基于GASA算法的DFCW-LFM波形设计

离散频率编码波形是一类常用的多输入多输出雷达波形,加入线性调频能够改善其自相关性能。将基于遗传算法和模拟退火的混合算法用于离散频率编码线性调频(discrete frequency coding waveform-linear frequency modulation,DFCW-LFM)波形的优化设计,仿真结果表明,用该优化算法得到的信号其相关性能要优于现有方法。另外,提出了一种改进的DFCW-LFM波形设计方法。该方法在DFCW-LFM波形的基础上,对频率编码子脉冲同时进行相位编码,构成DFCW-LFM和相位编码的混合波形,并采用混合算法对其进行优化设计。仿真结果表明,和已有的DFCW-LFM波形相比,所设计混合波形的相关性能得到了进一步改善。

基于改进离散模拟退火遗传算法的雷达网协同干扰资源分配模型

针对分布式干扰机掩护目标突防雷达网背景下的干扰资源分配问题,提出了一种引入随机密钥的改进离散模拟退火遗传算法(improved discrete simulated annealing genetic algorithm,IDSA-GA)对资源分配过程进行优化。基于雷达网融合检测概率构建干扰效果评估函数,利用IDSA-GA对函数寻优求解。IDSA-GA在模拟退火遗传算法(simulated annealing genetic algorithm,SA-GA)的基础上引入随机密钥,完成算法的离散化;并在迭代的过程中增加记忆功能,克服了过早收敛的现象。仿真结果表明,与GA相比,提出的IDSA-GA收敛迅速,寻优能力强,能有效解决干扰资源优化分配问题。

基于随机生成树的配电网重构模拟退火算法

提出了一种基于实数编码方式的配电网重构模拟退火算法,即按开关序号的实数编码方式产生随机序列,再利用图论方法产生对应的一棵生成树(一种树状网络结构).该算法可保证解空间的可行性和完备性.对算法的邻域结构的确定进行了分析.给出的算例表明该算法求解快速,简单有效.

压缩感知雷达感知矩阵优化

压缩感知雷达(Compressive sensing radar,CSR)的场景恢复性能要求感知矩阵相关系数尽可能小。针对感知矩阵相关系数的最小化问题,提出了基于模拟退火的感知矩阵优化算法,建立了基于随机滤波结构的CSR模型,给出了优化目标函数,采用模拟退火实现了发射波形、测量矩阵的优化以及联合优化。仿真结果表明该算法可以提高场景恢复精度,提升抗噪能力,增大可观测目标个数上限,且联合优化的性能优于波形和测量矩阵的单独优化。

混合遗传算法与模拟退火法

论文将适合全局搜索的遗传算法(GA)和适合局部搜索的模拟退火算法(SA)相结合,提出了混合GA-SA计算方法。一方面,算法采用混沌初始化,提高了初始群体的质量;另一方面,算法采用Gray编码以及动态自适应调节交叉概率和变异概率,提高了收敛速度,并有效防止种群早熟现象。实例验证了该算法的可行性和有效性。

不确定环境下三级应急系统部分转运策略

针对应急系统中的多点库存共享问题,研究了需求为随机模糊变量情形下的应急调货策略。考虑一个三级多品种的应急供应系统,当缺货发生时,各供应点之间可依据就近应急转运的原则共享部分库存,据此建立了有需求满足时间约束和各供应点库容空间限制的系统总费用随机模糊期望值模型,提出了一种粒子群优化算法和模拟退火算法相结合的先进计算方法(PSO-SA算法)对模型进行了求解,结合算例分析了转运点、就近转运时间、单位物品库容空间等因素变动对部分转运的影响,并验证了算法的有效性和模型的适用性。

基于高斯混合模型的遥感信息提取方法研究

高斯混合模型(Gaussian mixture model,GMM)可以描述遥感数据的概率密度函数,通过估计各高斯分布的参数,计算后验概率,实现信息提取。为了提高利用GMM进行遥感信息提取的准确度,首先在GMM中使用马尔科夫随机场(Markov random field,MRF)计算各像元邻域内各类地物的先验概率,代替各类地物的混合概率,使其反映出各类地物的空间相关性;然后在参数估计过程中利用模拟退火(simulated annealing,SA)思想获得全局最优的参数估计值;最后利用该参数估计值求出每个像元对于各类地物的后验概率,获得各类地物的空间分布。通过对遥感实验场的图像数据进行信息提取,发现所述新方法取得了更好的效果,证明了上述改进的有效性。

基于混合优化算法的正交多相码的设计

通过结合模拟退火算法的概率接受准则和蚁群算法的并行搜索,提出了一种有效的混合优化算法,设计出了具有良好自相关和互相关性能的正交信号组。混合算法弥补了模拟退火算法的搜索效率低和蚁群算法的容易陷入局部最小值的缺点,提高了全局搜索的能力。仿真结果表明,在搜索最优正交多相码方面该混合优化算法优于其他搜索算法。

基于视觉感知和MARMA-MRF模型的SAR图像分割

模拟人类视觉感知机制,提出了一种基于多尺度自回归滑动平均(MARMA,multiscale autoregressive and moving average model)模型和Markov随机场(MRF,markov random field)的合成孔径雷达(SAR)图像分割新方法。首先,分析人类视觉感知系统的工作机制和特点,利用SAR的成像机理,构建了SAR图像的金字塔结构和MARMA模型,以此模拟视觉过程中的空间尺度和朝向感知机制;然后,通过不同尺度上的MRF模型和改进的模拟退火(SA)算法实现更有效的多尺度分割策略。实验结果表明,本文提出的方法在SAR图像分割任务中有非常良好的表现。

基于改进混合遗传算法的齿轮轴柔性车间调度问题研究

针对柔性作业车间调度复杂的问题,为缩短完工时间,课题组提出了一种基于模拟退火算法(simulated annealing,SA)的改进混合遗传算法。该算法进行搜索时,利用全局、局部和随机(global local random,GLR)种群初始化策略来优化初始解,再基于工序顺序和机器分配2种交叉变异策略扩展种群内优质解的数量,最后在模拟退火操作中加入邻域结构进行优化,在避免传统遗传算法易陷入局部最优的同时,提高了寻优速度。应用课题组提出的改进混合遗传算法对某齿轮轴加工车间加工数据进行仿真对比实验,与传统遗传算法相比,生产效率提高了8.43%,证明了该改进混合遗传算法的有效性。