组约束与非局部稀疏的图像去噪算法

现有的非局部稀疏表示去噪算法大多严格依赖于块匹配,且其去噪性能受制于匹配的相似块的数量.鉴于此,提出了组约束与非局部稀疏的图像去噪模型.模型在非局部稀疏的基础上加入了分组约束,增强了图像块之间的非局部相似度,块匹配更加精确.实验表明,模型无论是在视觉效果还是峰值信噪比上均具有较好的性能.

OFDM中基于语音特性及分组长度的多业务调度

调度的目标是尽可能降低语音分组时延,同时最大化数据业务的总吞吐量。采用串行调度的方法:先进行语音调度,再进行数据调度。通过一个可调参数Vmax体现语音和数据业务在资源分配上的折衷。算法设计时考虑了可变分组长度给调度带来的影响与约束,提出了一种载波补偿方案以保证在每个调度帧内传输尽可能多的分组,并利用了语音业务特性。仿真结果表明:与Ahmed和Gkkw算法相比,该算法降低了语音分组时延。

联合补货策略下的供应商选择和订货量分配协同优化

分析基于联合补货策略的供应商选择与商品订货量分配协同决策问题,设计一种有效的改进差分进化算法(Improved differential evolution, IDE)进行求解.在考虑商品异质性带来的分组约束基础上,构建一种拓展的供应商选择与订货量分配协同决策新模型.对比算例分析表明, IDE在求解此问题及其扩展问题时优于标准差分进化算法和模拟退火算法,随机生成的大规模算例进一步验证了IDE求解此类复杂问题的优越性.