认知无线网络中基于免疫克隆优化的功率分配

针对认知OFDM无线网络中下行链路的功率分配问题,将其建模为一个约束优化问题,进而提出了一种基于免疫克隆的求解方法。给出了功率分配的数学优化模型、算法实现过程和关键技术,设计了适合算法求解的编码、克隆、变异算子。仿真实验结果表明,在总发射功率、误码率及主用户可接受的干扰约束下,该算法可以获得更大的总数据传输率,同时具有较快的收敛速度,能够得到较优的功率分配方案,进而提高频谱利用效率。     

基于连接低干扰的无线Mesh网络信道分配算法研究

为合理地分配和利用无线信道资源,研究者们提出了许多关于多射频多信道无线Mesh网络的信道分配算法。该文针对无线Mesh网络的信道分配算法,以连接低干扰信道分配算法(CLICA)为基础,以提高网络容量(吞吐量)为目标提出了一种改进算法。该算法根据网络中各链路的干扰度来计算网络干扰度,通过减小网络的干扰度来提高网络吞吐量,以实现最小化网络干扰度的目标。构建信道分配的数学优化模型,通过NS2仿真验证比较改进前后算法的性能,求解出最优的信道分配。     

利用拉格朗日松弛算法求解三维分配问题

将拉格朗日松弛算法与最优求解算法的复杂性进行了分析比较,并将该算法应用于求解3-D分配问题,分析与算例结果表明,该算法可大幅度降低3-D分配问题的求解计算量,是求解3-D分配问题的一种有效算法.     

基于遗传算法的多源多周期采购决策优化

为了降低供应链网络采购成本同时避免单源采购的风险，课题组研究了多源采购中多周期和多原料的供应链订单分配问题。考虑价格折扣和采购量的约束，建立了以期望成本最小化为目标的非线性规划模型，并采用遗传算法进行优化计算。设计了遗传算法双层编码染色体及相应的遗传算子，以MATLAB为平台进行优化。将算例分别采用遗传算法和启发式算法进行计算，计算结果验证了所设计的遗传算法是有效的。该研究可以协同优化多制造商对多供应商的订单分配问题，降低采购风险。     

基于贪婪搜索的IEEE 802.16j带宽分配算法研究

为满足IEEE 802.16j网络中不同类型业务的带宽需求,同时达到可接入用户数最多的目的,提出了一种基于贪婪搜索的基站、中继站联合带宽分配算法。其中,固定带宽的主动授权业务由中继站分配带宽;基站分配其他类型业务所需的最少带宽。该算法利用贪婪搜索寻求最优用户组,并将剩余带宽分配给该组的用户。仿真结果表明,该贪婪搜索带宽分配算法能保证网络接入的用户数最多,且复杂度低于一般的穷举搜索带宽分配算法。     

基于Overlay-Underlay的功率控制路由算法

对现有混合式认知无线电网络频谱共享模型进行改进,解决了现有路由算法在干扰与时延处理方面的缺陷,提出了一种基于Overlay-Underlay频谱共享的路由算法。该算法以着色图为路由分析模型,以最短路径和链路状态作为路由指标,以最小累积干扰为信道分配指标,优先接入空闲授权信道,否则利用功率冗余接入,发展了一种具有功率控制的端到端路径选择和信道分配方法。仿真研究结果表明了该算法的有效性,与现有路由算法相比,提高了网络吞吐量,降低了丢包率和端到端时延。     

进港飞机调度多目标优化问题的改进NSGA-II算法

基于多目标优化问题的Pareto最优解概念,提出了一种求解非劣解集的改进非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题,要求航班总延误时间平方和及总延误成本两个目标最少。重点讨论了算法实现中的基于最近邻思想的启发式交叉算子和改进的变异算子,以及对非劣解集的筛选操作。最后进行了仿真实验,对优化结果进行了分析比较。研究结果表明改进NSGA-II算法对多跑道进港飞机调度多目标优化问题具有较好的应用前景。     

基于SDN架构的控制层故障恢复算法

基于交换机迁移机制的控制层故障恢复方案在不需要额外部署备份控制器的情况下可以有效实现控制层的故障恢复。现有交换机迁移算法中多仅以交换机-控制器时延或控制器负载为迁移指标选取目标控制器,这种单一的交换机迁移方式容易造成控制层故障恢复后网络性能下降,因此本文提出了一种综合考量多种迁移指标的故障恢复算法(multi-index failure recovery algorithm,M-FRA),首先该算法综合考量链路故障率、交换机-控制器时延和控制器负载多种指标建立目标控制器选取优化模型,然后基于贪婪思想对目标控制选取优化模型进行求解。最后仿真结果表明:本文所提算法在维持链路故障率和交换机-控制器时延一定的条件下,有效平衡了控制器间的负载,保证了控制层故障恢复后具有良好的整体性能。     

决策树优化研究

提出用新的极值点禁忌搜索算法构造分类问题的全局优化决策树,该算法呆用于不可微分的目标函数。全局树优化方法是非贪婪的,用于构造具有固定结构的多变量决策树,将多变量决策树表示成析取线性不等式集合,全局树优化就是使析取线性不等式中的分类误差最小化。     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。     

单用户OFDM系统中一种新的资源分配算法

针对自适应OFDM系统中满足用户QoS(这里主要指用户带宽及误码率这两个指标)要求的资源(比特功率)分配这一问题,提出了一种新的算法。该算法以每次比特分配时,使得每比特(一次可分配多比特信息)的功率代价最小为原则,获得了良好的性能。仿真结果表明:该算法在满足用户QoS要求的情况下,其发射总功率比现有的同类算法小,性能更佳。     

带有混沌变异的双种群伪并行PSO-DE混合算法

在求解全局优化问题时,采用单个PSO、DE算法有一定的不足,为了弥补这些不足,给出一种带有混沌变异的双种群伪并行PSO-DE混合算法（MPSODE）。通过对六个标准测试函数进行测试,结果表明,该混合算法是一种鲁棒性较强、求解精度高、收敛速度快的全局优化算法。     

矿井无线通信系统功率分配优化算法

针对矿井无线通信系统中主、次级信号传输存在相互干扰等问题，提出了集中式功率分配算法，建立了功率分配系统模型，列出了中继节点处功率分配的目标函数，以此来最大化系统加权速率以及最小化系统加权功率，并对集中式系统的功率分配进行分析，把问题转化为特定的最小化和最大化问题求出最优解，使信号间的干扰最小化.算法应用于实际矿井通信测试并对测试数据进行仿真分析，表明该分配方案正确、可行.     

女权社会主义视域中的现代女性解放问题探论

在置换流水加工环境下,以最小化生产流程时间为目标制定的初始加工方案,由于新工件的到达变得不再最优或不可行,为了降低对原始加工方案的影响,在权衡生产成本和扰动成本的情况下,建立双目标重调度干扰管理模型,对初始最优方案进行调整。针对该模型的特点和问题复杂度,结合微粒群算法强大的全局搜索能力,以及非支配排序遗传算法（NSGA Ⅱ）获得的Pareto解优良的综合性能,提出了一种混合微粒群算法来对问题求解。通过求解经典文献中置换流水车间双目标问题和随机生成的置换流水车间新工件到达问题,结果表明混合算法要优于NSGA Ⅱ和多目标微粒群算法（MOPSO）,同时验证了求解置换流水车间干扰管理问题的有效性。     

基于关联规则的协同过滤改进算法

针对传统协同过滤算法过分依赖用户历史评分数据及评分数据存在严重稀疏性问题的情况,提出一种基于关联规则的协同过滤改进算法。该算法设置相似度阈值,计算近邻用户与目标用户之间的相似度,选取相似度最高的近邻用户组成邻居集,若邻居集中的所有近邻用户与目标用户的相似度都高于阈值则按照传统协同过滤进行评分预测,否则引入关联规则的算法对目标用户进行评分预测。首先,对利用Apriori算法输出的关联规则进行拆分,得到一对一、多对一两种形式的规则;其次,基于支持度和置信度构建推荐度计算方法;再次,形成引入关联规则的算法;最后,根据阈值选择相应的算法进行评分预测,将评分高的项目推荐给用户。实验结果表明:所提出的算法与传统协同过滤算法、基于用户平均值填充的协同过滤算法相比,在MAE、RMSE上都有明显下降,可以在一定程度上提高推荐质量。     

共址跳频系统组网优化

在陆基车载通信系统中,多部跳频电台间存在着严重的共址干扰问题。针对车载多部VHF跳频电台存在的共址干扰问题,在确定频段划分工作模式和共址干扰产生条件的前提下,基于共址干扰发生概率的分析,建立了VHF跳频系统频率表分配优化模型。采用大量随机约束样本试探方法和多目标遗传算法,求解得出了满足干扰概率容限的共址电台数量及其跳频频率表分配集合,并给出了该模型的实例仿真与验证结果。     

协作通信系统中能效优化的中继分配算法

在协作通信系统中,中继节点的合理分配对于系统性能提升具有重要的意义。然而,现有的方法往往只从系统容量最大化或者功率最小化单方面研究中继节点分配,缺乏对两者的综合考虑以致最终的中继分配结果不是最优。通过对基于能效(容量/发送功率)的中继分配进行研究,提出一种能效最大化为目标的中继分配算法(EERAA)。该算法首先优化各协作链路能效,然后通过最大权重匹配方法为各源移动终端进行中继节点的分配,从而有效地提高系统能效。经仿真验证,该算法跟现有的算法相比,能得到更高的系统能效。     

求解输出为有界随机数的排序择优问题

【目的/意义】排序择优问题是仿真优化领域的经典研究问题。该问题的目标是设计统计采样算法，通过在有限个统计分布中进行采样并观测随机采样结果从而找到真实均值最大的分布。在该问题的研究中，现有文献大多假设对不同分布进行采样时输出为正态分布随机数，进而基于正态分布随机数相关性质进行算法设计。但在现实中，该假设通常不成立，一旦假设不成立，现有算法的统计有效性将会大受影响。【设计/方法】将正态假设进行拓展，即假设对不同分布为有界域分布，进而开展算法设计。【结论/发现】设计出一类顺序淘汰式算法求解输出为有界域随机数的排序择优问题，数值实验验证，此算法效率远高于现有的SE、ME和lil′DCB算法。     

基于热扩散理论的窗融合方法研究

窗融合是滑动窗目标检测方法中的一个重要步骤。针对传统方法的缺陷,提出了一种新的窗融合方法。该方法把每个初始窗口当作系统中的一个位置,两个窗口的检测分数和重叠面积用来计算对应位置之间的热传导系数,最终利用线性各向异性热扩散条件下系统温度之和最大化问题来模拟窗融合工作。采用贪婪算法获得目标函数的近似最优解,相应的热源即为窗融合结果。在VOC2009目标数据库和INRIA行人数据库上的实验显示,该方法不仅能够删除重复检测,还可以排除误检以及防止相邻目标干扰。相比传统的非极大值抑制方法,该方法在不损失召回率的前提下显著地提升了目标的检测精度。