一种低复杂度的LDPC码改进型UMP BP-Based译码算法

为了弥补UMP BP-Based相对于LLR BP译码算法的性能缺陷,提出一种改进型UMP BP-Based译码算法。通过将Normalized BP-Based和O ffset BP-Based译码算法的优点相结合,并利用最小均方误差准则来计算该算法中的参数。仿真结果表明,在相同误码率的情况下,改进型UMP BP-Based译码算法比UMP BP-Based、Nor-malized BP-Based以及O ffset BP-Based具有更好的LDPC译码性能。

一种非规则LDPC码的改进型UMPBP-Based译码算法

为了减小UMP BP-Based译码算法相对于LLR-BP译码算法的性能损失,提出了一种改进型UMP BP-Based译码算法,校验节点消息处理时,通过合理地设置校正因子与偏移因子2种参数,将Normalized BP-Based和Offset BP-Based 2种译码算法进行有效的融合;变量节点消息处理时,引入了一种LLR-BP译码算法中的震荡补偿算法.仿真结果表明,针对非规则LDPC码,在一定范围内误码率相同的条件下,改进型UMP BP-Based译码算法与UMP BP-Based、Normalized BP-Based和Offset BP-Based 3种译码算法相比较,译码性能得到明显的改善,可以更有效地逼近性能优异的LLR-BP译码算法.

多目标混合流水车间调度问题求解算法

针对多目标不相关并行机混合流水车间调度问题,建立以最小化最大完工时间、机器总能耗和机器加工成本为目标的多目标数学模型。提出一种改进的基于分解的多目标进化算法(Improved multi-objective evolution algorithm based on decomposition,IMOEAD),采用均匀设计表生成初始权重向量,提高种群多样性,利用正态分布交叉并设计了自适应高斯变异来提高算法的全局搜索能力和局部搜索能力,在权重向量邻域中选择个体产生新解,运用非支配等级和拥挤距离更新外部档案。以反世代距离、世代距离和非支配解个数为性能指标,通过大量案例仿真,与非支配排序遗传算法Ⅱ和基于分解的多目标进化算法进行对比,结果验证了该算法的有效性。

基于改进集成KNN回归算法的风电机组齿轮箱状态监测

风电机组齿轮箱是容易发生故障的重要部件,维修费用高昂,因此有必要对其进行实时状态监测。针对集成K近邻(KNN)算法对随机采样不敏感的问题,提出了一种基于规则采样的改进集成KNN模型。首先利用距离相关系数进行变量选择,然后基于正则化互信息对变量进行排序,将其用于规则采样,构造子训练集,最后基于统计过程控制方法设置预警阈值对实时残差进行分析,根据健康度曲线对风电机组齿轮箱健康度进行监测,并利用某风电机组实际数据对所提方法进行验证。结果表明:所提方法显著提升了模型估计精度,该模型优于常规集成KNN模型,可以实现齿轮箱的早期故障预警。

基于圆形搜索机制的多反向复合鲸鱼优化算法

为了改进鲸鱼优化算法存在的种群多样性和勘探开采能力不足等问题,提出了基于圆形搜索机制的多反向复合鲸鱼优化算法(CSOWOA).首先,针对种群多样性进行了改进.通过折射反向学习初始化种群,以便于搜索到更为隐蔽的空间,加强初始种群的多样性;在算法寻优过程中,通过适应度值大小来划分优势种群和劣势种群,分别对其进行折射反向学习和随机反向学习的多反向复合方式,确保算法寻优过程中种群分布的多样性,便于算法寻优。其次,针对算法勘探开采能力进行了改进.采用结合种群成功率的自适应权重来加强鲸鱼的包围搜索能力,同时在包围搜索过程中通过两种圆形搜索机制加强算法的勘探和开采能力,提升算法的收敛速度和寻优精度.最后,加入正态变异来扰动精英个体的位置,带动可能陷入停滞的鲸鱼种群,避免算法陷入局部最优.仿真实验在13个基准测试函数中与几个知名改进鲸鱼算法和经典智能优化算法进行比较,比较结果显示CSOWOA有明显的提升效果.

基于案例推理系统中案例检索算法的探索

案例检索是基于案例推理系统的中心环节,目前应用最多的欧氏距离检索算法在实际应用中经常出现计算的相似度结果偏离工程实际的情况。文章利用一种归一化效用函数在最近邻法原理基础上提出一种改进的欧氏距离检索算法。实际工程应用结果说明,这种改进的算法不仅有效,而且简单实用。

基于实数编码的免疫遗传算法研究

针对标准遗传算法(SGA)搜索效率低、收敛速度慢等缺陷,在免疫遗传算法的基础上提出了基于实数编码的免疫遗传算法(RIGA)。研究表明,RIGA对SGA的改进是有效可行的,显示出稳健的全局优化、计算量少而解的精度高等特点,具有较高的应用价值。

基于广义反向粒子群与引力搜索混合算法的多阈值图像分割

提出了基于粒子群优化(PSO)与引力搜索(GSA)混合算法(PSOGSA)的多阈值图像分割方法来解决图像阈值搜寻过程中单一优化算法局部搜索能力不强的问题。提出了图像阈值分割领域中的广义反向学习策略,在阈值寻优过程中提高群体多样性,增强了全局搜索能力;采用了全局最优解的正态变异策略,扩展了全局最优的搜索区域,避免了算法的早熟收敛。在此基础上,实现了基于广义反向粒子群与引力搜索混合算法的多阈值图像分割方法。最后,使用本方法对复杂多目标图像进行了多阈值分割实验,并与引力搜索算法和萤火虫算法进行了比较。实验结果表明,本文方法的分割精度优于引力搜索算法与萤火虫算法,其分割目标函数值在连续运行时的标准差降低了90%以上,是一种精度高、稳定性强的多阈值图像分割方法。

中国绿色经济效率的测算及影响因素——基于偏正态面板数据模型

首先利用带有非期望产出的SBM测算了2005—2015年中国29个省(自治区、直辖市)的绿色经济效率,并验证了其偏正态分布特征。在此基础上,构建了偏正态面板数据模型,研究了中国绿色经济效率的影响因素。然后,运用基于EM算法的极大似然法估计模型参数,并将其参数估计结果与正态面板数据模型的参数估计结果进行比较。结果表明:偏正态面板数据模型具有更好的统计优良性;经济发展水平、外资利用水平和教育投入对绿色经济效率具有正向影响;产业结构、城市化水平和污染治理投入对绿色经济效率产生负向影响。

一种基于正态分布交叉的ε-MOEA

实数编码的多目标进化算法常使用模拟二进制交叉(simulated binary crossover,称SBX)算子.通过对SBX以及进化策略中变异算子进行对比分析,并引入进化策略中的离散重组算子,提出了一种正态分布交叉(normal distribution crossover,称NDX)算子.首先在一维搜索空间实例中对NDX与SBX算子进行比较和分析,然后将NDX算子应用于Deb等人提出的稳态多目标进化算法ε-MOEA(ε-dominance based multiobjective evolutionary algorithm)中.采用NDX算子的ε-MOEA(记为ε-MOEA/NDX)算法在多目标优化标准测试集ZDT和DTLZ的10个函数上进行了实验比较.实验结果和分析表明,采用NDX的ε-MOEA所求得的Pareto最优解集质量明显优于经典算法ε-MOEA/SBX和NSGA-Ⅱ.

基于数据集特点的增强聚类集成算法

当前流行的聚类集成算法无法依据不同数据集的不同特点给出恰当的处理方案,为此提出一种新的基于数据集特点的增强聚类集成算法,该算法由基聚类器的生成、基聚类器的选择与共识函数构成。该算法依据数据集的特点,通过启发式方法,选出合适的基聚类器,构建最终的基聚类器集合,并产生最终聚类结果。实验中,对ecoli,leukaemia与Vehicle三个基准数据集进行了聚类,所提出算法的聚类误差分别是0.014,0.489,0.479,同基于Bagging的结构化集成(BSEA)、异构聚类集成(HCE)和基于聚类的集成分类(COEC)算法相比,所提出算法的聚类误差始终最低;而在增加候基聚类器的情况下,所提出算法的标准化互信息(NMI)值始终高于对比算法。实验结果表明,同对比的聚类集成算法相比,所提出算法的聚类精度最高,可伸缩性最强。

截断随机出行时间下可靠网络均衡模型

针对现有随机交通网络均衡模型未考虑路径出行时间的有界性和准时到达概率对出行者路径选择行为影响的问题,基于截断随机出行时间,提出了克服其局限性的可靠网络均衡条件,该均衡条件下没有出行者可以通过单方面改变出行路径来提高准时到达概率.构建了该均衡条件的等价变分不等式(VI)模型,并证明了其等价性和解的存在性.设计了基于路径的相继平均(MSA)算法对模型求解.采用Nguyen-Dupuis网络对可靠网络均衡模型和MSA算法的有效性进行了测试.研究结果表明:该算法能够快速收敛到较高精度;与不考虑随机出行时间有界性的模型相比,网络均衡状态下的准时到达概率和流量分布均存在差异,最大路段流量相对变化值达到38.5%;增加出行时间预算和降低出行时间上界均可以有效提高起讫点间的准时到达概率.

改进的MODSA算法在船型优化中的应用

针对传统智能优化算法处理高维优化问题时易陷入局部最优解且优化效率低的问题,文章采用近几年提出的基于模型的动态抽样分配(MODSA)算法作为研究对象,该算法具有处理高维优化问题的潜力,但对某些复杂高维问题很难搜索到全局最优解。为避免MODSA算法陷入局部最优解,采用多元正态分布作为抽样分布并推导相应参数更新式;为进一步提升该算法的优化效率,采用均匀设计确定初始抽样分布的期望值并通过Sigma管理水平自适应确定初始方差。通过数值函数测试结果表明:改进的MODSA算法具有更好的优化性能。最后,将改进的MODSA算法应用于5100TEU集装箱船兴波阻力性能优化。

基于点的造型中如何计算采样点的法向量

随着三维扫描技术的迅速发展,以及大量采样点数达百万数量级的高精度模型的产生,使得基于点的绘制技术逐渐成为热点。文章介绍了一种在基于点的造型中不必经过三角化,由采样点直接计算法向量的方法。该方法首先找到当前点周围的临近采样点;然后,根据最小二乘法由这些临近点近似计算当前点所在位置的切平面;最后,将切平面的法向量作为当前采样点的近似法向量。试验表明,该方法可以快速有效地计算采样点的法向量。

Gamma-Gamma信道下LDPC码译码算法性能分析

为降低低密度奇偶校验(LDPC:Low-Density Parity-Cheek)码译码算法的复杂度,同时提高通信系统性能,在研究对数似然比置信传播(LLR-BP:Log-Likelihood Ratio Belief Propagation)算法及其简化的译码算法基础上,提出了一种基于归一化最小和(NMS:Normalized Min Sum)算法的改进算法。深入研究了Gamma-Gamma分布模型,并将Gamma-Gamma分布作为仿真的信道模型,应用Matlab仿真比较了LLR-BP及其简化算法在不同湍流强度信道下的性能。仿真结果表明,无论在AWGN(Additive White Gaussian Noise)信道还是不同湍流强度的Gamma-Gamma信道下,改进算法在几种算法中都有较好的译码性能,尤其是在中湍流和强湍流信道下改进算法的性能优势更为明显。通过码长对BER(Bit Error Rate)影响的仿真结果表明,适当增加码长可有效改善算法的性能。

基于正交对立学习的改进麻雀搜索算法

针对麻雀搜索算法种群多样性少,局部搜索能力弱的问题,本文提出了基于正交对立学习的改进型麻雀搜索算法(OOLSSA)。首先,在算法中引入正态变异算子,丰富算法种群多样性;其次,利用对立学习策略,增强算法跳出局部最优的能力;然后,在加入者更新之后引入正交对立学习机制,加快算法的收敛速度;最后,基于15个基准测试函数与6个传统优化算法和2个改进型算法进行仿真实验、非参数Friedman检验以及算法平衡能力进行分析,评估OOLSSA算法寻优性能。仿真结果证明,OOLSSA与其余8种算法相比,算法的探索开发能力以及收敛速度都表现良好。

基于改进遗传算法的电力系统无功优化

在简单遗传算法的基础上,针对无功优化的动态、多目标、多约束以及非线性特点,提出了基于简单遗传算法的改进算法.改进遗传算法中采用了个体适应度函数的线性变换、归一化的选择方法,以及定向变异策略的应用.以ward & Hale 6节点标准测试系统为例对该算法进行了有效性验证.仿真结果表明,该方法对电力系统的无功优化效果良好.

π-旋转LDPC码译码算法及其量化研究

通过仿真分析论述了Normalized BP-Based算法对于π-旋转LDPC码具有很好的译码性能,并对此算法它进行了定点分析,从仿真结果可知,使用BPSK调制时,在白高斯噪声信道下,Normalized BP-Based译码算法使用正确的量化方案时可以获得和浮点几乎一致的性能。

基于预见性巡航的重型卡车质量估计系统设计

为了满足预见性巡航控制(predictive cruise control,PCC)系统对重型卡车质量的精度要求,针对传统重型卡车质量估计算法的不足,设计了重型卡车的质量估计系统。开发了基于车辆纵向动力学和基于高精度地图的卡车质量估算策略,采用归一化最小均方(normalized least mean square,NLMS)算法对估计质量进行了平滑性处理;完成了质量估计系统的硬件设计;搭建了质量估计算法的Simulink模型,采用基于模型设计的方法进行了系统软件的开发;实车验证了整个系统的可靠性以及质量估计算法的精确性。试验结果表明:与实际的卡车质量相比,质量估计系统计算得到的卡车质量的误差在9%以内。

改进型RRT^(*)算法的水下机器人三维全局路径规划

由于传统快速扩展随机树的改进算法(RRT^(*))在处理自主式水下机器人三维路径规划问题时存在算法收敛速度慢、规划出的路径不平滑等问题,提出一种改进型NT-RRT^(*)算法(正态采样、三角裁剪的快速扩展随机树改进算法),利用正态分布的空间采样策略来代替RRT^(*)算法中的全局均匀随机采样,用来提高算法的收敛速度。此外,引入基于三角不等式的几何修剪算法,减少了随机树扩展过程中的节点和路径长度。在有地形障碍物和漂浮障碍物的三维水下环境进行仿真,仿真结果表明,改进后的算法在随机扩展中的节点数减少为原来的15%,算法规划时间缩短为原来的20%,规划出的路线长度约为原来的一半并且路径光滑、曲折性小,说明改进后的NT-RRT^(*)算法在收敛速度和路径长度上明显优于RRT^(*)算法。