基于遗传模拟退火算法的OFDMA系统资源分配

针对多用户OFDMA系统,提出了一种基于遗传模拟退火算法的多用户OFDMA系统资源分配策略。在资源分配时,首先假设总功率在载波间均等分配,随后根据比例速率要求确定每个用户需要的子带数,最后引入遗传模拟退火算法求解联合优化中的子带分配,在保证用户间公平性的前提下最大化系统吞吐量。仿真结果表明,该策略系统容量较大,并且近似满足了不同用户间传输速率比例性要求。     

面向区域覆盖的多传感器优化布站

针对约束条件下传感器优化布站问题,提出了一种基于遗传粒子群算法(GA-PSO)的多传感器优化布站方法。首先网格化战场地理环境,依据战场地理环境和战术条件建立布站约束矩阵;然后考虑任务需求,建立基于探测覆盖率的目标优化函数;最后采用遗传粒子群算法求解传感器最优布站位置。仿真实验验证了所提方法的有效性和合理性。     

基于可变模板的前视目标跟踪算法

基于图像序列分析的图像制导极大地提高了成像武器的跟踪精度。给出了一种基于可变模板技术和遗传退火算法的图像序列目标跟踪算法。根据目标的物理特征构造出可变模板,定义合适的能量函数,采用遗传退火算法进行优化搜索。实验结果表明,该算法能够精确检测并跟踪目标,具有很快的收敛性和较高的抗噪声性。     

一种改进的混合BLISS多学科设计优化方法

针对BLISS 2000优化过程中权值系数的引入给实际应用带来的困难,提出一种改进的BLISS优化过程——混合BLISS( Hybrid BLISS,HBLISS).该方法在保持BLISS 2000的基本算法结构的基础上取消权值系数,利用耦合变量的最小残差协调子系统级和系统级优化,给出了HBLISS的算法结构和基本流程...     

基于期望模型的变结构交互多模型算法

采用变结构思想,提出一种基于期望系统噪声模型的变结构交互多模型算法。算法中,预测噪声变化范围的噪声模型集不再采用固定结构,而是根据量测新息在线辨识和调整,使之更加接近于目标的真实运动模式。基于模型匹配概率与先验的马尔科夫切换概率调整期望系统噪声模型噪声方差,得到一个最优的系统噪声模型集。将该算法与交互多模型算法相结合,得到一种变结构交互多模型算法。仿真结果表明,该算法对机动目标的跟踪精度要优于固定结构的交互多模型算法。     

基于内容分析的协议识别研究

为解决多模式同时匹配的协议识别性能问题,提出了一种多模式组合有限状态机;以Thompson算法为基础,提出了一种压缩ε的NFA构造算法,该算法通过减少ε边及其对应状态,有效提高在协议模式编译时,NFA转换成DFA及DFA最小化过程的性能;基于上述理论与算法实现了一种One-Pass的组合多模式协议识别系统.实验表明:结合上述技术实现的系统,编译性能比标准DFA构造过程提高了7倍以上,匹配性能比L7-Filter提高了近20倍.     

考虑随机回放的卫星数传调度问题的一种求解方法

针对考虑随机回放的卫星数传调度问题,从置换空间到调度解空间的映射方法和置换空间的搜索算法两方面进行了研究.提出了一种时间窗优先的置换序列映射算法,并证明该映射算法可以将置换序列映射到调度解空间上的最优解.提出了一种遗传随机搜索算法,基于有记忆功能的随机邻域搜索,在置换空间上搜索产生优化调度的置换序列.仿真计算表明,遗传随机搜索算法可以增强遗传算法的局部搜索能力,在搜索结果上平均获得了2.72%的改进.     

SAR/GMTI动目标检测软件平台的结构设计与实现

该软件平台旨在对SAR/GMTI动目标检测算法的仿真、测试与评估,是一个运用MFC技术结合opencv库的复杂系统。针对平台中对算法、数据维护困难问题,提出一种新型的MVADE软件模型。该模型对MVC中的Model参照MVP模式采用责任分离思想进行优化,做到视图、业务逻辑、算法、数据四层的松散解耦从而降低平台的维护难度。目前初步实现了软件架构的搭建和场景仿真,丛林区域检测,DPCA等算法的嵌入,测试结果验证了该软件模型的有效性。     

成像卫星任务周规划模型与算法

作为卫星运控系统中的一个重要模块,卫星任务短期规划对充分发挥卫星系统效能有着重要影响。与卫星任务的日规划的作用和特点不同,它既涉及到任务规划的技术问题又涉及到卫星管理问题。针对周规划任务,本文分析周规划的需求和特点,兼顾周规划的四项主要作用,构造周规划的分层框架;分析周规划优化目标及约束条件,建立卫星任务的负载度周规划模型;针对模型求解属于高维离散组合优化问题,仿真实验评价了几种基本智能优化求解算法,并应用引入分布式并行技术的遗传模拟退火算法求解。     

网络雷达对抗系统反隐身优化部署技术

针对传统雷达反隐身检测存在的角度信息丢失、装备资源利用率不高等问题,提出了一种基于改进粒子群算法的网络雷达对抗系统反隐身优化部署技术。该技术建立了网络雷达对抗系统反隐身检测模型,在此模型基础上将任务区域进行划分和覆盖率加权,得到粒子群算法的目标函数并对收发站粒子种群进行重新部署,通过多次仿真实验得到了最优化布站数量。仿真结果表明,与标准粒子群算法相比,所提出的研究算法收敛更快,得到的加权覆盖率更高,可满足反隐身优化部署效费比需求。     

一种模拟退火伪并行遗传算法

借鉴模拟退火算法的局部搜索能力,结合并行计算的思想设计了一种采用模拟退火机制的实数编码自适应交叉、全概率变异伪并行遗传算法,最后用这种方法对典型的多峰值函数求极值,并和基本遗传算法进行比较,结果表明:该算法具有较强的全局搜索能力和局部搜索能力,能够更有效地克服早熟收敛问题。     

利用遗传算法求解整周模糊度

建立了一种基于简单遗传算法的改进模糊度搜索方法求解载波相位测量中的整周模糊度。首先采用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 ,然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较使用简单遗传算法具有更快的搜索速度和鲁棒性。     

A competitive genetic algorithm for resource-constrained project scheduling

In this paper we consider the resource-constrained project scheduling problem (RCPSP) with makespan minimization as objective. We propose a new genetic algorithm approach to solve this problem. Subsequently, we compare it to two genetic algorithm concepts from the literature. While our approach makes use of a permutation based genetic encoding that contains problem-specific knowledge, the other two procedures employ a priority value based and a priority rule based representation, respectively. Then we present the results of our thorough computational study for which standard sets of project instances have been used. The outcome reveals that our procedure is the most promising genetic algorithm to solve the RCPSP. Finally, we show that our genetic algorithm yields better results than several heuristic procedures presented in the literature. © 1998 John Wiley & Sons, Inc. Naval Research Logistics 45: 733–750, 1998     

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。     

基因遗传算法在三维数据场造型中的应用

将基因遗传算法应用于三维数据场的造型研究之中,提出了遗传三角剖分算法.针对三维三角剖分的特殊性,提出了虚拟交叉算子和三角变异算子,能够确保在遗传进化过程中,解群中的每一个串始终代表一个合法的三角剖分.     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

求解特征结构配置问题的一种新方法

基于遗传算法提出了求解线性多变量系统在输出反馈作用下的特征结构配置问题的一种新方法。遗传算法是一种基于自然选择和群体遗传学机理的参数搜索方法。采用遗传算法求解特征结构配置问题,具有适用面广和计算稳定等特性。我们以导弹控制系统为例进行了仿真,结果是令人满意的。     

中远距协同空战多目标攻击决策

根据先进战斗机的技术特点和中远距协同空战发展方向,提出一种基于先敌发现、先敌发射、先敌摧毁能力的空战态势分析模型。同时,将并行遗传算法与分布估计算法相结合的并行分布遗传算法应用于上述模型,给出了求解多目标攻击决策问题的算法。最后利用具体算例进行仿真验证。结果表明空战态势分析模型能够较为准确地描述中远距多机协同空战,采用的算法具有较好的可行性和实时性,为中远距多机协同空战的多目标攻击决策提供了新的思路和方法。     

基于遗传算法的跳频通信侦察技术

为了识别跳频序列,提出了采用遗传算法并结合跳频信号特点来完成跳频序列的分析与重组,从而实现跳频信号的侦察。在采用传统遗传算法的基础上,针对序列特点提出了5种改进手段,从而大大提高了算法的效率和可用性。最后利用采样的语音信号,对分析与重组过程进行模拟来验证算法的可行性。