基于改进PSO_GA联合算法的电力线多用户通信资源分配

针对电力线信道在传输速率受限、子载波单用户独享和兼顾用户公平性的约束条件下,以余量自适应(MA)为准则,提出一种基于粒子群优化遗传(PSO_GA)联合算法的多用户自适应OFDM系统子载波和比特分配。在此联合算法中利用改进PSO算法中更新粒子速度和位置的思路来重构GA算法中的交叉、变异操作,可克服PSO算法早熟收敛、GA收敛速度慢等问题,能够提高联合算法对全局最优解的搜索能力及收敛速度。在典型电力线衰落信道下的实验结果表明,相比于已有的资源分配算法,基于所提联合算法的系统资源分配方案随着用户数增多,其收敛速度明显加快,且系统所需发射总功率最小,有效地提高了系统通信性能,从而充分证实了所提联合算法的有效性。

基于粒子群与遗传算法的消色差超透镜自动设计

本文利用智能优化算法,对宽波段消色差超透镜进行设计优化。首先,研究构建于二氧化硅基底上的硅纳米柱这一微单元结构的光学特性,通过数值仿真扫描单元结构的半径构建相位数据库。之后,通过使用粒子群与遗传算法的混合算法(PSO_GA)在相位数据库中找到最佳相位矩阵,即对应每个位置最佳的单元结构。最后,构建超透镜,通过仿真实验验证其可实现红外波段(1000 nm~1250 nm)的聚焦,且消色差效果优于传统粒子群优化算法所获得的超透镜结构。此超透镜的设计为平面光学器件的自动化设计提供了一种解决方法。

粒子群遗传算法在离散制造业排产中的研究

在离散制造业中,排产方法的优劣直接影响生产的效率.为了使算法更好的应用到排产当中,首先分析离散制造业的生产特点.同时,为了提高算法的搜索性能,分析遗传算法与粒子群优化算法的优缺点,提出了一种粒子群遗传混合算法(PSO_GA).该算法中,在遗传算法的基础上引入参数,从而动态控制每次迭代交叉变异比,进而提高群体多样性.同时为了克服遗传算法自身收敛速度慢的缺点,在适当的迭代周期内引入粒子群优化算法,从而提高算法的搜索速度和精度.最后,针对排产模型进行仿真实验,结果表明该算法具有很好的搜索性能.

基于粒子群遗传搜索算法的水下结构内部激励力源识别（英文）

文章针对水下弹性结构,提出一种识别结构内部激励力源的匹配场处理方法及基于结构辐射声场的广义拷贝场概念,并提出采用粒子群遗传融合搜索算法对最优力源强度进行匹配搜索。以水下自由声场中的单层圆柱壳体为研究对象,采用数值计算方法建立了结构辐射声场传递函数拷贝场,并对匹配搜索算法进行了数值仿真分析。在消声水池中进行了水下单层圆柱壳体辐射声场测试,将测试结果与拷贝场进行了匹配处理。仿真结果与试验结果均表明,这种力源识别匹配场处理方法可以有效地针对结构内部的力源强度进行分析排序,利用匹配识别的结果进行辐射噪声预报时,预报精度很高。