基于演化母板的EHW平台上电路的演化生成

提出一个基于演化母板的新型演化平台,介绍了它的系统结构及工作原理。进而,以一位全加器为例,详细阐述了在基于演化母板的EHW平台上,利用遗传算法演化生成一个具体电路的方法及实现效果。     

遗传算法在阵列天线误差校正及优化中的应用

针对阵元位置误差影响DOA估计算法性能的问题,采用遗传算法寻找阵元的最佳位置进行校正。然后研究了在阵元数一定、放置范围可变和阵元放置范围一定、阵元个数可变的情况下,如何利用遗传算法对阵列进行优化。最后给出了计算机仿真结果。结果表明这种方法可以有效地对天线阵列进行误差校正及优化。     

基于遗传算法的吊放声纳搜潜策略优化

针对吊放声纳搜潜策略问题,在平均分配每点的搜索时间的典型搜潜策略的基础上,采用遗传算法优化搜潜策略中的吊点选择,进而给出合理的吊放声纳搜潜路径。算法中,利用实数编码优化初始种群,采用轮盘赌和期望值相结合的混合选择策略优化种群的进化。仿真运算表明:采用遗传算法优化吊放声纳搜潜路径是一种具有研究价值的方法,但算法复杂,计算量大,工程实现还需要进一步研究简化。     

基于改进遗传算法的舰载机出库调度优化方法

舰载机出库最优调度方案是合理编排一批次舰载机出库顺序,使目标舰载机在最短的时间内调出机库。提出舰载机出库调度方案4步单目标优化方法。第1步实现舰载机数量分配功能;第2步依靠遗传算法,实现舰载机选择功能,寻找最优出库组合方案;第3步根据优先级规则对舰载机出库作业进行排序,从而得到最优出库方案的舰载机调度序列;第4步找出需要倒机的舰载机并根据一定规则进行整理后,得到出库作业序列。最后,建立模拟机库验证调度方案的优化方法可行、高效。     

基于随机规划的投掷式通信干扰兵力部署建模研究

投掷式通信干扰机是未来通信对抗装备发展的一种趋势,对任务区域内无线战术通信实施投掷式干扰时,需要在干扰压制概率满足一定置信水平的条件下最小化干扰机的需求量。建立了基于随机机会约束规划的投掷式通信干扰兵力部署模型,采用随机模拟、遗传算法相结合的混合智能算法求解模型,并通过实例分析验证了模型的有效性。     

基于遗传算法(GA)的通信抗干扰决策引擎

基于认知无线电思想设计了一种多参数联合自适应通信抗干扰决策引擎,并利用遗传算法(Genet-ic Algorithm)作为决策算法,实现了系统频率、功率、调制方式、信道编码方式等参数的自适应选择。文章给出了算法的流程和仿真分析,仿真结果表明,该引擎对单目标函数以及有偏好的多目标函数的参数选择与理论值相符,验证了抗干扰决策引擎实现参数自适应选择的可行性和有效性。     

舰艇编队协同防空火力分配模型研究

协同防空将是舰艇编队未来防空作战的主导模式。为了克服现有火力分配模型没有考虑防空火力的协同作用对模型影响,论文提出了协同度概念,利用协同度矩阵量化防空火力之间的协同作用,以此建立了舰艇编队协同防空火力分配模型,使得所建立的模型更加准确。采用遗传算法对该模型进行求解可以避免模型的解空间可能出现组合爆炸问题。最后通过一个实例验证了模型的准确性和算法的实效性。     

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。     

基于遗传算法的VHF宽带天线优化设计

文章应用遗传算法设计并优化了一种宽带加载单极子天线,结合高效的匹配网络以改善天线性能,并对30 MHz～520 MHz频率范围内加载单极子天线和匹配网络的参数进行全局优化,把增益和驻波比作为目标函数综合考虑,得到了全局最优的参数及仿真结果。该天线在30 MHz～520 MHz频率范围内驻波比小于3,增益大于-2.5 dB,具有良好的宽带特性和全向特性,其实测结果良好地满足了要求。     

基于量子免疫遗传算法的火力分配优化问题

针对传统方法在解决火力分配优化问题时存在迭代次数多、收敛速度慢、易陷入局部极值等不足,将免疫遗传算法中的免疫克隆、免疫记忆、免疫平衡机制引入到量子遗传算法中,利用求解问题的先验知识和局部最优解信息来改善和优化量子遗传算法的性能,提高了算法的收敛精度、收敛速度和稳定性。在分析问题背景和算法实现过程的基础上,通过实例仿真,模拟了不同容量的抗体记忆库对算法性能的影响,对比了普通遗传算法、量子遗传算法、免疫遗传算法以及文中所提及的量子免疫遗传算法在解决火力分配优化问题上的不同优化效果,结果表明:该方法在解决火力分配问题时,可以有效克服早熟现象,具有收敛速度较快、稳定性较好的特性。