一类模糊多目标双矩阵对策的粒子群优化算法

针对一类具有模糊目标的多目标双矩阵对策给出了基于粒子群优化的求解算法.讨论了当模糊目标的隶属函数是线性函数时纳什均衡解的判定定理;构造的粒子群优化算法,通过随机初始点以及迭代粒子的归一化,保证粒子群始终保持在时策的可行策略空间内,避免了在随机搜索中产生无效的粒子,提高了用粒子群优化算法求解纳什均衡解的计算性能.给出的一个数值算例验证了该算法的有效性.     

一种新的自适应粒子滤波算法*

在对实时性要求高的系统中,粒子数的选择对粒子滤波至关重要,需要在滤波精度与计算复杂度乏间取折衷.提出了一种基于决策规则的自适应粒子滤波算法,在定义综合性能代价函数的基础上,推导出粒子数与滤波误差方差之间的关系,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数,以使滤波的综合性能达到最优.通过Monte Carlo仿真实验表明,新算法在与基本粒子滤波算法(PF)保持同等精度的条件下,大大降低了算法的计算量,约为PF的六分之一.     

炮控伺服系统自抗扰控制器优化设计

针对自抗扰控制器参数难于整定的问题,给出了一种基于自适应变异粒子群优化算法的炮控伺服系统自抗扰控制器优化设计方法.该算法结构简单,具有良好的全局收敛性,充分发挥了自抗扰控制器的控制性能.通过对某炮控伺服系统的仿真研究,表明了该设计方法的有效性.     

基于边界扫描技术的板级测试性优化设计

介绍了边界扫描技术的基本原理,论述了板级电路测试性设计的思想,提出一种基于二进制粒子群算法的板级电路测试性设计最小化优化方法。实验结果表明,该算法在优化效果、运算时间上均获得了较好的结果。     

基于QIPF的弱目标检测前跟踪算法

针对低信噪比条件下弱目标检测跟踪问题,提出一种拟蒙特卡罗智能粒子滤波检测前跟踪算法(Quasi-Monte Carlo Intelligent Particle Filter Track Before Detect,QIPF-TBD)。首先,该算法采用拟蒙特卡罗技术改善探测空间中粒子分布的均匀性;其次,通过对更新阶段的粒子进行交叉变异等操作,提高粒子重采样之后的多样性。与同类算法的仿真分析表明,所提方法能有效改善低信噪比目标的检测概率和跟踪精度。     

基于粒子滤波改进的VTS微弱目标检测前跟踪算法

舰船交通服务系统是民用雷达的信息集成系统,探测微弱目标存在RCS小、回波弱、杂波强等问题,导致信噪比低,难以实现有效检测跟踪。基于粒子滤波的检测前跟踪技术对低信噪比下微弱目标信息积累和探测有良好效果。通过采集单设备实测数据,构建遗忘因子和收敛因子以增加重采样的效率,引入虚拟采样保持粒子的多样性,提升粒子滤波对微弱目标的探测能力。仿真试验表明,改进后的算法可实现舰船交通服务系统对微弱目标的有效探测,并能获得较精准的目标状态估计值。     

基于PSO算法的脉冲修正弹控制参数优化*

针对脉冲修正弹自身控制离散不连续特征,开展了脉冲修正弹脉冲控制参数优化设计方法研究。考虑到脉冲成本和精度的双重要求,选择以脉冲发动机工作次数和脱靶量最少为双目标函数,并在风干扰的条件下,提出了以脉冲控制时间间隔为离散脉冲控制参数设计变量建立优化模型,以此发展了一种改进型递减惯性权重粒子群优化脉冲控制参数的方法,提高了修正参数优化收敛速度。仿真结果表明,该算法能快速有效地获得最优解,为在干扰条件下寻找最优的脉冲修正参数和脉冲工作方式提供了一种优化设计思路。     

地球静止轨道高能电子通量在线预测模型研究

利用粒子群优化算法和最小二乘支持向量机,建立了地球静止轨道高能电子通量(1.8-3.5MeV)在线预测模型。针对粒子群优化算法,提出了一种新的粒子群多样性测度计算方法,有效改善了其早熟收敛现象;基于改进的粒子群优化算法优化最小二乘支持向量机的正则化参数和核参数;利用滑动时间窗口策略更新模型数据,设计变量选择触发机制以及模型的再学习机制实现模型的在线预测功能。[根据题目的调整,对摘要做了相应改动]通过对2000年电子通量监测数据和相关太阳风、地磁参数等实际数据进行提前1-3天的预测实验,表明了所建在线预测模型具有较高的预测性能,有一定的实用价值。     

非高斯环境下基于GPF算法的目标跟踪

介绍了高斯粒子滤波器的基本思想和具体算法实现步骤,在此基础上,将此算法应用于机动目标转弯模型的跟踪中,在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和EKF的跟踪性能差异.仿真结果表明,GPF有效地改善了目标跟踪的效果,并在精度和计算复杂度方面均优于PF.     

四种智能算法的比较研究

随着智能算法的研究深入,一些新的智能优化算法不断被提出,包括从遗传算法、蚁群算法、粒子群算法、人工鱼群算法等。这些算法都是从自然界的自然生物的特性启发而研究出来的,由于这些算法在求解时不依赖于梯度信息,因而特别适用于传统方法解决不了的大规模复杂问题。通过这些算法的介绍和分析,并通过测试函数测试了四种算法的收敛性、收敛速度和精度,评价了这些智能算法在求解函数优化问题的能力。最后对优化算法今后的发展方向进行了评述与展望。