一种LDPC码的优化分层阈值偏移最小和译码算法

针对低密度奇偶校验(Low-Density Parity-Check,LDPC)码的译码算法在高信噪比区域性能较差和传统的泛洪调度译码方式收敛速度较慢等问题,提出了一种优化的分层阈值偏移最小和(Improved Layered Threshold Offset Min-Sum,ILTOMS)LDPC译码算法。该算法通过在最小值近零处添加一个阈值,在最小值小于该阈值的情况下选择局部最优的算法规避偏移最小和(Offset Min-Sum,OMS)译码算法的归零损失,在最小值较大时设置一个阈值来改善高信噪比时的译码性能,并且采用分层调度的方式进一步提高译码性能。仿真结果表明,所提的ILTOMS译码算法在复杂度无明显变化的情况下有一定性能增益,相比其他两种译码算法译码性能分别提升了0.4 dB和0.45 dB。

基于最小二乘法和SSA算法的行星齿轮箱微弱振动故障探测

行星齿轮箱是一种常用于工业机械和车辆传动系统中的重要装置,其长期运转和负荷导致行星齿轮箱存在着微弱振动故障的风险,通过研究行星齿轮箱微弱振动故障的特征和变化趋势,可以提前发现潜在故障迹象,提高齿轮箱的安全性;然而,行星齿轮箱微弱振动信号具有复杂的时域和频域特征,且其振动信号非常微弱,并富含大量噪声,为行星齿轮箱的故障探测工作带来较大难度;为此,提出基于最小二乘法和SSA算法的行星齿轮箱微弱振动故障探测方法;模拟行星齿轮箱工作与振动流程,根据不同故障下齿轮箱的工作特征,设置微弱振动故障探测标准;采集行星齿轮箱微弱振动信号,利用最小二乘法降低行星齿轮箱微弱振动信号中的噪声含量;利用SSA算法提取行星齿轮箱微弱振动信号特征,根据提取特征与设置标准的匹配,得出故障类型和故障参数的探测结果;通过性能测试实验得出结论:所提方法探测行星齿轮箱微弱振动信号的信噪比明显降低,故障探测范围扩大了353.94 mm^(2),具有较好的探测能力。

基于最小剩余时间算法与SR-IOV技术的GPU资源优化调度方案

为了优化GPU资源利用率,文章提出了一种新型的GPU资源调度方案。该方案结合了最小剩余时间算法与SR-IOV(SingleRootI/OVirtualization)技术,可优化多用户、多任务环境下的GPU资源利用率和系统性能。传统的GPU调度方法往往面临资源利用不足、任务等待时间长和系统吞吐量受限等问题。为了应对这些挑战,该方案通过动态分析任务的剩余执行时间,利用SR-IOV技术实现了GPU资源的细粒度隔离与共享,可为更高效的资源分配和任务调度提供支持。实验结果表明,相较于传统的无调度、容器调度和常见机器学习调度方案,该方案在均值准确率、GPU利用率、系统吞吐量和任务执行时间等方面均具有一定的优势,可为多用户多任务场景下的GPU资源管理提供有益的参考。

LDPC码的分层自适应最小和译码算法

针对归一化最小和译码算法较置信传播译码算法误差较大的问题,提出自适应最小和译码算法。通过对当前迭代后验概率的硬判决值与前一次迭代后验概率的硬判决值进行计算,动态调整归一化因子与偏移因子,使得到的改进算法更接近于置信传播译码算法。在此基础上,应用分层式调度策略,提出分层自适应最小和译码算法,提升译码算法收敛速度。仿真实验结果表明,在误码率为10-6时,所提译码算法的误码性能与分层归一化最小和译码算法相比有0.25 dB的增益,与分层置信传播译码算法的译码性能十分接近,迭代次数仅有1次的增加,具有更好的收敛性能。

最小连通顶点覆盖问题的降阶回溯算法

本文从最小连通顶点覆盖问题的求解算法出发,提出一种基于该问题本身的数学性质的降阶回溯算法来求解。通过基于问题的数学性质来设计精确算法,不仅能够克服使用启发式算法求解该问题在一般情形下都无法求得最优解的缺点,也改善了该问题使用传统精确算法时最坏时间复杂度高的缺点。本文首先研究该问题的数学性质,部分数学性质可成批确定某些顶点在或不在最小连通顶点覆盖集中,从而降低该问题的规模,提高精确算法的求解速度。其次,在数学性质的基础上,设计出上下界子算法、降阶子算法、回溯子算法来求解该问题的最优解。最后,时间复杂度分析以及无线网络设计的实例分析表明,该算法不仅能求得该问题的最优解,且相对一般精确算法,本文算法的时间复杂度更低。

最小支配阈值集问题的降阶回溯算法

图论中的最小支配阈值集问题是组合优化中的一个NP-Hard问题,该问题是最小支配集问题的一个扩展问题。基于给定无向图G=(V,E)和阈值r的最小支配阈值集问题进行研究,首先得出一些可以降低问题规模的数学性质并证明,利用这些性质可以减小问题规模,降低问题的求解难度;然后设计出上界子算法、下界子算法和降阶子算法,并基于这些子算法提出了一种可以减小问题规模同时得到最优解的降阶回溯算法BAR;最后,通过一个示例分析和若干随机算例测试验证了降阶回溯算法可有效降低问题的求解难度。

考虑容量和成本的最大最小分散度选址问题的降阶回溯算法

最大最小分散度问题可简单描述为:在给定的集合中选择包含固定元素个数的子集,使得该子集中的元素在给定距离度量下的最小距离最大;该问题在生产生活中有广泛的应用.近些年来,该问题的一种考虑容量下限和成本上限的变体开始引起学者们的关注,并已被证明为NP-Complete问题.基于考虑容量和成本的最大最小分散度选址问题进行研究,首先提出该问题的数学性质并证明,利用这些性质可以减小问题规模或缩减搜索空间,以加快问题的求解速度,然后设计了上下界子算法及降阶子算法;基于这些子算法提出一种可大幅缩减搜索空间并能得到最优解的降阶回溯算法.通过分析和求解一个示例来阐述该算法的原理和执行过程,并通过随机算例测试、算法对比分析和案例分析进一步验证了该算法的可行性和有效性.结果表明该算法可有效通过大幅缩减搜索空间加快问题的求解速度.

基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计

为了提高锂电池荷电状态(SOC)估计的精度,提出了一种基于动态遗忘因子递推最小二乘法和改进粒子滤波算法相结合的锂电池SOC估计方法。针对固定遗忘因子递推最小二乘法在电池参数辨识中难以同时保持快速收敛和稳定性的问题,引入动态遗传因子,以模型辨识值和实际值的残差为变量构建修正公式,实现遗忘因子动态调整。为了改善粒子滤波(PF)的粒子多样性丧失问题,采用白鹭群优化算法(ESOA)对粒子滤波算法进行优化。仿真结果表明,基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计误差始终保持在0.3%以内,平均绝对误差和标准差为0.15%和0.17%,与其他算法相比具有更好的精度和稳定性。

基于改进最小角回归算法的Hammerstein模型辨识

针对一类未知时滞和阶次的Hammerstein模型的辨识问题,本文提出一种基于绝对角度停止准则最小角回归(AS-LAR)的稀疏辨识方法,该方法可以同时辨识出Hammerstein模型的时滞、阶次和参数.首先,通过引入最大非线性阶次和输入回归长度,将系统表示成具有稀疏参数向量的高维辨识模型;然后,提出一种绝对角度停止准则,对最小角回归算法进行改进,并基于改进的AS-LAR算法获得稀疏参数向量的估计;最后,基于参数向量稀疏结构,估计出系统的时滞和阶次,并从估计的参数向量中提取和分离出系统线性部分和非线性部分的参数估计值.数值仿真和水箱实例结果表明,提出的辨识方法有效,且与其它辨识方法相比,具有估计精度高、计算量小、速度快等特点.

基于精度因子与距离残差的加权最小二乘算法在DTMB辅助北斗定位中的应用

北斗三号系统已完成建设,该系统可以在空旷的室外提供较为准确的定位信息。但是在城市峡谷区域,北斗信号会受到遮挡。当能够提供有效定位信息的北斗卫星数目逐渐减少时,利用北斗卫星进行定位得到的定位结果偏差会逐渐增大。本文针对以上问题,在采用地面数字多媒体广播信号辅助北斗定位的基础上,利用基于精度因子与距离残差的加权最小二乘算法进行定位,相比于利用最小二乘算法进行定位,定位精度提高了40%~50%。本文提出的算法对于解决定位基站数目不足时增加其他不同类型基站来进行辅助定位的问题具有借鉴作用。

基于约束总体最小二乘法的超宽带掘进机定位算法研究

为推进煤矿巷道内掘进机自主定位和定向综掘无人化作业,针对定位时传感器之间由于系统同步时钟偏差引起的定位误差问题,以及由于最小二乘法本身的降正则化特性引起系数矩阵严重病态,表现为系数矩阵中的微小误差会导致定位结果产生巨大偏移的问题。提出了一种基于超宽带的到达时间差(TDOA)约束总体最小二乘法(CTLS)的定位算法:将TDOA非线性观测方程组做线性化处理,结合系统误差在观测方程组的分布特性,采用CTLS算法得到经优化后的目标函数,通过牛顿迭代法得到目标位置估计。实验结果表明,在TDOA测量误差较小的条件下,目标位置估计精度能够接近克拉美罗下限(CRLB)。

基于最小二乘和自适应蛇优化算法的直驱风机LVRT特性辨识

为提高直驱风机低电压穿越LVRT(low voltage ride through)控制参数辨识精度,提出了一种基于最小二乘LS(least square)和自适应蛇优化ASO(adaptive snake optimization)算法的直驱风机LVRT特性辨识方法。首先,利用最小二乘法拟合出直驱风机LVRT待辨识参数初值,以确定待辨识参数的寻优范围;然后,分析了蛇优化SO(snake optimization)算法分阶段寻优的边界条件,设计了分阶段自适应学习因子,并引入Levy飞行策略,提出了适用于直驱风机LVRT控制参数辨识的ASO算法;最后,将ASO算法多次辨识平均值作为最终结果。结果表明,所提方法能快速、准确辨识直驱风机LVRT控制参数。

基于遗传算法优化最小二乘支持向量机的矿工疲劳程度识别模型

为精准识别矿工疲劳程度,减少因疲劳引发的煤矿人因事故,提出了一种基于遗传算法(GA)优化最小二乘支持向量机(LSSVM)的矿工疲劳程度识别模型。首先,通过疲劳诱发试验采集矿工心电数据,利用Friedman检验优选矿工疲劳程度的特征指标;然后,采用主成分分析法对选取的特征指标进行降维处理,建立表征矿工疲劳程度的特征集;在此基础上,利用遗传算法优化最小二乘支持向量机的关键参数,构建矿工疲劳程度识别模型。结果表明:选取的矿工疲劳程度特征指标能够有效反映矿工的疲劳程度;相较GA-SVM和LSSVM模型,融合GA-LSSVM模型可显著提高矿工疲劳程度的识别准确率(平均识别准确率为96.87%)。构建的矿工疲劳程度识别模型可较为高效地识别矿工的疲劳程度,对煤矿人因事故的防控具有一定的现实指导意义。

求解最小双连通支配集问题的变邻域禁忌搜索算法

针对经典NP难优化问题——最小双连通支配集问题,提出了一种元启发式求解算法——变邻域禁忌搜索算法。算法将原优化问题的求解转换为一系列判定问题——k双连通支配集问题的求解,使用两种邻域结构更加有效地覆盖解空间,同时使用扰动及禁忌机制帮助算法跳出局部最优陷阱。通过与现有文献中的精确算法、启发式算法在国际文献公开的38个双连通图算例上的实验对比,结果表明变邻域禁忌搜索算法能够有效求解最小双连通支配集问题,可求得所有公开算例的最优解,并且在稠密图中计算效率明显优先于其他算法。

求解最小支配集问题的禁忌遗传混合算法

将最小支配集问题转换为一系列判定问题k支配集问题,并提出一种禁忌遗传混合算法对k-DS问题进行求解。此算法将禁忌搜索算法和遗传算法两种启发式算法结合起来,互补不足。高效的邻域结构保证了算法的运行效率,禁忌策略防止算法过早陷入局部最优陷阱,遗传算法框架进一步增强了算法的疏散性。经过与现有求解最小支配集算法的结果进行分析比较,禁忌遗传混合算法的结果较其它算法更优。

一种基于遗传算法的Normalized Cut准则图像分割方法

Normalized Cut准则图像分割是基于图论的方法,是一种比较典型的规范化分割,但由于其运算量较大、收敛条件难以控制等缺陷,使得图像二值化分割不均匀。本文从Normalized Cut缺陷研究入手,利用遗传算法全局快速检索特性,改进Normalized Cut优化函数,获得精度理想的图像分割效果。

一类最小二乘的自动调参问题的求解算法

运用APGnc+算法思想,求解最小二乘自动调参问题.以MNIST数据集为基础,考察最小二乘自动调参在分类问题中的应用.此外,数值实验结果表明本文的算法比已有的方法快.

舰船最小阻力估算的智能学习算法

考虑舰船阻力性能受船体参数及航行环境条件的综合影响,数据类型繁多且复杂,最小阻力估算难度较大,研究基于智能学习的舰船最小阻力估算算法。此算法使用RANS控制方程和湍流模型分析舰船运动状态,由重叠网格技术分析舰船运动时粘性流场信息后,将舰船船型参数与运动状态数据、流场数据,作为基于GRNN智能优化学习的舰船最小阻力估算模型输入向量,在改进果蝇优化算法寻优设置GRNN的平滑因子后,利用此网络构建最小阻力估算模型,学习拟合舰船阻力与输入向量之间关系,输出最小阻力估算结果。实验结果显示:在舰船纵倾与升沉运动中,所提算法估算的最小阻力较准确。

基于多种群遗传算法的多电平逆变器输出电压THD最小化调制策略

多电平逆变器具有低谐波含量,电磁干扰小,高压大容量,输出波形质量好等特点,被广泛用于中高压大功率系统当中。特定谐波消除技术SHEPWM是在多电平逆变器中的一种常用开关策略,相比于高频调制,SHEPWM技术能够消除某特定次谐波,而且具有更低的开关频率和开关损耗等优点。针对传统SHEPWM技术中THD不能达到最优的问题,推导出了输出电压谐波总含量的解析表达式,并采用多种群遗传算法对解析表达式进行求解,在得到最优开关角度的同时求出全调制度下输出电压的最小THD值。文中以三单元7电平级联H桥为例,给出了THD解析式模型及其开关角度轨迹图,和传统多波段SHE进行了对比,发现谐波总含量THD得到很大程度上的降低,同时也解决了其存在电流倒灌的问题。仿真分析和实验结果验证了方法的可行性和优势。

自适应分块的改进最小费用网络流解缠算法

相位解缠是进行精确差分干涉测绘的关键步骤,在相位解缠算法中,最小费用网络流(MCF)是当前常用的算法,该算法具有精度高、限制残差点误差扩散、优先将误差限制在低相干区域的优点,但随着残差点数量的增多,其计算效率也随之降低。改进的MCF算法通过对其做分块,有效提升了算法效率,但块尺寸的选取影响最后的准确度与效率。本文提出一种自适应分块的改进MCF解缠算法,通过自适应寻优的方式选取合适的分割块,将相干性较高的点集中在同一块内,使得在准确度不受过多影响的情况下有效地提升算法效率。