基于GA-PSO算法的清酒质量等级研究

酒的质量等级评定是一件十分重要的工作。鉴于酒的质量等级为分类变量不能利用传统回归模型,于是采用Logistic回归模型进行建模。在结合一次对葡萄牙清酒全面调查所获得的实际数据的基础上,利用了有序Logistic回归构建了清酒质量等级预测模型,并利用了遗传算法(GA)、粒子群算法(PSO)、遗传-粒子群算法(GA-PSO)三种方法进行优化,得出GAPSO算法比上述其他两种算法能更有效地找出全局最优解。同时,找出了一组能获得最优质量等级的数据。     

基于粒子群优化算法的传感器优化部署方法研究

针对目前三维空间传感器部署算法PSO算法存在寻优精度、全局收敛性和收敛速度不能保证的问题,提出了通过惯性权重线性递减策略与动态加速常数自适应策略改进的基于粒子群的WCPSO优化算法,有效地提高了算法的寻优精度和收敛速度。给出了算法的设计方案并进行了来袭路径未知和来袭路径预估情况下的仿真实验,仿真实验结果表明WCPSO算法的优化效果和效率都要优于改进前的PSO算法。     

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.     

基于粒子群算法的雷达网优化部署方法研究

为了利用有限的雷达资源对监视区域进行合理、有效布站,提出了一种基于粒子群算法的雷达网优化部署方法。建立单/多雷达探测范围模型,给出雷达网探测性能评估指标,并以此构造目标函数,利用粒子群算法完成对雷达网各平台位置的优化部署。利用Matlab工具进行了仿真分析,仿真结果验证了该方法的有效性。     

基于多目标粒子群优化的DCT域数字水印算法

根据对粒子个体的非支配排序和计算拥挤距离,提出一种改进的多目标粒子群优化(IMOPSO)算法。将IMOPSO应用于DCT域数字水印系统设计,提出基于多目标粒子群优化的数字水印算法。该算法以水印嵌入位置作为粒子的解,以不可见性(PSNR)和鲁棒性(NC)作为两个优化目标,得到数字水印系统的最优解集。实验结果表明,提出的算法得到多种满足PSNR值和NC值平衡的水印嵌入方案。与其他相关算法在同等条件下相比较,算法满足水印不可见性的同时,在噪声、压缩、裁剪等攻击下具有较好的鲁棒性。     

基于多目标优化算法的天线布局方法

针对现有天线布局中单目标优化算法的不足,提出了一种基于拥挤距离的多目标粒子群优化算法。建立了基于天线隔离度的优化布置模型,将该算法与FEKO软件相结合,通过一个简单的天线优化布置实例,验证了该算法的有效性。     

求解多目标优化问题的GTSPA混合算法

为了有效求解多目标优化问题,文中结合遗传算法、禁忌搜索算法以及粒子群算法的优势,设计了一种新型的混合算法GTSPA,并对所设计的GTSPA混合算法的总体步骤进行了描述.通过从解的质量、算法的收敛性以及算法的复杂度这几方面对算法进行分析,可以发现:GTSPA混合算法是以较大概率收敛于全局最优的,具有很好的收敛性,并且运算相当快、计算复杂度并不高,具有很好的优势.     

基于临近空间飞行器的区域自组网优化部署算法

该文针对基于临近空间飞行器的新型区域自组织网络,提出一种优化部署方案。采用线性递减权值粒子群算法,对于临近空间飞行器节点,一个粒子代表所有飞行器节点坐标集合,以最大化网络覆盖空间的联合通信覆盖率为目标,进行节点的优化部署。对于地面骨干节点,一个粒子代表一个网络分区内骨干节点坐标,以最多覆盖节点数和最小平均跳数为目标,进行初始化。网络运行过程中根据任务区域内数据业务分布情况,以趋近数据量多、业务优先级高的区域为目标,动态调整更新地面骨干节点位置。仿真结果表明,所提方案能为上层协议的运行提供良好基础,使网络分组投递率、延迟和开销等性能得到改善。     

基于IMOPSO算法的多目标多聚焦图像融合

目前的多聚焦图像融合方法对于融合模型的建立主要依赖于经验,其参数配置存在主观性.提出了一种基于IMOPSO算法的多目标多聚焦图像融合方法,简化了多聚焦图像融合模型,克服了参数配置对经验的依赖性.首先给出了多聚焦图像融合有效的评价指标,然后构造了统一的小波域多聚焦图像融合模型,最后以模型参数作为决策变量,采用IMOPSO算法进行多目标优化搜索.IMOPSO算法不但引入变异算子以避免早熟,而且引入拥挤算子,使Pareto优解尽可能均匀分布于Pareto前端,并采用一种新的自适应惯性权重提高寻优能力.实验结果表明,IMOPSO算法具有更快的收敛速度和更好的寻优能力,同时基于该算法的融合方法也实现了Pareto最优多聚焦图像融合.     

一种基于无人机的测控天线干扰试验系统设计

面向航天测控装备大口径天线抗电磁干扰能力验证工程应用需求,分析了测控天线抗电磁干扰技术指标,提出了基于干扰入射角的干信比估算方法,设计了一种基于无人机的测控天线干扰试验系统,并通过某型12 m测控天线进行了干扰试验验证。该系统为大口径测控天线抗电磁干扰指标测试提供了一种新的手段,具有良好的工程应用前景。     

基于案例推理的航天测控设备故障诊断

针对航天测控设备故障诊断难度日益增大的问题,将基于案例推理方法应用于设备故障诊断中.首先提出用故障信息规范描述、特征属性集和属性字典的三元组合结构来表示案例的方法,利用数据库管理系统建立故障案例库;然后通过对目标案例的特征属性集元素进行删补及位序调整,构造出与源案例特征属性集同构的特征属性阵列,以此计算案例的局部相似度;最后利用最近邻搜索策略计算案例间的全局相似度,完成对目标案例的搜索和问题的求解过程.应用实例表明,该方法案例表示结构清晰,易于建立案例库,能快速获得故障问题的解决方案,且诊断精度较高,有效提高了设备故障诊断效率.     

基于Web的多体制中频测控一体机设计与实现

从国外引进的地面测控设备在国内测控相关业务中广泛使用,其功能完备,但也存在系统集成度低、连接关系复杂、信号中继环节多等影响系统整体可靠性的弊端,并且成本高昂。针对高集成、小型化、智能化的测控设备需求,研究了嵌入式Web和软件无线电技术,提出了基于Web的多体制中频测控一体机设计与实现方案,测控一体机的核心功能是实现统一S频段、统一C频段和非相干扩频测控体制的遥控信号调制、遥测信号解调,以及测距测速。同时,设备还集成了信号源、功率计和频率计的部分功能,可实现对输入信号功率、频率和信噪比的测量。通过嵌入式Web设计,设备参数可以灵活动态配置,能够完成卫星地面测试、测控模拟和地面站测控等相关业务。     

混合智能算法在电子设备动态管理优化中的应用

应用微分进化算法( DEA)与字典排序算法( DSA)相结合的智能算法优化管理电子设备动态货位,研究了基于分拣选路径、存取效率、支架稳定性的动态管理多目标优化问题,并与采用遗传算法( GA)的动态管理优化进行了比对,发现字典排序算法能够按照数字顺序大小构建基于分拣选路径、存取效率、支架稳定性等因素重要程度的多目标函数,微分进化算法则能对多目标函数实施有效优化。仿真结果表明,混合智能算法迭代步数少,收敛速度快,具有更好的执行效率。     

一种基于粒子群优化算法的快速圆检测方法

为了实现以较少的内存资源,快速而准确地进行圆 检测, 提出一种基于粒子群的快速圆检测方法。方法中,以每个粒子作为一个候选圆,采用优化策 略,以粒子 运动、融合更新等操作完成圆的检测。优化策略包括提出使用一种图像分块的策略限 定圆检测的感兴趣区 域,各个图像块的大小由各个块内粒子的生成结果决定,以起到抑制部分噪声的作用。为减 少生成无用粒子的概 率,提高检测效率,提出融入图像金字塔的思想,并以循证的方法对粒子的有效性加以验证 。实验结果表明,本文 方法对于检测手绘的、嵌套的、不完整的或包含有大量噪声的圆,均能起到较好的检测效果 ;能 够在较短的时间内排除众多干扰,准确地进行圆的检测,具有检测速度快、内存消耗小和适 用范围广等优点。     

基于Zernike矩和PSO算法的摄像机神经网络标定

提出了一种新的基于Zernike矩和粒子群(PSO)算法的摄像机BP神经网络标定方法。首先,利用Zernike矩和曲率不变性求取圆形标定模板中心的亚像素坐标,提高神经网络训练数据的精度;其次,利用PSO算法优化网络的初始权重和阈值,提高网络的收敛速度和泛化能力。实验结果表明,该方法在X轴和Y轴方向的测量误差小于0.06 mm,整个测试集均方根误差为0.194 mm,证明了该方法的有效性。     

用粒子群算法设计非球面准直透镜的方法

提出了一种用于LED准直照明的非球面透镜设计方法,该方法产生于对非球面几何光学特性分析和粒子群优化算法优越的寻优能力。用该方法设计了一个基于点光源准直的出光口径30 mm的非球面透镜,为了证明准直透镜的准直效果,用光线追迹方法模拟了准直透镜对于点光源的准直过程。模拟结果显示,点光源经准直透镜后出射光线的最大半视场角为0.004 60,0.8 mm0.8 mm LED光源经准直透镜后出射光线的最大半视场角为4.91,表明了粒子群算法用于非球面准直透镜设计的可行性和有效性。与现有的设计方法相比,该设计方法意义更直观,实施更简单。     

传感器网络中基于树的感知器分布优化

无线传感器网络中,感知节点的合理分布对于提高网络的感知能力和信息收集能力以及提高网络的生存期限都具有重要的作用。对于随机分布方式产生的感知网络,可以利用节点的移动性对特定感知节点的位置进行调整从而改善网络整体的感知覆盖范围。为此,利用 Voronoi 图以及相关 Delaunay 三角网定义了传感器网络中以sink 节点为中心的伸展树,并提出了基于遗传算法的感知节点分布优化算法。仿真结果表明,算法能够以较小代价对传感器网络进行节点的分布优化,从而有效提高网络整体的感知能力。     

基于人工蜂群算法的支持向量机参数优化及应用

为了解决常用的支持向量机(SVM)参数优化方法在寻优过程不同程度的陷入局部最优解的问题,提出一种基于人工蜂群(ABC)算法的SVM参数优化方法。将SVM的惩罚因子和核函数参数作为食物源位置,分类正确率作为适应度,利用ABC算法寻找适应度最高的食物源位置。利用4个标准数据集,将其与遗传(GA)算法、蚁群(ACO)算法、标准粒子群(PSO)算法优化的SVM进行性能比较,结果表明,本文方法能克服局部最优解,获得更高的分类正确率,并在小数目分类问题上有效降低运行时间。将本文方法运用到计算机笔迹鉴别,对提取的笔迹特征进行分类,与GA算法、ACO算法、PSO算法优化的SVM相比,得到了更高的分类正确率。