基于算法估计的网络端到端时延测量方法

在网络端到端延迟的测量中,常用的方法大多是通过发送探测包来直接得到端到端的时延值。由于存在时钟不同步的问题,所以测量结果的误差较大。针对此问题,在Sue B.Moon提出方法的基础上进一步改进,提出了一种基于算法估计的软件方法,该方法更好地解决了收发时钟不同步的问题,提高了测量的精度。

基于两步单源点筛选的改进退化解混和估计算法

退化解混和估计(Degenerate unmixing estimation technique,DUET)算法是一种典型的欠定盲源分离算法,其采用的二进制时频掩蔽会保留部分干扰信号。提出了基于两步单源点筛选的改进DUET算法,首先使用余弦角算法进行单源点筛选,再采用计算相似度的方法进行第二步单源点筛选。通过两步单源点筛选获得更精确的目标信号和干扰信号后,设计用于抵消干扰信号的滤波器取代DUET中的二进制时频掩蔽,达到抑制干扰信号和提取目标信号的目的。仿真实验结果表明,该方法在正定盲源分离和欠定盲源分离两种情况下都有较优的盲源分离性能。

基于改进分布估计算法的能耗最优AUV路径规划算法与仿真研究

针对经典基于等宽度直方图的分布估计算法(FWH)在解决自主水下机器人(AUV)路径规划问题中易陷入局部极值、计算精度不高等问题,提出一种受粒子群优化算法启发的改进分布估计算法.通过将FWH与粒子群优化算法中优势个体的部分筛选机制相结合的方法,组成双重优势个体产生方法,提高AUV路径规划最优路径的精度,增加收敛速度.在水下数字高程模型环境中对经典分布估计算法、PSO算法、A*算法以及改进后的算法进行性能评估.仿真结果表明,相比于改进前的算法,新的算法计算出的能耗值减少24.9%,有效增加计算精度,避免陷入局部极值,提高效率.

用于太赫兹通信的双向全并行相位估计算法

在太赫兹通信的超宽带应用场景下,太赫兹载波是通过多次倍频实现,因而导致相噪严重恶化。基于太赫兹频率下的多极/零相位噪声模型,在传统的盲相位估计算法的基础上,提出了一种全并行化的相位估计算法。该算法通过在每个并行数据中插入导频,将导频相噪信息作为初始相位对并行数据进行相位扩展及旋转鉴相。借鉴传统盲相位估计算法的最佳相位估计值的判决选择思路,同时利用前一时刻导频和当前时刻导频,对当前并行数据从前后两个方向进行相位估计并对前后两个估计相位基于距离前后导频的位置进行加权求和以获得最佳相位估计信息。经过仿真验证,通过该算法后残余相噪在1 MHz和10 MHz处分别降低10 dBc/Hz和25 dBc/Hz。

改进分布估计算法的AUV全局路径规划

为解决基于固定宽度直方图(FWH)的分布估计算法在解决自主水下机器人(AUV)路径规划问题时易陷入局部最优的问题,提出一种个体更新方法融合策略。将狼群优化算法(WPA)中的部分个体更新方法,以及三次样条函数融合到算法当中,增加算法个体更新方法的多样性。提高AUV路径规划的精度,增加收敛速度。在水下数字高程模型环境中,对原始算法以及改进后的算法进行性能评估。仿真结果验证了算法改进的可行性和有效性。

混合三维分布估计算法求解分布式加工装配和车辆配送集成调度问题

本文针对一类广泛存在的分布式加工装配和车辆配送集成调度问题(Integrated Scheduling Problem of Distributed Production Assembly and Vehicle Delivery,ISP_DPAVD),以最小化运输和延迟惩罚总成本为优化目标,提出一种混合三维分布估计算法(Hybrid three-Dimensional Estimation of Distribution Algorithm,H3DEDA)进行求解.ISP_DPAVD包含两个耦合的子问题,即加工装配阶段子问题(子问题1)和车辆配送阶段子问题(子问题2).由于每个子问题1的解(部分解1)均会确定1个具体的子问题2,故ISP_DPAVD的解空间非常庞大.根据这一特点,在H3DEDA中,先设计结合邻域变换的启发式规则来快速获取子问题2的优良解,以实现子问题间的部分解耦并明显缩减搜索空间,再设计三维EDA引导的全局搜索和变邻域驱动的局部搜索来获取ISP_DPAVD的高质量解.通过在不同规模测试问题上的仿真实验和算法比较,验证了H3DEDA求解ISP_DPAVD的有效性.

基于分布估计算法的含DG配电网保护布点优化方法

配电网中继电保护装置可以有效提高系统的运行可靠性,但同时增加了系统的成本投入。传统的保护布点方法不适用于含分布式电源接入的情况,提出了一种计及分布式电源影响的配电网保护布点优化模型,并采用分布估计算法进行求解。首先,分析了分布式电源接入配电网对保护布点的影响。然后,建立了以经济成本最小为目标、供电可靠性为约束的保护布点优化模型,并采用全局优化的分布估计算法对优化模型进行求解。最后,以某实际变电站简化拓扑为例,对所提方法进行了算例分析。结果表明,所建立的优化模型可以很好地适用于分布式电源接入的情况,并且,所采用的分布估计算法对于结构复杂的配电网来说,在收敛性上优于其他算法。

一种基于位平面和位运动估计的视频数据压缩算法

高分辨率和高刷新率使得带宽传输的压力加倍。通常,视频压缩被用来解决这个问题。但传统的视频压缩方法不根据位平面进行编码和解码,会增加存储区域的成本。因此本文首先介绍了一种位恰可察觉失真(BJND)模型,计算了结合视点因子的位平面恰可察觉失真模型的阈值,并将亮度因子和纹理因子的恰可察觉失真(JND)阈值映射到位平面上,综合得出了位恰可察觉失真模型。然后提出了一种基于位运动估计算法的视频压缩方案。该方案使改进后的搜索范围不仅包括时间维度,还包括灰度维度。根据人眼的视觉特点和概率统计分析,方案新增了补充匹配块来替代残差数据,从而保证了压缩比的恒定性。实验结果表明,所提方案对低5位平面压缩具有最佳的综合效果,压缩比为1.38,数据传输量恒定,且恢复后的图像与原始图像并无明显差异,更加符合人眼的直观感受。

混合分布估计算法求解分布式柔性作业车间调度问题

随着分布式柔性制造系统的广泛普及,制造系统的调度决策从集中式的单一节点向分布式多中心的模式转变,分布式柔性作业车间调度问题成为近年来的研究热点。为求解分布式柔性作业车间的调度问题,构建了以最小化总成本和总拖期为优化目标的分布式柔性作业车间调度(DFJSP,Distributed Flexible Job Shop Scheduling Problem)模型,提出了一种结合分布估计和禁忌搜索的H-EDA-TS算法(Hybrid Estimation of Distribution Algorithm and Tabu Search Algorithm)。根据DFJSP模型和H-EDA-TS算法设计了三维编码方案。H-EDA-TS算法主要包括EDA组件和TS组件,在EDA组件部分设计了三个概率模型用于抽样生成种群;在TS组件部分针对优化目标设计了五种邻域结构用于生成邻域解。此外,基于sigmoid函数设计了一种自适应机制,用于控制TS组件的启动。最后,在不同规模的实例上进行了对比实验,证明了所提算法对于求解DFJSP具有明显优势。

基于TEASER算法的空间非合作目标位姿估计

基于点云的空间非合作目标位姿估计,常受到噪声影响.提出截断最小二乘估计与半定松弛(truncated least squares estimation and semidefinite relaxation,TEASER)与迭代最近点(iterative closest point,ICP)的结合算法,提升空间非合作目标位姿估计精度与鲁棒性.该方法包括粗配准与精配准两个环节:在粗配准环节中,基于局部点云与模型点云的方向直方图特征(signature of histogram of orientation,SHOT)确定匹配对,利用TEASER算法求解初始位姿;在精配准环节中,可结合ICP算法优化位姿估计结果.北斗卫星仿真实验表明:在连续帧位姿估计中,噪声标准差为3倍点云分辨率时,基于TEASER的周期关键帧配准方法的平移误差小于3.33 cm,旋转误差小于2.18°;与传统ICP方法相比,平均平移误差与平均旋转误差均有所降低.这表明所提出的空间非合作目标位姿估计方法具有良好的精度和鲁棒性.

混合流水车间批处理机调度的混合分布估计算法

针对某高端装备制造企业总装车间内存在的批处理工序含多道子工序的生产调度问题,以最大完工时间为优化目标建立了该问题的数学模型,并提出一种混合分布估计算法对模型进行求解。该混合分布估计算法将遗传算法中的交叉和变异操作引入分布估计算法,克服了分布估计算法局部搜索能力弱和遗传算法全局搜索能力弱的不足。另外,使用设计实验对算法中的学习率α和优势个体占比β进行确定,最后经过车间实例测试,混合分布估计算法求解能力优于分布估计算法和遗传算法,验证了算法的有效性,并将车间效率提升29.68%。

求解边坡临界滑动面的分布估计算法

在求解边坡临界滑动面问题的优化算法中,大多都存在结构复杂、参数取值困难或寻优效果差的缺点。为此,将基于高斯分布模型的分布估计算法与基于简化Bishop法的滑面安全系数计算模型相结合,建立具有简单生物协同和竞争思想的临界滑动面搜索新方法;然后,针对3自由度问题,设计了一种局部搜索方法,以弥补分布估计算法局部搜索性能差的劣势。将标准方法和改进方法分别应用于边坡断面复杂度依次递增的3道算例中,完成对标准方法正交试验结果的极差分析和多因素方差分析,并实现标准算法与改进算法计算结果的对比分析。结果表明:(1)标准分布估计算法可以计算出边坡的临界滑动面;(2)当算例简单时,各控制因素都不会对计算结果产生显著性差异;当算例复杂时,只有种群规模呈现出显著性;(3)改进算法比标准算法的计算结果更佳、搜索速度更快,且有效降低了种群规模大小对计算结果的影响。探索分布估计算法在边坡临界滑动面搜索问题中的应用,为解决该类问题开辟出了一条新的研究途径。初步校验表明,该模型鲁棒性更好,具有广阔的应用前景。

基于循环神经网络的高超声速机动目标状态估计算法

针对高超声速机动目标运动状态的实时、高精确估计问题,提出了一种基于循环神经网络的高超声速机动目标状态估计算法。首先,将气动参数作为缓变量引入半速度系下的高超声速飞行器运动模型中,建立了高超声速机动目标状态估计模型,并给出了地面雷达测量模型;其次,考虑到高超目标的策略性机动带来的模型不确定性会超出常规滤波方法的处理能力,基于高超声速飞行器运动模型建立目标机动行为数据集,对其在实际作战过程中可能出现的运动行为进行模拟;然后,将多模型滤波与循环神经网络相结合设计了多滤波器联合估计算法;最后,在多种仿真条件下对本文所提出的算法进行了仿真验证。仿真结果表明,提出的高超声速机动目标状态估计算法可实现对高超声速目标机动变化的快速响应,并且算法的估计结果平滑、精度高,有利于后续预报。

基于时间序列优化估计算法的散货码头船舶停留轨迹规划方法

为了降低船舶总停留时间,提升散货码头运营效率,提出基于时间序列优化估计算法的船舶停留轨迹规划方法。通过引入时间序列分析方法,构建船舶停留时间预测模型。在此基础上,以最小化船舶总停留时间为目标,构造船舶停留轨迹规划的目标函数,并确定约束条件。选取遗传算法求解目标函数,通过其迭代优化过程,获取最优的船舶停留轨迹规划方案,从而实现船舶停留轨迹的有效规划。试验结果显示:应用时间序列优化估计算法获得的船舶停留轨迹规划模型求解迭代次数最小值为7次,船舶总停留时间降低至28 min。以上结果表明,该方法的船舶停留轨迹规划合理,提升了散货码头运营效率。

基于并行计算的电力系统状态估计算法分析

阐述通过引入OpenMP和CUDA并行计算编程模型和框架,能够充分利用多核处理器和GPU硬件资源,并行计算的电力系统状态估计算法大幅度提升计算速度,确保电网状态的评估准确度。

低信噪比场景下Link-16系统的联合频偏估计算法

对于Link-16数据链终端平台在低信噪比(SNR)高动态场景下的多普勒频率偏移问题,该文设计一种新的数据结构,推导了该结构下的克拉默-拉奥下界(CRLB),并在此基础上提出一种联合频域变换与时域自相关运算的分步式频偏估计算法。其基本思想是,首先对接收信号做自相关处理,然后通过频域变换进行最大值索引,结合修正因子得到多普勒频移的粗估计值,再利用时域的改进L&R算法对接收信号进行细估计,根据两步估计算法得到最终的频偏估计值。算法应用蒙特卡罗实验仿真,仿真结果表明,与传统频偏估计算法相比,该算法的归一化均方误差更接近CRLB,在多普勒频偏为[–20 kHz,20 kHz]时,估计精度可达10^(–5)。在低信噪比环境下,所提算法能达到较为理想的估计效果,适用于Link-16数据链通信。

基于分布估计算法的水闸水力计算研究

针对水闸计算中采用迭代方法计算存在无法得到收敛解的问题,提出一种融合分布估计算法(FEDA)。该算法采用分布估计算法求解水闸中堰流计算、消力池计算问题,结合水闸计算过程建立最优化模型,利用分布估计算法具有较强的全局搜索能力的特点,求解水闸计算中多变量多维度优化问题,并结合动态参数控制策略有效提高算法的搜索精度。通过工程设计中的实际算例进行测试,结果表明提出的算法具有较好计算性能。

分布估计灰狼算法求解低碳选址路径问题

针对碳定价背景下的低碳选址路径问题(Low-Carbon Location Routing Problem,LCLRP),首先构建了一种考虑油耗和碳排放成本,并以最小化设施选址成本、车辆启用成本以及运输成本为目标的选址-路径模型;其次,根据模型的特征,设计了一种分布估计灰狼算法(Grey Wolf Optimizer with Estimation of Distribution Algorithms,GWOEDA)对其进行求解。算法利用概率模型引导灰狼,并利用多父代交叉和两种邻域搜索算子增强了算法的全局搜索与局部搜索性能。算例分析结果表明:加入概率模型学习能力的灰狼算法在选址路径问题上有更好的寻优能力,并且在碳定价背景下,所构建的模型可以有效降低总成本和碳排放量。

基于BayesShrink阈值估计的混合属性数据聚类优化仿真

与单一属性数据不同,混合属性数据通常存在尺度不一致的特点,为了可以得到准确率更高的混合属性聚类结果,提出一种基于k最近邻的混合属性聚类算法。采用高频系数滑动窗口准确估计含有噪声的混合属性数据噪声方差,通过BayesShrink阈值估计算法得到最佳阈值,对混合属性数据展开去噪。采用k最近邻方法展开数据聚类,在去噪后的数据样本贡献度中加入特征权重,并计算融入贡献度后的特征权重欧几里得距离,距离越近,说明数据属于同一类别的概率就越大,对全部样本特征展开加权处理后,构建混合属性聚类模型,利用粒子群算法对模型展开寻优,获取最优加权特征向量,实现混合属性数据聚类。仿真结果表明,所提算法可以有效提升混合属性聚类结果的精度和聚类效率。

一类具有成组可重入特征单机调度的改进分布估计算法

从钢铁企业宽厚板热轧生产过程中提炼出一类具有成组可重入特征的单机调度问题。在该问题中,工件需分阶段重复进入同一机器加工,且阶段间存在一定的等待时间,为提升生产效率,允许相邻工件进行成组加工。针对此类具有实际工业应用背景的调度问题,以最大完工时间为目标,首先建立了混合整数线性规划模型,然后证明了问题的强NP难特性,并给出了最优解存在的性质特征,进而开发了一种改进的分布估计算法,为评估算法性能,基于理论分析提出了问题最优解的两个下界。通过与其他三种主流元启发式算法的比较分析,验证了所提算法的有效性。