OFDMA无线网络中提高QOS的资源分配

针对OFDMA无线网络下行链路,提出了一种面向不同业务的低复杂度资源分配算法.方案基于单用户双业务最大容量的分析,设计了多用户中以提高可变速率业务的容量为目标,进而提高系统的总容量,又满足固定速率业务和可变速率业务的资源分配算法.仿真结果表明,该算法能够充分利用多用户分集增益,在相同的通信服务质量条件下,算法提高了系统...     

基于遗传模拟退火算法的空袭兵力分配及优化

对遗传模拟退火算法中的交叉、变异操作进行了改进,并实施了最优保留策略,形成了改进遗传模拟退火算法.以突击效果最大化和兵力损失最小化为目标函数,以空袭兵力总量的限制、空袭兵器挂载类型的限制等为约束条件,建立了空袭兵力分配及优化模型.在考虑兵力分配模型特点的基础上,利用改进遗传模拟退火算法求解.通过与多目标数学规划和标准遗传算法优化进行的比较表明,该方法能够有效地解决带约束的多目标优化问题.     

基于遗传算法的认知网络调度算法设计

在网络可用频谱资源动态变化条件下,为了实现认知系统频谱利用率的提升和对用户公平性的保证,文章首先建立了无限队列缓存的OFDMA认知系统调度优化模型。在此基础上,结合简单遗传算法SGA(SimpleGenetic Algorithm)和优化约束条件,提出了基于遗传算法的认知调度策略CRSGA(Cognitive Radio SchedulerBased on Genetic Algorithm)实现了优化问题的求解。仿真结果表明,通过调整适应度函数中的比例因子,CRSGA算法能够在有效保证用户公平性的同时逼近系统频谱利用率上限。     

分布式遗传模拟退火算法的火力打击目标分配优化

根据火力打击规则,建立了多目标函数的目标分配模型,提出了分布式遗传模拟退火算法对模型进行求解。分布式遗传模拟退火算法基于经典遗传算法进行改进:将单目标串行搜索方式变成多目标分布式搜索方式,适用于多目标寻优问题求解;采用保留最优个体和轮盘赌相结合的方式进行个体选择,在交叉算子中引入模拟退火算法,使用自适应变异概率,较好地保持算法广度和深度搜索平衡。最后,通过仿真实验验证了算法的有效性和可靠性。     

D2D通信中能耗优化的分布式资源管理算法

端到端(D2D)通信技术近年来受到通信学术界的普遍关注,它绕过基站直接进行数据通信,可以减轻基站的负载,节省系统通信资源,提高系统性能和用户体验。然而,D2D通信技术也带来了一些棘手的资源管理问题,例如,如何进行模式选择以调度使用系统链路资源、抑制蜂窝用户和D2D用户之间的相互干扰,如何进行功率控制以满足用户需求等等。文章分析了多用户D2D通信系统的链路共享机制和用户功率分配策略,为提升系统中各用户的能效性能,基于联盟形成博弈和非合作博弈提出了对应的分布式资源管理方案和算法。最后,通过数值仿真,验证了所提方案和算法的有效性,相比最初的资源使用策略,所提分布式方案和算法能够给用户带来明显的性能增益。     

蜂窝网络中基于干扰控制的D2D通信联合资源分配方案

在蜂窝网络中部署D2D(Device-to-Device)通信能够有效提升频谱利用率,降低基站负载,但D2D用户与蜂窝用户共享无线信道时会产生信号干扰。提出了一种联合资源分配算法,通过综合考虑信道分配对网络中已有的蜂窝用户和D2D用户的信号干扰,并在小区范围内寻找具有最小干扰值的信道资源分配给用户,以实现有效的干扰控制。仿真结果显示:联合资源分配能够提升D2D链路、蜂窝链路的信噪比及系统总吞吐量,使得蜂窝网络的整体性能优于独立资源分配。     

基于中继卫星SMA的用户网络接入技术

针对中继卫星各类型及大量用户的接入需求,设计了网络分级管理架构和动态/静态相结合的多码-多频-时分多址(MC-MF-TDMA)资源分配技术。利用网络分级管理架构,低层子网用户以自组织的方式通过高层骨干节点转接入S频段多址系统(SMA)波束,以增强网络的扩展能力,缓解多用户对SMA资源的过度消耗;利用动态/静态相结合的MC-MF-TDMA资源分配技术,延长时隙长度,提高用户数据速率的灵活性。OPNET仿真表明,网络结构和资源分配策略合理可行,可为中继卫星实现对陆、海、空、天各类用户在线管理提供技术支持。     

多无人机协同攻击目标决策

论文针对多架无人机相互协作攻击多个敌对目标的武器目标分配决策问题进行了研究。利用层次分析法（AHP）和灰色关联分析法评估了威胁指标的权重,针对协同攻击空战模型中受威胁大的无人机无需参与攻击,而采用机动躲避策略的特定情况提出了一种启发式遗传模拟退火（HGASA）求解算法,实现了武器目标攻击决策的求解。仿真实验表明,本文提出的HGASA算法对决策方案的求解速度和求解质量与现有的遗传算法(GA)、模拟退火算法(SA)等算法相比均有明显提高。     

面向无人机识别网络中链路中断概率的优化算法

针对无人机识别网络,提出基于时间和带宽资源分配的链路中断概率优化算法（time and bandwidth allocation-based outage probability optimal algorithm,TBAP）。在TBAP算法中,先推导了中断概率的闭合表达式。再建立基于时间和带宽资源分配的中断概率最小化的目标问题,然后运用快速收敛算法求解目标问题,进而获取最优的时间和带宽分配策略。仿真结果表明,相比于传统的二分分配法,TBAP算法具有更低的中断概率。     

基于相似性和距离及遗传模拟退火的自适应聚类算法

针对模糊C-均值(FCM)算法中聚类数目的确定问题,提出了基于样本间相似度量和距离的算法,该算法可有效缩短聚类数搜索的范围,减少计算工作量。对于模糊C-均值算法聚类中心初始值随机选择易陷入局部极小值问题,采用遗传模拟退火算法优化FCM的聚类中心,以人工数据集和标准数据集验证了遗传模拟退火算法具有较强的全局收敛性能,有效提高了聚类效果。     

基于遗传算法和神经网络的混合自学习策略

通过对神经网络自学习方法和基因遗传算法的研究 ,采用自适应基因遗传算法对神经网络进行训练 ,形成基于遗传算法和神经网络的混合自学习策略 ,克服了神经网络自学习方法的不足 ,提高了系统的自学习能力     

基于禁忌退火算法的巡航导弹航迹规划

针对巡航导弹航迹规划这个复杂的优化问题,一个禁忌退火混合优化算法被提出.首先,该算法是以基本模拟退火算法为基础.其次,为了加快该模拟退火算法的收敛速度,在恶化解的接受判断过程中,增加了一定动态的约束条件.最后,为了使最优解能够跳出局部最优的陷阱,使用了一个动态的禁忌表.仿真结果验证了该禁忌退火混合优化算法能够取得目标函数更优的航迹规划路径,从而有效提高巡航导弹的作战效能.     

A New Chaotic Genetic Hybrid Algorithm and Its Applications in Mechanical Optimization Design

A new chaotic genetic hybrid algorithm(CGHA) based on float point coding was put forward in this paper.Firstly,it used chaos optimization to search coarsely and produced a better initial population.Then,a power function carrier was adopted to improve the ergodicity and the sufficiency of the chaos optimization.Secondly,the genetic algorithm(GA) was used to search finely and guaranteed the population's evolution.To avoid the search being trapped in local minimum,a chaos degenerate mutation operator was designed to make the search converge to a global optimum quickly.Finally,CGHA was used to solve a typical mechanical optimization problem of shear stress checking for a cylinder helix spring.Compared with traditional penalty function method,chaos-Powell hybrid algorithm and standard GA,CGHA shows better performance in solution precision and convergence speed than those of the algorithms.Therefore,CGHA is a new effective way to solve the problems in mechanical optimization design.     

基于免疫遗传算法的人上位拣选车作业规划问题求解

针对人上位拣选车的作业轨迹规划问题构建了具有附加安全约束条件的时间最优控制数学模型,并提出了一种免疫遗传求解算法．该算法较单纯遗传算法有效避免了种群退化,且收敛速度更快．实验表明,该算法适用于求解人上位拣选车的作业轨迹规划问题．     

基于遗传算法的整周模糊度OTF解算

建立了一种基于简单遗传算法的改进模糊度搜索方法。首先采用一组约束方程求解模糊度浮点数解 ,然后UDUT 和LDLT 分解对整周模糊度进行整数高斯变换以降低各整周模糊度之间的相关性 ,最后利用遗传算法进行整周模糊度搜索。在种群个体较少的情况下 ,为了避免早熟使搜索陷入局部最优 ,提出两种变异算子 ,保持个体的多样性。仿真结果表明改进后的算法能够实时动态解算整周模糊度 ,且较使用简单遗传算法具有更快的搜索速度和鲁棒性。     

基于热经济学的舰船发电机组配置优化

针对舰船综合电力推进的特点,运用热经济学理论,建立了发电机组配置的数学优化模型.通过Matlab遗传算法工具箱,利用改进的遗传算法对发电机组的配置优化进行研究.结果表明,热经济学方法能较全面地反映舰船动力装置配置的经济性;改进的遗传算法是一种解决发电机组配置优化的有效方法.     

基于改进遗传算法的结构损伤识别

结构损伤识别问题在数学上可以转化为一种带约束的目标函数优化求解。将基于混沌系统的优化理论和免疫系统的基本机制提出的自适应免疫遗传算法用于结构损伤识别,研究其有效性和可行性。通过平面框架单元损伤识别算例分析,表明该方法是实用可行的。     

军事能力到装备系统的双层规划模型及其求解算法

阐述了基于能力的军事规划新思路,提出了从军事能力到系统项目的两层规划模型。该模型上层以效果和效果-成本比值最大化为目标,通过资本规模来约束下层决策。下层以各种能力最大化为目标,在成本约束下寻求不同系统项目的最佳组合,并将结果返回上层影响最终的决策。应用了多目标遗传算法来求解该规划模型。算例结果表明,所建立的双层规划模型及其求解算法对于国防资源分配问题是有效的。     

Client‐contractor bargaining on net present value in project scheduling with limited resources

The client‐contractor bargaining problem addressed here is in the context of a multi‐mode resource constrained project scheduling problem with discounted cash flows, which is formulated as a progress payments model. In this model, the contractor receives payments from the client at predetermined regular time intervals. The last payment is paid at the first predetermined payment point right after project completion. The second payment model considered in this paper is the one with payments at activity completions. The project is represented on an Activity‐on‐Node (AON) project network. Activity durations are assumed to be deterministic. The project duration is bounded from above by a deadline imposed by the client, which constitutes a hard constraint. The bargaining objective is to maximize the bargaining objective function comprised of the objectives of both the client and the contractor. The bargaining objective function is expected to reflect the two‐party nature of the problem environment and seeks a compromise between the client and the contractor. The bargaining power concept is introduced into the problem by the bargaining power weights used in the bargaining objective function. Simulated annealing algorithm and genetic algorithm approaches are proposed as solution procedures. The proposed solution methods are tested with respect to solution quality and solution times. Sensitivity analyses are conducted among different parameters used in the model, namely the profit margin, the discount rate, and the bargaining power weights. © 2009 Wiley Periodicals, Inc. Naval Research Logistics, 2009     

滑翔飞行器多目标弹道优化的进化-配点混合求解策略

针对高超声速滑翔飞行器弹道多目标优化问题,综合考虑计算效率和精度,结合分解进化算法与配点法提出一种混合求解策略。根据滑翔飞行器动力学模型和弹道设计中需要考虑的约束条件,建立飞行器多目标弹道优化模型。利用控制量离散化方法将多目标弹道优化问题转化为带约束的多目标参数优化问题,并采用罚函数法处理约束条件,随后利用分解多目标进化算法进行求解。为了提高弹道优化的精度,将椭球聚合法与配点法相结合,以多目标进化算法得到的Pareto解作为初始解进行迭代求解。通过典型的复杂约束多目标弹道优化的算例表明,所提出的混合求解策略能够获得满足复杂约束要求的Pareto最优解集,实现有效的多目标弹道优化。