化的传感器预分配方法。仿真实验表明,所提方法虽然需要较长时间的静态分配过程,但是其实时运算效率明显高于实时传感器管理算法,因而给上层系统设计留下更多富余时间。      

用于约束优化的简洁多目标微粒群优化算法

本文提出了一种少控制参数的约束多目标微粒群优化算法.该算法利用关于微粒全局和个体最优点的高斯分布来更新微粒的位置,无需设置惯性权重和学习因子等控制参数;利用非可行储备集保存所得非可行解,给出一种改进的储备集更新方法;为均衡微粒对未知可行域和已知可行域的开发/探索能力,提出一种线性递减策略,用来分配微粒从非可行储备集中选...     

一种求解SLA等级感知服务组合问题的多目标离散粒子群优化算法

针对SLA等级感知服务组合问题,本文提出了一种求解该问题的多目标离散粒子群算法(MDPSO),建立了多目标粒子群算法优化模型.根据该问题的特征,对粒子更新策略进行重新设计;并且提出粒子变异策略以抑制群体的早熟收敛增强群体的全局搜索能力.另外,提出了一种基于约束支配关系的局部搜索策略并将其结合到MDPSO算法,形成算法MDPSO+.最后对MDPSO算法的参数设值进行了分析,并将算法MDPSO、MDPSO+与最近提出的求解该问题的E³-MOGA算法及NSGA-II算法在不同规模的测试用例上进行了实验对比,结果表明算法MDPSO+能够更加有效的解决该问题.