收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

智能优化算法及在通信中的应用研究

岳克强  
【摘要】:以模仿自然与生物机理为特征的智能优化算法,能够解决传统优化方法难以处理的问题,从而成为研究热点。本文主要研究量子遗传算法、粒子群算法、混合蛙跳算法、免疫克隆算法性能的改进及其在多用户检测和盲均衡中的应用。 最优多用户检测能有效抑制多址干扰(MAI)、多径干扰,且可以减少远近效应,但计算复杂度高,因此寻找计算复杂度合理,而性能接近最优多用户检测的次优检测方法是本文的主要内容。本文首先提出了一种改进的量子遗传算法(MQGA),改进算法中通过小生境协同进化策略初始化量子种群,并采用自适应更新旋转角策略;随后提出了基于MQGA的多用户检测算法(MQGA-MUD),仿真结果表明MQGA-MUD性能要优于基于遗传算法的多用户检测算法(GA—MUD)和基本量子遗传算法的多用户检测算法(QGA-MUD)。然后提出了离散化的混合蛙跳算法(DSFLA),为了增加青蛙种群的多样性,提高蛙跳算法性能,本文分别把神经网络、免疫算法和克隆算法引入蛙跳算法中,加快蛙跳算法的收敛速度,使得算法能跳出局部解,向全局最优进化;提出了神经蛙跳算法(HDSFAL)、免疫蛙跳算法(IDSFLA)和克隆蛙跳算法(KDSFLA);并将它们分别应用到多用户检测,提出了基于DSFLA的多用户检测算法(DSFLA-MUD)、基于HDSFAL的多用户检测算法(HDSFLA-MUD)、基于IDSFLA的多用户检测算法(IDSFLA-MUD)和基于KDSFLA的多用户检测算法(KDSFLA-MUD)。仿真结果表明,本文所提出的DSFLA—MUD的性能与MQGA-MUD相当;HDSFLA-MUD的性能优于DSFLA-MUD ; IDSFLA-MUD和KDSFLA-MUD性能相近,都优于HDSFLA-MUD,是本文所设计的性能最好的多用户检测算法。 盲均衡技术能有效克服码间干扰,得到了广泛的应用。本文根据归一化原理,首先推导了六、二阶归一化累积量盲均衡准则。然后为了改进连续混合蛙跳算法性能,提出了新的更新策略,在此基础上提出了优选蛙跳算法(SSFLA)和拉伸蛙跳算法(NSFLA),并将它们应用于盲均衡中,得到了基于SSFLA的盲均衡算法和基于NSFLA的盲均衡算法。仿真结果表明,基于六、二阶归一化累积量盲均衡准则的算法有较好的性能;所提出的基于SSFLA的盲均衡算法和基于NSFLA的盲均衡算法的性能要优于基于基本蛙跳的盲均衡算法。为了提高基本粒子群算法求解连续优化问题的能力,提出一种具有中心交流机制的改进双种群粒子群算法,结合协同进化算法理论,随后提出概率选择的改进双种群协同的粒子群算法(PIDPSO),将PIDPSO应用到盲均衡中,得到了基于PIDPSO的盲均衡算法。仿真结果表明,所提出的基于PIDPSO的盲均衡算法的性能优于基于普通的双种群协同粒子群算法的盲均衡算法和基于基本粒子群算法的盲均衡算法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 蒋腾旭;;智能优化算法概述[J];电脑知识与技术(学术交流);2007年08期
2 王勇;蔡自兴;;“智能优化算法及其应用”课程教学的实践与探索[J];计算机教育;2009年11期
3 王梦兰;;智能优化算法的比较与改进[J];中国水运;2012年12期
4 莫愿斌;刘贺同;王勤;;智能优化算法的综述教学研究[J];科技创新导报;2008年13期
5 纪洁;顾伟;张松勇;;一种新型生物地理学智能优化算法及其比较研究[J];上海电力学院学报;2012年01期
6 吴春梅;;现代智能优化算法的研究综述[J];科技信息;2012年08期
7 于宏宇;;智能优化算法的应用研究[J];电脑编程技巧与维护;2012年20期
8 常洪浩;冯祖仁;张兆军;徐明钊;;一种智能优化算法解质量评价方法[J];控制与决策;2013年11期
9 刘静;;浅析智能优化算法[J];计算机光盘软件与应用;2014年10期
10 李广军;孙晓玲;赵炯;;智能优化算法及其在焊接优化设计领域的应用[J];电焊机;2011年06期
11 苏世雄;;智能优化算法应用研究[J];电脑编程技巧与维护;2014年06期
12 柏甫荣,秦永法;基于智能优化算法的设备布局设计[J];组合机床与自动化加工技术;2004年06期
13 温莹莹;荣晓飞;乔孟丽;;基于智能优化算法的运输优化问题研究[J];科技资讯;2006年09期
14 刘东波;黄道;陈玉娟;;模糊灰色智能优化算法在生产计划不确定规划中的应用[J];仪器仪表学报;2006年S1期
15 王辉;钱锋;;群体智能优化算法[J];化工自动化及仪表;2007年05期
16 许秋艳;;智能优化算法在聚类分析中的应用[J];科技信息(学术研究);2008年09期
17 周雅兰;;智能优化算法的混合策略分析、设计和建模[J];计算机应用研究;2010年12期
18 沈继红;王侃;;一种基于光学原理的多目标智能优化算法[J];模式识别与人工智能;2012年06期
19 刘闯;韩敏;邢军;;一种基于膜系统的全局智能优化算法[J];电子学报;2013年05期
20 王皓;;群智能优化算法——萤火虫算法[J];科技致富向导;2012年32期
中国重要会议论文全文数据库 前3条
1 张晓菲;张火明;高明正;;三种智能优化算法的研究进展[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
2 张火明;孙小丽;高明正;;智能优化平台设计[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
3 孙俊清;李平;韩梅;;装卸桥调度问题及其混合智能优化算法GASA[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 杨劲秋;智能优化算法评价模型研究[D];浙江大学;2011年
2 丰小月;基于量子机制与组合方法的智能优化算法及应用研究[D];吉林大学;2008年
3 冯春时;群智能优化算法及其应用[D];中国科学技术大学;2009年
4 高永超;智能优化算法的性能及搜索空间研究[D];山东大学;2007年
5 邓武;基于协同进化的混合智能优化算法及其应用研究[D];大连海事大学;2012年
6 章敬东;复杂优化问题中智能算法的分析与集成[D];华南理工大学;2003年
7 殷巧玉;量子智能优化算法及其在电机优化应用中的研究[D];哈尔滨理工大学;2011年
8 薛羽;仿生智能优化算法及其应用研究[D];南京航空航天大学;2013年
9 李万庆;基于智能优化算法的施工项目风险预测与网络计划优化研究[D];天津大学;2004年
10 薛文涛;基于免疫的智能优化算法理论及应用研究[D];南京理工大学;2008年
中国硕士学位论文全文数据库 前10条
1 姜飞;混合智能优化算法及其应用[D];西安电子科技大学;2011年
2 赵霞;基于智能优化算法的期权定价模型参数估计[D];江南大学;2011年
3 杨进;求解城市交通连续网络设计问题的智能优化算法:比较与分析[D];北京交通大学;2008年
4 季艳芳;两种智能优化算法及其收敛性分析[D];华中科技大学;2011年
5 张汉强;人工鱼群混合智能优化算法及其应用研究[D];浙江大学;2010年
6 李高阳;群智能优化算法代理模型研究[D];吉林大学;2013年
7 韦苗苗;智能优化算法及应用的研究[D];山东大学;2006年
8 谭世恒;一种新型的群智能优化算法—细胞膜优化算法及其应用[D];华南理工大学;2011年
9 张亚坤;多目标三层文化智能优化算法及其在德士古气化炉操作优化中的应用[D];华东理工大学;2013年
10 李文杰;智能优化算法在织物动态仿真中的应用研究[D];浙江理工大学;2013年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978