学位论文 > 优秀研究生学位论文题录展示

智能优化算法的改进及其在多维空间谱估计中的应用

作　者: 田辉辉
导　师: 乔晓林
学　校: 哈尔滨工业大学
专　业: 信号与信息处理
关键词: DOA估计启发式变异小生境遗传算法小生境微粒群算法谱峰搜索
分类号: TP18
类　型: 硕士论文
年　份: 2008年
下　载: 49次
引　用: 0次
阅　读: 论文下载

内容摘要

DOA估计中的MUSIC算法涉及到多维搜索过程,传统方法的庞大计算量限制了它的应用。智能优化算法本质上是一种概率搜索算法,它不需要问题的梯度信息,同时具有潜在并行性和全局搜索能力,为解决此类问题提供了新的思路和方法。本文对智能算法进行了性能改进并应用到DOA谱峰搜索中。提出了一种启发式变异方法,它通过利用变异过程中适应度值的一阶差分变化这一启发式信息,同时通过变异过程中中心值的变化,增强了跳出局部最优的能力。在此基础上,提出了启发式变异小生境遗传算法(H_NGA)。它采用联赛选择、自交回避的均匀算术交叉和高斯变异策略,同时对精英保留个体进行全概率的启发式变异。在传统微粒群算法(PSO)的基础上,本文将基于罚函数的小生境生成技术引入到微粒群算法中,以每一代经过罚函数淘汰运算后的精英个体作为吸引子,并设计了一种微粒个体随机选择吸引子的进化方式,构造了一种基于轮形拓扑结构的L-best PSO并作为算法勘探能力的主要手段,同时通过对多吸引子进行全概率的启发式变异,增强了种群的开发能力,称之为H_NPSO算法。本文利用典型多峰值函数检验了算法的性能,并将这两种算法应用到MUSIC算法构造的多辐射源DOA谱峰搜索计算机仿真中。实验表明,H_NGA和H_NPSO均能能够有效的保持种群的多样性,同时增强小生境内的局部搜索能力,在处理多模态问题时,算法能够快速地收敛到若干个全局最优解。在DOA搜索过程中,两种改进算法能够有效的处理多模态函数优化问题,同时对多个目标进行定位,速度快,精度高,与传统遍历方法相比具有显著的优越性。

全文目录

摘要  4-5
Abstract  5-9
第1章绪论  9-15
  1.1 研究背景及意义  9-10
  1.2 智能优化算法研究现状  10-12
  1.3 DOA谱峰搜索研究现状  12-13
  1.4 本文的主要内容  13-15
第2章智能优化算法及其改进方法综述  15-26
  2.1 进化算法(Evolutionary Algorithm)  15-20
    2.1.1 遗传算法  15-19
    2.1.2 进化策略和进化规划  19-20
  2.2 模拟退火算法(Simulated Annealing Algorithm)  20-21
  2.3 群体智能算法(Swarm Intelligence Algorithm)  21-25
    2.3.1 蚁群算法  21-22
    2.3.2 微粒群算法  22-25
  2.4 本章小结  25-26
第3章小生境遗传算法及其改进  26-36
  3.1 小生境遗传算法  26-29
    3.1.1 小生境技术  26-28
    3.1.2 基于罚函数的二进制NicheGA  28-29
  3.2 改进的小生境遗传算法  29-32
    3.2.1 启发式变异  29-30
    3.2.2 改进NicheGA的实现  30-32
  3.3 算例  32-35
    3.3.1 测试函数  32-33
    3.3.2 参数设置  33
    3.3.3 实验及结果  33-35
  3.4 本章小结  35-36
第4章微粒群算法及其改进  36-44
  4.1 小生境微粒群算法  37-40
    4.1.1 标准微粒群算法  37
    4.1.2 基于罚函数的小生境微粒群算法的实现  37-40
  4.2 算法仿真实验  40-43
    4.2.1 测试函数及参数设置  40-41
    4.2.2 实验及分析  41-43
  4.3 本章小结  43-44
第5章改进智能优化算法在空间谱估计中的应用  44-59
  5.1 空间谱估计的数学模型  44-47
  5.2 经典MUSIC算法  47-48
  5.3 DOA谱峰搜索  48-49
  5.4 DOA谱峰搜索仿真试验  49-57
    5.4.1 试验模型  49
    5.4.2 试验及分析  49-57
  5.5 本章小结  57-59
结论  59-61
参考文献  61-69
致谢  69

智能优化算法的改进及其在多维空间谱估计中的应用

内容摘要

全文目录

相似论文