应用神经网络粒子群算法的多用户检测

为了减少最优多有户检测器的计算复杂度,提出了一种融合粒子群优化算法和神经网络的神经网络粒子群优化算法,并设计了一种解决CDMA通信系统的多用户检测问题的新方法。该方法是把神经网络嵌入到粒子群优化算法的每一代中以改进算法性能。通过混合神经网络到PSO中,还可以加快PSO的收敛速度,减少计算复杂度。仿真结果证明了所设计的检测器无论抗多址干扰能力和抗远近效应能力都优于应用Hopfield神经网络、遗传算法和粒子群算法的多用户检测器。     

基于遗传算法和差分进化的高速冲床运动学优化

提出一种可以实现自身动平衡的高速冲床的新型传动机构。针对优化算法的缺陷,提出一种遗传算法与差分进化相结合的混合算法,并阐述了该算法的流程。将该机构简化,进而建立其优化模型。利用混合算法对其进行优化,得出优化前后冲压滑块的运动学特性比较图。结果表明,优化后的结构在高速冲压时具有更好的输出运动特性,表明该算法是一种非常切实有效的优化算法。     

应用情景检测的安全任务内电压调度算法

针对移动嵌入式实时系统的低功耗设计,提出一种改进的应用情景检测的安全任务内电压调度算法。该算法利用任务程序少数参数的值域定义情景并在任务处理过程中进行检测,因而在处理在线的情况下,可较为精确地预测后续处理的部分路径,优化地调度处理电压。通过所提出的情景检测点设置算法,在任务程序中找到检测参数情景最合适的点,给出算法的实现方法。通过仿真实验证明该算法能有效地降低任务处理能耗。     

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。     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题( TSP)的混合 粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及 粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合 粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时，经典的误差反向传播算法存在收敛速度慢，易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术，具有较快的收敛速度和较强的全局搜寻能力；误差反向传播算法本质上是梯度下降算法，注重局部搜索。混合学习法为两种学习算法交替执行，首先以粒子群优化算法训练网络，当误差能量在规定的迭代次数内不再发生变化时，采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点，具有良好的应用前景。     

基于混合差分进化算法的试井分析最优化方法

摘要：试井参数优化是对通过测试得到的油气井井底流压及产量数据得到的油气藏模型参数进行优化处理,得到最符合油气藏实际情况的参数。试井存在多解性,以往使用的最优化方法要求目标函数连续可微,受初值影响较大,是属于寻找局部最优解的办法。为此,提出了一种混合差分进化算法的试井分析最优化方法。将标准差分进化算法加以改进,与模拟退火算法和小生境思想结合在一起,构成一种混合差分进化算法,该算法在保证算法全局搜索能力的同时,能更快地收敛到非线性问题的最优解。进一步将该算法应用到试井分析中,构建了基于混合差分算法的试井分析方法,不需要估计井筒和油藏参数的初值,也不要求目标函数连续可微,优于标准差分进化算法。通过实测试井资料分析,与 L–M 方法相比,效果良好。     

高斯混合分布杂波下ARM的Wald检测方法

提出一种在高斯混合分布杂波下检测反辐射导弹(ARM)的Wald检测方法.针对基于期望最大化(EM)算法估计杂波参数时,由于初始化不当使迭代运算落入初值陷阱、导致估计错误的问题,提出基于矩-EM算法估计杂波参数的方法,导出了高斯混合分布杂波下ARM目标的Wald检测统计量.不同参数条件下的仿真表明,矩-EM算法能够更准确地估计杂波参数;基于高斯混合分布杂波假设的Wald检测性能明显优于基于高斯分布杂波假设的Wald检测性能.     

嵌入式linux系统功耗优化技术综述

对于嵌入式系统来说,硬件选型一旦确定,系统的功耗就取决于软件设计,而操作系统是实现低功耗设计的最合适的一层。通过对目前嵌入式Linux系统的主流的功耗优化技术包括动态电源管理技术（DPM）、动态电压调节技术（DVS）及其他的一些功耗调度算法进行详细的介绍,分析各技术的特点,并在此基础上提出了嵌入式Linux系统功耗优化的新思路。     

拉伸技术粒子群优化算法的多用户检测器

粒子群优化算法是一类新型进化算法,为提高粒子群优化算法对复杂问题全局最优解的探测能力,该文引入一种基于拉伸技术的粒子群优化算法,把它应用到CDMA通信系统中抗干扰关键技术——多用户检测中,提出了基于拉伸粒子群算法的多用户检测器。仿真结果表明,该检测器在误码率性能、抗远近效应和增加系统容量方面的性能较之其他的检测器均有明显的提高。     

基于最速下降法的人工免疫算法

由于人工免疫算法受到收敛速度相对较慢,局部搜索能力较弱、求解全局最优解需要的群体规模相对较大等因素的影响,本文将最速下降法与人工免疫算法结合,提出了一种新的混合算法。数值实验结果表明,该算法能够找到更优的优化结果,并且在收敛速度上明显优于传统的人工免疫算法。     

压裂液滤失的二维数值模拟

结合油藏工程和数值模拟技术,根据压裂施工过程中滤失的压裂液在地层中二维流动和压裂液为非牛顿型流体的实际,建立了非牛顿型压裂液的二维动态滤失模型,用数值方法求解,并将计算结果与一维模型结果进行对比分析。计算表明:仅考虑压裂液垂直于裂缝壁面一维流动所计算的滤失速度会偏小,并且这种差值会因地层渗透性的增加而加大。二维方法由于考虑了压裂液的非牛顿特性和二维流动,其结果也比一维模型更符合现场实际,可以减少压裂施工的风险,提高压裂设计的可靠性。     

模糊环境下基于信息熵风险度量的投资组合模型

研究了模糊环境下的投资组合模型,将证券的收益率描述为模糊变量,运用信息熵度量投资风险,分析了模糊熵度量模糊环境下的不确定性的优点,提出了模糊环境下基于信息熵风险度量的投资组合模型,设计了基于模糊模拟的混合智能算法对具有模糊收益的投资组合模型进行求解.     

Study on Multi-Trip Vehicle Routing Problem with Stochastic Simultaneous Pickup-Delivery Demand

Characterized by high service efficiency and low vehicle cost, multi-trip distribution allows the vehicle to travel multiple times between the distribution center and customers in order to complete the delivery task. Dynamic and uncertain customer demand is common during delivery. Combined pickup-delivery integration pattern with stochastic customer demand, an optimization model for multi-trip vehicle routing problem is set up with stochastic simultaneous pickup-delivery demand. Due to the sudden and simultaneous pickup-delivery of dynamic demand, the original distribution scheme needs to be optimized and adjusted, and the multi-trip routing adjustment strategy of "real-time flexible point" is proposed. According to the stochastic characteristics of the optimization model, a stochastic chance-constrained programming transformation model is introduced. A hybrid algorithm with nested stochastic simulation and variable neighborhood tabu search algorithm is designed to find the optimal distribution path. Finally, an example shows that the optimization model and algorithm are feasible and effective.     

TSP及其扩展问题的混合型启发式算法

就经典的旅行商问题（ＴＳＰ）及其扩展形式;瓶颈问题、多目标问题等给出一种混合型启发式算法,并知微机上予以实现,为困难的扩展型ＴＳＰ提供了新的求解手段。     

Optimization for Vehicle Routing Problem with Cross-docking considering the Value of Time Window Service

The cross-docking distribution network has the characteristics of low storage and high efficiency, and the key to its implementation is the effective integration of internal coordination, sorting and external vehicle routing. Meanwhile, the complexity of the distribution environment increases the uncertainty of delivery time, making logistics service recipients perceive different service value. Combined with the prospect theory, the customer time window service value function is given. And a multi-objective optimization model for cross-docking logistics distribution aimed to find the lowest total cost and the largest value of time window service is proposed. Then, a hybrid algorithm combining tabu search algorithm and local search algorithm is designed to find the optimal solution. Finally, the simulation of the example verify the feasibility and effectiveness of the model and the algorithm.     

引入传统算子和记忆信息的进化算法

本文在进化算法中加入了一个传统优化算子 ,它利用最好点的记忆信息对搜索过程进行指导 ,使之不仅具有逃离局部最优点的能力 ,而且有较快的收敛速度     

混合量子算法在旅行商问题中的应用研究

针对旅行商问题(TSP)的特点提出了一种新的解码方式,结合了进化计算(EA)和微粒群算法(PSO)的思想,构造了独特的混合量子算法(HQA).为进一步提高算法的性能,构造了改进混合量子算法(IHQA).IHQA在更新个体时能够指导惯性权重进行动态变化,决定个体在下一代被吸引或扩散.经测试证明,两种混合算法均表现出强大的寻优能力,IHQA效率更高.