A Novel Decoder Based on Parallel Genetic Algorithms for Linear Block Codes

Genetic algorithms offer very good performances for solving large optimization problems, especially in the domain of error-correcting codes. However, they have a major drawback related to the time complexity and memory occupation when running on a uniprocessor computer. This paper proposes a parallel decoder for linear block codes, using parallel genetic algorithms (PGA). The good performance and time complexity are confirmed by theoretical study and by simulations on BCH(63,30,14) codes over both AWGN and flat Rayleigh fading channels. The simulation results show that the coding gain between parallel and single genetic algorithm is about 0.7 dB at BER = 10﹣5 with only 4 processors.

遗传算法理论研究综述

针对遗传算法在理论研究方面存在的不足 ,系统地讨论了遗传算法理论研究的主要内容和方法 ,包括模式定理、编码策略、Markov链与全局收敛性、维数分析、BGA理论、可分离函数、Walsh与傅立叶函数分析及二次动力系统等 ,介绍了 No Free L unch定理 。

边坡可靠性分析分步混合遗传算法

讨论了复杂边坡可靠性分析方法 ,建立了边坡可靠性分析统一的数学模型 ,提出了一种计算边坡最小可靠性指标和搜索临界滑动面的分步混合遗传算法 ,探讨了计算参数的相关性对可靠性指标的影响 。

遗传算法基础理论研究的新近发展

本文综述有关遗传算法收敛性及收敛速度估计的近期研究结果．在分类概述相关的Ｖｏｓｅ－Ｌｉｅｐｉｎｓ模型、 Ｍａｒｋｏｖ链模型、公理化模型、连续（积分算子）模型及收敛速度估计、迭代次数估计与时间复杂性估计的基础上，指出遗传算法理论研究存在的其它亟待解决的问题．

基于遗传算法的水文时间序列变点分析方法

为处理常规变点分析方法计算复杂、识别全部变点困难等问题,提出了用遗传算法进行水文时间序列多变点分析的一套新方法(AGA-CPAM)。实例计算的结果说明,AGA-CPAM用于水文时间序列多变点诊断简便、可行和有效,在各种非线性时间序列灾变分析中具有推广实用价值。

遗传禁忌搜索算法收敛性和时间复杂度分析

遗传禁忌搜索算法多用于车辆路径优化、旅行商问题等,试验证明:融合遗传算法与禁忌搜索算法的混合算法相比单一算法的性能有较大提升,但缺少理论证明。本文阐述了遗传禁忌搜索算法的混合策略,从理论上对该算法的收敛性进行了证明,对时间复杂度进行了分析。应用马尔科夫链模型证明了遗传禁忌搜索算法是以概率1收敛到全局最优解的,并应用求解随机算法时间复杂度的方法,即求解算法的期望收敛时间,估算了该算法的时间复杂度,结果证明该算法的时间复杂度与所得解的多样性、问题规模以及遗传算法的种群数量有关。

遗传算法时间复杂性的研究

遗传算法的时间复杂性是目前研究的焦点之一．本文以模式生存的概念为基础，将模式风险函数引入遗传算法的分析中，建立了一种随机可靠性模型。

基于改进遗传算法的狭窄空间路径规划

针对室内或地下等狭窄而复杂环境下的移动机器人全局路径规划,提出了一种基于Dijkstra算法的改进遗传算法路径规划策略,以解决传统遗传算法在狭窄环境下难以有效初始化的问题。首先借助Dijkstra算法得出基准路径,然后以此基准路径为基础,通过改进的编码方式与搜索空间进行初始种群的编码,最后通过遗传算法获得最优路径。提出了全局通行度和路径安全度的概念,用来评估当机器人不可视为质点时的环境状态与路径优劣。仿真实验结果表明,与传统遗传算法和人工势场法相比,本方法在保证路径距离较短的情况下,能使路径安全度提高50%以上,或者将时间复杂度降低一半以上,表明了所提方法的实用性和有效性。

遗传算法求解完全欺骗性问题的平均计算时间

讨论了一类遗传算法求解完全欺骗性问题的平均计算时间，证明了这类算法的平均计算时间是问题规模的指数次方，同时指出存在一种基于多重结构的遗传算法。

复杂系统的可靠性优化分配方法及应用

可靠性分配是可靠性设计的重要任务之一。对于一个复杂系统,为了在可靠性分配中实现其总成本最小化的目的,首先将可靠性分配问题处理为一个约束优化问题,提出系统设计成本和使用费用的计算方法,建立以包含这两种成本在内的系统总成本为优化目标、以各子系统的可靠度为变量的优化数学模型,然后采用惩罚函数法处理优化问题中的约束条件,进而基于遗传算法求取各子系统可靠度的最优解。最后,本文通过一个具体算例说明了上述的可靠性优化分配方法的数据处理过程,并验证了该方法的有效性。

考虑时间可靠度约束的4PL路径优化问题研究

运输时间的不确定性是影响第四方物流路径选择的重要因素。本文将可靠性理论应用到路径优化问题中,把客户对时间可靠度的要求作为约束条件,以运输总费用最小为目标,基于多重图建立考虑时间可靠度约束的第四方物流路径优化问题的机会约束规划模型,设计双列变长编码机制的遗传算法求解模型。通过仿真实例验证模型和算法的有效性,结果表明针对客户对时间可靠度要求的不同,该算法可以快速并有效地帮助决策者做出最优的路径选择。

基于人因的混流装配系统复杂性优化

针对混流装配系统复杂性优化问题,以操作者在装配活动中的选择复杂性为研究对象,分析工作站装配复杂性引起的人员疲劳、响应时间等扰动因素对工作站可靠性的影响,以最小化装配系统复杂性为目标,建立基于人因的装配系统复杂性优化模型。采用遗传算法对模型进行求解,并用MATLAB编程进行实例验证。结果表明,该模型产生的产品分流调度方案能更好地平衡工作站之间的复杂度,有更大的生产实用价值。

基于出行时间可靠性的城市交通网络设计

现实城市交通中,日常出行需求经常发生变动且路段能力一般处于恶化状态下,在假设出行时间和出行需求变动服从正态分布的情况下,建立了基于出行时间可靠性的城市道路交通连续网络设计模型。由于现实数据获取的困难性,设计了结合仿真技术的遗传算法来求解该问题。通过算例分析表明,建立的模型是有效的,其求解算法是可行的。

基于遗传算法的交叉口信号控制可靠性优化模型研究

随着城市道路交通网络可靠性研究的深入,交叉口的可靠性问题开始凸显。交叉口可靠性主要取决与各进口流量的大小和交叉口控制方式。当前以平均延误为优化对象的控制方式实际上很难满足路口可靠性的要求。本文在定义了路口旅行时间可靠性的基础上,运用概率论基础知识,建立了路口可靠性优化控制模型,并且运用遗传算法对优化模型进行了求解。

基于加权支持向量回归的抢修时间估计模型

已有的抢修时间估计模型大都印有平时维修的痕迹,不能很好的反应战场抢修的随机性、多样性、时效性等特点。分析并设计了影响抢修时间的因素及其赋值方法,用复杂性来度量抢修任务本身的属性。将抢修时间估计问题转为抢修时间对其影响因素的非线性回归问题,引入在处理小样本、非线性问题时有较大优势的支持向量机,利用遗传算法对支持向量回归的参数进行优化;实验结论证明模型的估计精度较高、泛化能力较强;从一个新的角度估计抢修时间,结果更合理,能为抢修决策以及抢修训练提供良好的帮助。

沥青混合料松弛时间谱分析

根据改性沥青SMA13、改性沥青Superpave20和普通沥青Superpave25不同温度和荷载频率下的复数模量试验结果,采用多项对数正态分布组合形式确定了各沥青混合料的松弛时间谱函数,并利用遗传算法求解其中参数.结果表明:随着温度的降低和荷载频率的增加,沥青混合料存储模量增加;在中等及较高温度时,随着荷载频率的增加,沥青混合料损失模量增加,而当温度较低时,则正好相反;当采用2项或2项以上的对数正态分布组合时,利用松弛时间谱预测的存储模量和松弛模量具有较高的精度.利用松弛时间谱和时间-温度等效原理可以确定沥青混合料很宽作用时间范围上的黏弹参数,从而为沥青混合料及路面结构黏弹性力学响应分析提供简单、有效的途径.

一种新的自适应量子遗传算法

现有基于Bloch球面坐标的量子进化算法存在收敛速度慢和鲁棒性不稳定的问题。为此,提出基于斐波那契特性更新的自适应量子遗传算法。在最优解的搜索过程中,考虑目标函数在搜索点的变化率,建立自适应因子λ,反映搜索点处目标适应度值相对于相邻两代最佳目标函数值一阶差分的变化,调整λ以改善算法收敛的方向和速度。分析量子旋转门转角步长调整策略,建立基于斐波那契数列特性的转角步长函数ΔΦ和Δθ的更新规则。应用该算法求解多维复杂函数的极值优化问题,时间复杂度理论分析和仿真结果证明,该算法在收敛速度、效率和稳定鲁棒性等方面均有明显改善。

SAR回波信号模拟器幅相误差实时校正方法

合成孔径雷达(SAR)回波信号模拟器不可避免地存在通道幅相误差,会影响对雷达点目标成像性能的准确评估,因此对模拟器幅相误差实时校正具有重要意义。由于模拟器系统传递函数不具有共轭对称性,要满足在实时工作模式下用硬件实现幅相误差校正,既要求收敛速度快,又要求优化性能好,就需要采用一种快速有效的算法来设计复系数FIR滤波器。提出了复Remez算法和遗传算法相结合的复系数FIR滤波器设计方法,最后给出用此方法实现SAR回波信号模拟器幅相误差校正的实例。

遗传算法在复杂系统可靠度最优分配中的应用

复杂系统可靠度最优分配问题是一个具有多局部极值的非线性的优化问题。使用遗传算法求解该问题搜索到了其他算法未能得到的全局或次优解最优解，在遗传算法的应用中，使用基于排名的选择策略和最优保存策略，改善了遗传算法的收敛性能。

系统实时可靠性冗余优化研究

根据系统实时可靠性优化设计的需求,在现有优化模型基础上,选取系统工作过程中三个时刻的可靠度为优化目标,建立了多目标优化模型,并将其转化为超目标优化模型。提出GAG1启发式算法和粒子群算法的联合算法用以求解模型。算例结果表明了该模型考虑问题的全面性以及联合算法的有效性。