基于改进离散布谷鸟算法的干扰资源分配研究

该文对二次雷达机制的协同式敌我识别系统的干扰资源分配问题进行研究,将离散布谷鸟算法(Discrete Cuckoo Search,DCS)引入敌我识别系统的干扰资源分配问题。首先给出协同式敌我识别系统的干扰效果评估指标,建立干扰资源分配模型,将模型简化为一对一、多对少模型,使用DCS算法求解模型。针对Levy飞行后期出现搜索速度慢和精度低的问题,将遗传算法中的交叉与变异操作引入DCS算法得到改进的离散布谷鸟算法(Improved Discrete Cuckoo Search,IDCS),用以求解分配模型。仿真分析表明:所提干扰效果评估指标可以合理地评估干扰效果;IDCS算法比DCS算法收敛更快、耗时更短;IDCS算法与做出相应改进的遗传算法(Improved Genetic Algorithm,IGA)相比具有更好的寻优能力。

基于多目标离散布谷鸟搜索算法的产品服务系统方案配置优化

为辅助工程师进行产品服务系统方案设计,提出一种基于离散布谷鸟搜索算法与Pareto结合的配置优化方法。以成本、质量和时间为目标函数,采用动态惩罚函数方法将约束优化问题转化为多目标优化问题。基于Sobol序列初始化,采用十进制编码和非支配更新方法改进多目标离散布谷鸟搜索算法,以提高初始解的多样性与优化性能。将所提方法应用于某数控机床产品服务系统方案配置优化,通过结果分析及性能对比,验证了该方法解决高维度空间内产品服务系统方案配置优化的有效性与可行性。

基于布谷鸟搜索算法的小波域数字水印方法

为更好地平衡数字水印的鲁棒性和透明性,提出一种基于布谷鸟搜索算法的小波域数字水印方法.该方法首先将原始载体图像进行3级Harr小波变换,选择第3级水平细节子图作为水印嵌入位置,同时将水印经Arnold变换和一维化后作为待嵌入水印信息;然后借鉴布谷鸟搜索算法确定最优的水印嵌入系数嵌入水印.布谷鸟搜索算法的目标函数综合考虑了水印的鲁棒性和透明性,鲁棒性指标考虑了压缩、缩放、剪切、滤波以及噪声干扰等多种攻击的影响,而透明性指标则取决于载体图像在水印嵌入前后的小波系数变化.实验结果表明,与现有的一些基于群智能算法的水印方法相比,本文方法既能保证较好的水印透明性,又具有更强的抗攻击能力.

一种改进CSA算法的UAV多任务区侦察决策问题研究

针对不确定性环境下的多任务区遍历侦察决策问题,将整个任务执行过程分为两个阶段,首先根据侦察任务区的信息及UAV自身性能,采用离散布谷鸟搜索算法解决侦察路径最优化问题,使遍历侦察全部任务区的航路最短。然后根据任务载荷及待侦察任务区的特性,在确保遍历侦察全部任务区及满足最小侦察收益的前提下,利用改进的布谷鸟搜索算法为每个待侦察任务区分配最优的任务侦察时间,从而使整个侦察任务过程的信息收益最大化。最后通过仿真验证了决策方案的有效性和可行性,通过与传统遗传算法的对比分析,证明改进的布谷鸟搜索算法对此类侦察决策问题的运行效率与传统遗传算法相比有较大提高,从而为UAV多任务区的最优化遍历侦察问题提供了科学的决策依据。

基于量子布谷鸟搜索的认知无线网络频谱分配

为了有效解决认知无线网络频谱分配的离散优化问题,将量子计算引入布谷鸟搜索算法,提出了一种新的组合优化算法——量子布谷鸟搜索算法。该算法使用量子鸟窝表征问题的多维解,通过Lévy flights随机游动方式和量子突变策略快速搜索到全局最优位置。通过使用基准函数验证了算法的高效性,并提出了一种基于量子布谷鸟搜索的认知无线网络频谱分配方法。然后与经典频谱分配算法在不同的网络效益函数下进行仿真性能比较。结果表明,所提出的频谱分配方法能够较快找到全局最优解,并且在不同网络效益函数下均优于已有的经典频谱分配算法。

移动群智感知系统中基于离散布谷鸟搜索算法的任务分配

针对移动群智感知系统中工人积极性低以及任务过期的问题,提出了基于初始成本和软时间窗的任务分配算法。对应的任务分配问题为NP-hard问题,不存在计算有效的最优算法,因此,基于离散布谷鸟搜索算法(DCSA)进行求解。首先,根据问题特征,分别设计了对应的全局搜索过程以及局部搜索过程。其次,根据任务与工人起始位置的距离以及时间窗大小,分析其优先级以便得到更好的解。最后,执行可行化操作,使各次任务分配均满足相关约束。仿真结果表明,与遗传算法和贪婪算法相比,基于DCSA的任务分配算法能够提升工人的参与积极性,解决任务过期的问题,并最终降低系统的总成本。

集装箱码头混合零空闲柔性流水作业调度优化

岸桥、集卡、场桥是码头重要的接卸转运设备,具有交互复杂、作业成本高、岸桥空闲时间长等特点。综合考虑接卸转运三阶段,以最小化最大完工时间和总作业成本为目标,构建码头三阶段混合零空闲柔性流水作业调度优化模型。为解决该NP难多目标问题,提出改进离散布谷鸟算法,该算法包括:单链编码和三链解码、离散化的莱维飞行更新机制、离散化个体抛弃机制、基于快速非支配排序策略的间歇启动多邻域局部搜索策略,对所建立的NP难多目标优化模型进行优化求解。仿真实验分为三部分,首先获得每组集装箱任务的最佳资源配置组合;然后基于最佳资源配置组合,进行算法对比;最后进行了实际案例分析。实验结果表明了问题模型的准确性、所提算法的可行性和高效性。通过所提算法对该问题进行求解,可获得高于80个集装箱每小时的转运速率。

基于离散布谷鸟搜索算法的拆卸序列规划方法

文章提出一种基于离散布谷鸟搜索算法的拆卸序列规划性方法,该方法以赋权拆卸混合图模型为理论基础,并以此为基础建立了可拆卸条件。首先,建立离散布谷鸟搜索算法和拆卸序列规划之间的映射关系;其次,基于最优拆卸方向分层筛选顶点集合组成初始种群;再次,利用离散Levy飞行对鸟巢位置进行变换,利用离散巢寄生行为进行鸟巢的局部调整。在达到最大迭代次数后,对属性值比较好的几个鸟巢进行解码并判断可行性,最终得到最优可行拆卸序列。以管路模型为例,分别利用离散布谷鸟搜索算法、遗传蝙蝠算法和粒子群优化算法进行了拆卸序列规划。经过比较后发现,该方法求解出的拆卸序列质量较高。

基于改进离散布谷鸟搜索算法的毫米波大规模MIMO系统波束选择

在毫米波大规模MIMO系统中采用全数字编码需要大量的射频链路,从而导致能量损耗过高。针对这一问题提出一种基于离散布谷鸟搜索算法(Discrete cuckoo search,DCS)的波束选择方案,减少所需射频链路数而不会造成明显的性能损失。首先分析毫米波大规模MIMO系统的波束选择模型,引用DCS算法来求解模型;然后针对布谷鸟算法Levy飞行离散化结果中出现的非正常编码,采用启发式贪婪算法进行修复;将遗传算法中的复制引入DCS算法中,复制全局最优的鸟巢来替换其中被发现的鸟巢,加快算法收敛速度。仿真结果表明,所提基于改进DCS算法的波束选择方案相比几种已有的方案可以获得更优的和速率性能。