一个蚁群优化模型的期望性能分析

用蚁群优化求解组合优化问题时,信息素模型及其规则可能使问题的各组件之间的竞争失衡,从而有可能使蚁群搜索停滞在最差解。研究了蚁群优化求解k-最小生成树问题时的信息素模型及其更新规则对性能的影响,对原有的信息素模型作出了新的解释:直接表示k-最小生成树问题的边被选择的概率。基于新的信息素模型设计了一种新的解的构造过程,这种过程不仅产生可行解,也产生不可行解;同时研究了使用可行解和全部解更新信息素模型时算法的迭代期望质量随时间的增减情况,其结果表明,只使用可行解时迭代期望质量随时间连续降低,而使用全部解时算法最终收敛到最优解。为了使用全部解,定义不可行解的不可行量及扩展目标函数使可行解的目标值不变而不可行解的目标值大于任何一个可行解。

基于BP和PGA算法的斜视SAR成像方法

在斜视合成孔径雷达(Synthetic Aperture Radar,SAR)成像的情况中,由于目标的运动或者平台运动误差,导致成像结果方位向散焦,需要通过相位梯度自聚焦(Phase Gradient Autofocus,PGA)处理改善图像质量。但由于斜视成像时点目标扩展函数二维不正交,采用传统自聚焦算法难以提取出强点目标较完整的方位向能量进行自聚焦处理,聚焦效果不佳。本文提出了一种基于BP(Back Projection)算法成像点目标扩展函数(Point Spread Function,PSF)二维不正交的自聚焦方法,利用后向投影算法对晃动的舰船目标进行成像,通过坐标旋转解决方位向倾斜导致PGA性能不佳的问题,得到聚焦良好的图像。仿真结果验证了本文方法的有效性。