整数微分进化策略及其在微波成像中的应用

提出了微分进化策略的整数编码方法.按照给定的精度使优化问题的常规实数编码的解空间离散化,并对离散化的结果进行整数编码,建立对应的整数空间.在整数空间中求解,在实数空间中计算解的适应度.对有限精度以及计算存在离散化过程的工程优化问题,用整数编码可有效提高搜索速度,并自动滤除不稳定解.对于离散、高维、多值类型的微波成像示例,与实数编码比较,用微分进化策略的整数编码优化算法搜索速度更高,成像结果更优.

解决混合整数非线性规划问题的混沌局部搜索差分进化算法

为提高差分进化算法的局部搜索能力和避开罚函数方法中罚参数选择问题,提出一种混沌局部搜索策略的差分进化算法(CLSDE)用于解决非线性混合整数规划问题.CLSDE中,只对目标函数中的变量进行编码,约束条件函数中的变量随机产生,每代进化完毕后,对最优个体进行混沌局部搜索.6个基本的测试函数实验结果证明CLSDE比MIHDE具有较好的寻优能力.

介质圆柱的单站微波成像方法

提出一种对介质圆柱实现单站微波成像的方法。该方法通过时域有限差分法进行电磁场正过程的仿真计算,采用整数微分进化策略实现逆过程的寻优计算。分别分析TE模式和TM模式的近场散射信号得到介质成像目标在电磁波传播方向上尺寸大小的估计,并以此为依据,确定成像目标的尺寸范围,从而确定逆过程的寻优区间。该方法无需像传统成像方法围绕成像目标设置多个发射/接收天线以获取成像信息,从而大大减少了成像的必要条件。采用该方法,在TE模式和TM模式下分别对介质圆柱目标进行仿真成像,获得了良好的效果。

基于田口算法的超宽带TEM喇叭天线及阵列的优化

田口算法作为一种全局优化算法,具有实现过程简单、收敛速度快等优点。采用田口算法与时域有限差分(FDTD)法结合的方法对超宽带TEM喇叭天线进行了优化,并把优化性能、收敛速度等与整数编码微分进化相应结果进行对比。结果表明田口算法能够寻到最优解,而且其收敛速度是整数编码微分进化收敛速度的近三倍。另外还对六元喇叭天线阵进行了优化,优化后六元阵的性能得到了很大的提高。

智能无人机轨迹与任务卸载联合优化

移动边缘计算(MEC)是云计算技术在边缘基础设施之上的应用拓展。考虑一个高能效的无人机移动边缘计算系统,通过联合优化无人机的运动轨迹、任务卸载策略和计算资源分配来最小化系统的能耗。为解决以上问题,提出一种双层优化方法,在上层用基于无监督学习的信道增益-自组织特征映射网络(h-SOM)对用户进行实时聚类,该聚类是以信道增益作为判断类别的指标并得到无人机的最佳部署位置;在下层根据无人机的部署,将计算卸载和计算资源分配问题转化为混合整数非线性规划问题(MINLP),并采用带有精英初始策略和自适应双变异策略的改进差分进化算法(IDE)进行迭代求解,精英初始策略可以根据h-SOM的聚类结果提供优秀的初始解,自适应双变异策略能够提高算法的全局搜索能力并促进算法收敛,从而获得更好的任务卸载决策。通过仿真实验验证了所提方法的有效性,并与传统算法进行了比较,其优化效果显著,为MEC系统的联合优化提供了一种新思路。

基于改进差分进化算法的RBF神经网络在股指预测中的应用

为了提高径向基函数(RBF)神经网络的预测性能,文章提出改进的差分进化算法(IDE),通过引入混合变异策略和局部算子来增强算法的收敛速率和局部搜索能力,用改进的差分进化算法对径向基函数神经网络的网络结构参数进行优化,建立了IDE-RBF神经网络股指预测模型,并以上证综指为例进行了实证分析。实证结果表明,IDE-RBF神经网络的预测效果明显优于其他预测模型。