Joint power and spectrum allocation algorithm in cognitive radio networks

The spectrum sharing problem between primary and cognitive users is mainly investigated. Since the interference for primary users and the total power for cognitive users are constrained, based on the well-known water-filling theorem, a novel one-user water-filling algorithm is proposed, and then the corresponding simulation results are given to analyze the feasibility and validity. After that this algorithm is used to solve the communication utility optimization problem subject to the power constraints in cognitive radio network. First, through the gain to noise ratio for cognitive users, a subcarrier and power allocation algorithm based on the optimal frequency partition is proposed for two cognitive users. Then the spectrum sharing algorithm is extended to multiuser conditions such that the greedy and parallel algorithms are proposed for spectrum sharing. Theory and simulation analysis show that the subcarrier and power allocation algorithms can not only protect the primary users but also effectively solve the spectrum and power allocation problem for cognitive users.

Investigation of the optimum differential gear ratio for real driving cycles by experiment design and genetic algorithm

Experiment statistical method and genetic algorithms based optimization method are used to obtain the optimum differential gear ratio for heavy truck that provides best fuel consumption when changing the working condition that affects its torque and speed range. The aim of the study is to obtain the optimum differential gear ratio with fast and accurate optimization calculation without affecting drivability characteristics of the vehicle according to certain driving cycles that represent the new working conditions of the truck. The study is carried on a mining dump truck YT3621 with 9 for- ward shift manual transmission. Two loading conditions, no load and 40 t, and four on road real driving cycles have been discussed. The truck powertrain is modeled using GT-drive, and DOE -post processing tool of the GT-suite is used for DOE analysis and genetic algorithm optimization.

Research of improving the dynamic scheduling algorithm in the CAN bus control networks

Currently, the article analyzes the CAN bus＇s rule of priority＇s arbitration bit by bit without destroy. It elicits the conclusion that if static priority based on the affirmatory system model is used, the lower priority＇s messages will be delayed considerably more, even some data will be lost when the bus＇s bandwidth is widely used. The scheduling cannot be modified neither during the system when static priority is used. The dynamic priority promoting method and the math model of SQSA and SQMA are presented; it analyzes the model＇s rate of taking in and sending out in large quantities, the largest delay, the problems and solutions when using SQMA. In the end, it is confirmed that the method of improving dynamic priority has good performances on the network rate of taking in and sending out in large quantities, the average delay, and the rate of network usage by emulational experiments.

A varying time-step explicit numerical inte-gration algorithm for solving motion equa-tion

If a traditional explicit numerical integration algorithm is used to solve motion equation in the finite element simulation of wave motion, the time-step used by numerical integration is the smallest time-step restricted by the stability criterion in computational region. However, the excessively small time-step is usually unnecessary for a large portion of computational region. In this paper, a varying time-step explicit numerical integration algorithm is introduced, and its basic idea is to use different time-step restricted by the stability criterion in different computational region. Finally, the feasibility of the algorithm and its effect on calculating precision are verified by numerical test.

Utility-optimization dynamic subcarrier allocation algorithm for SC-FDMA systems

Two utility-optimization dynamic subcarrier allocation(DSA) algorithms are designed for single carrier frequency division multiple access system(SC-FDMA).The two proposed algorithms aim to support diverse transmission capacity requirements in wireless networks,which consider both the channel state information(CSI) and the capacity requirements of each user by setting appropriate utility functions.Simulation results show that with considerable lower computational complexity,the first utility-optimization algorithm can meet the system capacity requirements of each user effectively.However,the rate-sum capacity performance is poor.Furthermore,the second proposed utility-optimization algorithm can contribute a better trade-off between system rate-sum capacity requirement and the capacity requirements of each user by introducing the signal to noise ratio(SNR) information to the utility function based on the first utility-optimization algorithm,which can improve the user requirements processing capability as well as achieve a better sum-rate capacity.

机械臂多目标最优轨迹的自适应惩罚MOEA/D规划

为了减少机械臂的工作时间和工作过程中的冲击量,提出了基于自适应惩罚MOEA/D算法的时间-冲击多目标规划方法。介绍了PUMA560机械臂结构,并建立了机械臂的连杆坐标系。建立了以减小机械臂工作时间和冲击为综合目标的优化模型,并分析了5次多项式插值函数。通过编码和建立适应度函数,将轨迹规划问题转化为最优基因搜索问题。根据邻域内解的密度设置了自适应惩罚因子,提出了机械臂轨迹的自适应惩罚MOEA/D规划方法。经仿真验证,自适应惩罚MOEA/D算法搜索的Pareto前沿解质量高于标准MOEA/D算法、文献[10]新型MOEA/D算法。且经过优化,机械臂工作时间减少了7.68%,冲击减少了17.32%。实验结果表明,自适应惩罚MOEA/D算法在机械臂轨迹规划中具有优越性。

智能垃圾回收下收集中心选址-路径二层优化

随着技术的进步及环保意识的提升,智能垃圾箱逐渐流行起来,使得垃圾回收工作面临新考验。针对带容量约束的选址-路径问题,引入双商品流公式构建垃圾回收选址-路径多主体优化模型,其中上层智能回收企业以总成本最低为目标确定收集中心选址;下层外包运输公司依据回收阈值选择需访问的智能垃圾箱,规划回收路径并确保运输成本最小化。改进遗传算法求解该问题:上层采用聚类算法处理选址初始化;下层路径为随机生成和节约里程初始化;引入最优成本路线交叉和反向变异算子。选取Prins和Barreto算例集测试,并与BKS、GAPSO和BSA算法对比,结果与BKS的差距均值仅为0.419%;通过模拟实际案例验证智能垃圾收集路径方式可有效降低总成本,为解决智能垃圾回收背景下选址-路径问题提供决策支持。

基于改进RRT-Connect算法的全局路径规划

针对RRT-Connect算法在复杂环境内的路径规划中存在探索性弱、收敛速度慢、冗余节点多、搜索路径较长等问题,提出一种改进的RRT-Connect算法。通过引入高质量随机点和动态步长的方法,提高了生成随机树的质量并减少了冗余节点数量;采用正向寻优和逆向贪婪的方式,改善了搜索路径较长的问题。实验结果表明,改进RRT-Connect算法平均路径规划时间缩短26.41%,平均路径规划长度缩短19.05%,平均路径规划节点个数减少41.91%,证明了改进RRT-Connect算法相比于原算法规划效率更高,规划时间更少,规划路径质量更优。

基于策略的动态角色分配模型及应用

访问控制是应用系统中的重要问题之一。传统的基于角色的访问控制(RBAC)方案需要预先定义和同步用户-角色赋值关系,这会带来管理成本和同步开销,并且限制了应用系统的灵活性和动态性。文章提出一种基于策略的动态角色分配模型(Policy-based Dynamic Role Assignment Model——PDRA),它无需同步用户就可以自定义角色,并通过策略匹配的方式实现动态分配。模型完全兼容RBAC,可以成为RBAC良好的扩展机制。文章给出了模型的定义和算法,评估了模型的性能,并在华东师范大学的数据治理平台中进行了应用,验证了该方案的可行性和有效性。

皮革制造企业物流供应链管理模式创新

本文将大数据分析技术引入皮革制造企业物流管理中,以此对其供应链模式进行创新性改造。重点介绍了皮革制造企业在物流供应链管理模块存在的不足,结合大数据技术和物联网技术,提出了解决皮革制造企业物流供应链管理实际问题的具体思路。并利用无线传感器网络软件和硬件平台,构建了智能物流供应链管理系统框架,运用花粉算法和XGBoost模型分别解决了物流供应链管理中实物定位问题和供应链需求预测问题。

DCS算法求解带软时间窗的送取货一体化VRP

为求解带软时间窗的送取货一体化车辆路径问题,提出一种离散布谷鸟(DCS)搜索算法。该算法在基本布谷鸟搜索算法基础之上,对莱维飞行获取新鸟巢和以一定概率抛弃鸟巢的迭代公式进行重新定义;同时设计客户序列和车辆序列双倍体鸟巢,并对客户序列采用交换、逆序、插入操作和对每辆车的访问路线采用2-Opt操作。通过5个算例的仿真实验和相关文献比较,结果表明所提DCS算法行之有效。

食品检测中近红外光谱分析技术的应用研究

为了实现对食品成分、品质等方面的准确检测,为食品安全监管和质量控制提供有效的技术支持,引入近红外光谱分析技术,开展了该项技术在食品检测中的应用研究。通过样品制备、选择光谱采集设备、设置采集参数,采集食品近红外光谱,引入标准正态变量变换算法和自适应滤波算法,预处理采集的光谱数据,基于预处理后的数据,结合主成分分析法,构建食品成分特征与近红外光谱数据之间的数学模型,实现近红外光谱分析技术在食品检测的应用设计。实验结果表明,提出的研究应用后,食品成分检测结果与真实值更加接近,检测均方根误差较小,食品检测的准确性得到了显著提升。

基于多策略人工蜂鸟优化PF的SLAM研究

针对粒子滤波算法(PF)重采样导致粒子贫乏及需增加粒子数以提高估计精度的问题,提出一种基于多策略人工蜂鸟算法优化的粒子重组粒子滤波算法。首先,引入中垂线算法提高人工蜂鸟算法收敛速度,通过其智能觅食机制,使得最优粒子引导粒子集向高似然区域移动,以此提高估计精度;其次,实时计算最优粒子附近的粒子密度,当密度大于设置的区域搜索阈值时引入Levy飞行策略以扩大搜索空间,当其大于最大密度值时,自适应调整迭代次数;最后,重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。通过仿真实验检验改进算法在SLAM中的性能,结果表明该算法较其他3种算法相比,其位姿与路标估计精度更高且鲁棒性更佳。

高光谱喷墨打印墨水数据的非线性降维及分类建模方法研究

在法庭科学实践中,往往需要通过对文件中字迹墨水的成分分析来精确判定检材和样本文件的同一性。该文利用高光谱成像技术结合机器学习对喷墨打印墨水的种类进行区分,分别采集14套不同品牌、型号的4色(黑、青、品红和黄色)喷墨打印墨水打印的文件在400~1000 nm范围的高光谱图像,共提取56种样品墨迹的光谱数据。使用均匀流形逼近与投影技术(UMAP)和T分布随机近邻嵌入技术(t-SNE)两种算法对高光谱喷墨打印墨水数据进行降维处理,然后建立极致梯度提升(XGBoost)、轻量级梯度提升机器学习(LightGBM)和支持向量机(SVM)3种分类模型,以1∶4的比例确定测试集和训练集,分别对原始数据和降维后的数据进行分类。实验结果显示,UMAP降维算法结合SVM模型对喷墨打印墨水分类的效果最优,黑色墨水样品的分类精度为90%左右,其余颜色墨水样品的分类精度均为100%。该研究为喷墨打印文件的检验鉴定提供了一种新的、无损、准确的鉴别方法。

基于GA-BP-PSO算法的薄壁注塑件翘曲变形优化

以聚对苯二甲酸乙二酯(PET)的塑料瓶胚零件为例,通过Moldflow软件设计浇注系统和冷却系统并进行有限元分析以优化零件的翘曲变形量。选定熔体温度、模具温度、保压压力、保压时间和注射时间为5个影响因素,设计了L16(45)的正交试验表。对正交实验数据进行了极差分析,得出了各因素对翘曲变形量的影响程度并获得较优工艺参数。通过GA-BP-PSO算法对工艺参数进一步优化,得到最佳工艺参数:熔体温度265℃、模具温度60℃、保压压力125 MPa、保压时间12.8671 s、注射时间0.3405 s。上述工艺参数对应的零件翘曲变形量为0.1373 mm。最后通过Moldflow软件进行数值模拟,得到翘曲变形量为0.1395 mm,较优化前的翘曲变形量0.1796 mm,降低了22.33%。软件模拟值和经GA-BP-PSO算法得到的预测值仅相差1.60%,将优化后的工艺参数组合应用于实际生产中,所获得的产品符合生产要求,验证了GA-BP-PSO算法的准确性与可行性。

涡轮电力分布式推进设计参数优化选择分析

为研究涡轮电力分布式推进系统(Turbo-electric Distributed Propulsion system简称TeDP)设计参数的选择,基于部件法对整个TeDP系统建立设计点性能计算模型,推导了TeDP的有效功在涡轴尾喷管和风扇系统间的最佳分配关系。在此基础上,以ECO-150-300客机作为应用对象,采用差分进化算法,以设计巡航点的耗油率作为优化目标,对TeDP的循环参数进行优化选择;然后对优化后的循环参数进行分析,并将优化结果与大涵道比涡扇发动机作对比。结果表明,优化后的巡航耗油率比原系统下降了7.68%;存在最佳风扇设计压比使风扇涵道效率最高,最佳设计压比与涵道的总压损失有关;TeDP系统的耗油率对电部件传输效率、自由涡轮效率和风扇绝热效率最为敏感,当效率分别降低1.0%时,耗油率分别上升1.0%,0.94%和0.85%;与涵道比为20的齿轮传动涡扇发动机相比,当电部件传输效率大于0.95时,TeDP才显现经济优势,当电部件传输效率接近1时,TeDP耗油率下降了5.40%。

Steiner树优化问题的算法研究综述

最优Steiner树问题(Steiner tree problem,STP)是一个经典的组合优化问题,许多工程问题都可以归结为最优Steiner树问题。STP被广泛应用于通信网络、电路设计、VLSI设计等领域。然而,STP是典型的NP难问题,还没有多项式时间的精确算法求解该问题。目前,求解该问题的算法主要集中在基于启发式的近似算法、智能优化算法、信息传播算法等,并取得了很好的效果。在不同规模的网络中,基于传统遗传算法给出一种叶交叉机制(leaf crossover,LC),使用该机制的算法性能表现更好。通过对这些算法的原理、性能、精度等方面进行梳理,归纳出算法的优缺点,并指出STP的研究方向和算法设计路径,对于相关问题的研究有指导意义。

基于GA-PSO算法的冻土本构模型参数识别

遗传算法(GA)与粒子群算法(PSO)分别具有缺乏目标导向性和易陷入局部最优的缺点,但同时分别具有全局搜索能力强与能有效传递优势信息的优点。本文以GA计算步结合精英保留策略作为PSO计算步的优势信息,避免PSO算法陷入局部最优,以PSO计算步结合非精英优化策略作为GA计算步的导向信息,克服GA算法缺乏目标导向的问题,建立了GA-PSO新算法。其具体过程为,通过采用GA计算步对解空间进行全局搜索并对精英个体进行保留,进一步,将适应度较差的个体利用PSO计算步进行优化。基于多峰函数的验证结果表明,GA-PSO算法在解空间中具有更强的全局搜索能力,同时具有更快的收敛速度。将GA-PSO算法应用到冻土非正交弹塑性本构模型的参数识别中,通过模型的参数识别以及模型预测结果对比与验证,结果表明GA-PSO算法能够有效识别冻土非正交弹塑性本构模型的参数,提升了模型的预测效果。

基于灰狼算法改进随机森林算法的爆破振动速度预测研究

为改善露天矿爆破作业过程中的峰值质点速度在采用传统经验公式和单一仿生算法时预测精度不够的问题,引入灰狼算法(GWO)优化了随机森林算法(RF)中决策树的棵数和层数2个超参数,成功构建了基于灰狼算法改进的GWO-RF爆破振动速度预测模型。结合某爆破工程69组爆破监测数据,以爆心距、最大段药量、总装药量、微差时间、炮孔数、孔距、孔深及排距为输入参数,运用GWO-RF预测模型和RF模型进行爆破振动峰值速度预测对比。结果表明:GWO-RF组合算法能够考虑更多符合实际的爆破振动速度影响因素,GWO-RF组合算法误差率比RF算法提高了37.83百分点;GWO-RF组合算法的爆破振动速度预测精度达到97.72%。说明GWO成功优化了RF中决策树的2个超参数,也证明GWO-RF组合算法能很好进行露天矿爆破振动速度预测。