一、一种基于混合编码的遗传算法(论文文献综述)
周凯,许中,马智远,栾乐,郭倩雯[1](2022)在《基于混合编码多种群遗传算法的动态电压恢复器优化配置求解方法研究》文中进行了进一步梳理随着配电网复杂程度增加,动态电压恢复器(DVR)优化配置求解难度进一步增大。为提高计算效率,本文设计了一种基于二进制编码和实数编码的混合编码多种群遗传算法,并应用于求解DVR优化配置问题。首先,以二进制编码表示安装位置,实数编码表示DVR输出补偿电压对可行解进行编码;然后,以治理方案总投资成本最小为目标函数,DVR安装容量及用户电压要求为约束条件,建立基于DVR单位容量成本函数的DVR配置模型;接着,将所提混合编码方法应用于多种群遗传算法求解DVR优化配置;最后,通过求解IEEE 33节点配网算例,获得了优化配置结果,验证了所提混合编码方法能有效提高计算效率和求解精度。
王宏涛,蒋清泽,张强,戴宁[2](2021)在《轨迹跟踪的混合编码遗传优化模糊PID控制策略》文中指出为进一步提高模糊PID(FPID)控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种基于特征参数的混合编码遗传算法优化关节机器人轨迹跟踪模糊PID(GAhybrid-FPID)控制器的方法。提出了运用特征参数表征隶属函数和模糊规则等主要设计参数的方法,给出了特征参数与设计参数混合编码的遗传算法编码方法,显着简化了控制器设计过程,缩短了染色体编码长度。设计了基于混合编码方法的模糊PID控制器遗传优化算法,将所设计的遗传算法优化模糊PID控制器的方法应用于六关节机器人轨迹跟踪控制,仿真结果表明:基于混合编码策略的遗传算法均具有更优的寻优效率和寻优结果,本文提出的混合编码遗传算法优化后的机器人轨迹跟踪模糊PID(GAhybrid-FPID)控制器具有更好的轨迹跟踪控制效果,笛卡尔空间轨迹跟踪偏差比未经遗传算法优化的模糊PID(FPID)控制器、经直接编码的遗传算法优化后的模糊PID(GAdirect-FPID)控制器分别小16.6%和9.3%。
郭家旺[3](2021)在《分布式MIMO雷达波形设计与GPU信号处理平台研究》文中提出分布式MIMO(Multiple Input Multiple Output)雷达,是近期雷达研究的一个重要方向。本文研究的地基大规模分布式MIMO雷达系统,各个雷达节点主要采用收发共址的MIMO工作体制,抗截获能力强,本文采用遗传算法、混合编码产生高性能的正交雷达波形。采用GPU(Graphic Processing Unit)+CPU(Central Processing Unit)异构分布计算模型,使用GPU强大的并行处理能力,对信号处理每个环节进行加速,让多GPU处理多节点的数据,加快信号处理速度。针对分布式MIMO雷达波形设计与GPU信号处理平台,本文主要工作如下。(1)为了使得雷达各个节点发射的信号相互正交,使用两种遗传算法设计正交二相码,从自相关和互相关特性方面验证了所设计二相码的可用性;为了让分布式MIMO雷达可以自适应地发射各种波形,研究了混合编码信号的设计,针对二相码信号、线性调频信号、线性调频-二相码混合信号、二相码-线性调频混合信号四种信号,从模糊函数、距离分辨率、多普勒容忍性、自相关互相关特性、动目标检测(Moving Target Detection,MTD)特性方面分析了每种信号的特点及适用场景;然后研究了适用于分布式MIMO雷达系统的变长码发送方法;结合上述研究,最后给出了分布式MIMO雷达系统自适应选择波形的原则。(2)针对分布式MIMO雷达节点众多、数据量大、信号处理耗时多的问题,采用GPU对节点数据进行并行处理并给出信号处理平台软件架构设计方案。设计了层次化、模块化、安全化的软件架构,保证了GPU信号处理平台的可靠性。随后,介绍了单结点波束形成、匹配滤波、MTD、恒虚警检测几个算法GPU加速方法,并用GPU对实测数据进行了加速,和仿真软件处理速度进行对比,验证了每个模块的加速效果。针对分布式MIMO雷达多节点搜索合成,采用了GPU实现,相比于仿真软件加速效果显着。最后设计了基于网络数据传输的终端显示界面,提高了平台的易用性。
邓莉[4](2021)在《LDPC编译码算法设计与应用研究》文中提出从20世纪90年代末开始,多媒体应用需求的急剧增加对无线图像传输系统的抗差错性能提出了更高的要求,联合信源信道编码(Joint Source Channel Coding,JSCC)这种抗差错传输技术也因此得到快速发展。LDPC码作为一种非常有潜力的信道编码技术,在JSCC方面的应用也越来越多。另一方面,信息量的爆炸式增长对存储系统的容量以及可靠性都提出了更高要求,原有的里德-索罗门(Reed-Solomon,RS)码和BCH(Bose-Chaudhuri-Hocquenghem,BCH)码等纠错编码技术的性能已经到达或接近极限;而在迭代译码算法下具有良好纠错性能的LDPC码则作为一种重要的纠错编码技术被广泛应用于各种大容量存储系统,如半导体存储系统、高密度光存储系统以及脱氧核糖核酸(Deoxyribonucleic Acid,DNA)数据存储系统等。鉴于LDPC码在无线通信和数据存储技术中的重要地位,本文着重研究了面向JSCC传输系统和数据存储系统的LDPC编译码算法,其主要贡献包括以下几方面:1.面向JSCC数据传输的LDPC编码算法设计首先,针对JSCC中的双原模图低密度奇偶校验码(Double Protograph Low-Density Parity-Check,DP-LDPC)存在错误平层性能随信息序列的长度缩短以及信源概率增大而下降的问题,提出一种有限长DP-LDPC码的联合优化方法,优化后的DP-LDPC码能够获得较低的错误平层并保持良好的瀑布区性能;另外,采用基于模糊逻辑控制的信源信道速率自适应分配策略,进一步提高系统的传输可靠性。其次,针对基于空间耦合低密度奇偶校验码(Spatially Coupled Low-Density Parity-Check,SC-LDPC)的JSCC方案采用固定且较短的耦合长度以及滑动窗口译码策略,导致系统整体性能提升有限的问题,将任意时刻编码(Anytime Coding)技术引入JSCC系统,简称为任意时间联合信源信道编码(Joint Source Channel Anytime Coding,JSCAC)。在JSCAC方案中采用的指数分布耦合方式和联合扩展窗译码可以保证那些已传输而未被完全恢复的、具有较高信源概率且长度较短的子信息块得到快速纠正。另外,所提出的部分联合扩展窗译码策略可以进一步降低信源译码器和信道译码器之间的错误传播,提高JSCAC系统的整体纠错能力。2.面向DNA数据存储的LDPC编码算法设计为了纠正DNA数据存储过程中常出现的非对称替换错误,提出一种由变长游程限制码(Variable-Length Run-Length Limited,VL-RLL)和原模图LDPC码组成的混合编码体系。其中,改进的VL-RLL码用于满足DNA序列的生物限制以及获得接近极限的映射潜力。在原模图LDPC码的设计方面,提出了针对非对称错误测序信道的的外部信息传递算法(Extrinsic Information Transfer,EXIT),并为不同的测序信道设计一系列的原模图LDPC码。仿真结果表明,优化后的原模图LDPC码比现有DNA数据存储系统使用的纠错编码具有更好的误码性能。3.BP迭代译码及调度策略在HDPC码中的应用推广在LDPC译码算法的应用方面,提出一种扰动的自适应置信传播(Perturbed Adaptive Belief Propagation,P-ABP)算法,用于改善数据存储系统常使用的高密度奇偶校验(High-Density Parity-Check,HDPC)代数码进行软输入软输出(Soft-in-soft-out,SISO)译码时的纠错性能。传统ABP的核心思想是稀疏化奇偶校验矩阵的某些列,使其对应于具有较小对数似然比(Log-likelihood-ratio,LLR)值的最不可靠位。当一些比特具有较大的LLR幅值但符号错误时,这种稀疏化策略可能不是最优的。基于这一观察,本文提出的P-ABP算法将少量具有较大LLR幅值的不稳定比特也纳入奇偶校验矩阵的稀疏化操作中。此外,根据HDPC码的特点,还提出了改进的部分更新分层调度以及混合动态调度策略以进一步提高P-ABP算法性能。仿真结果表明,本文提出的P-ABP算法比传统的ABP算法具有更好的纠错性能和更快的收敛速度。
何淇彰[5](2020)在《配电网动态电压恢复器优化配置方法研究》文中进行了进一步梳理电压暂降会引起设备停机、生产中断,甚至人身伤亡,给电力用户造成巨大的经济损失和安全风险。动态电压恢复器(Dynamic Voltage Restorer,DVR)是治理电压暂降的有效手段之一。治理效果和投资成本取决于DVR的安装位置和容量,无序安装不但无法达到预期的治理效果,还会造成投资浪费。在治理方案决策过程中,用户最关注的是以最小成本最大程度地改善电压质量。随着配电网复杂程度增加,DVR优化配置难度进一步增大。因此,本文围绕配电网DVR的定址定容优化配置问题,从单位容量成本、用户治理期望和提高计算效率三个方面开展研究工作,主要内容包括:(1)针对DVR单位容量成本与容量的非线性关系,提出了基于单位容量成本函数的优化配置模型。通过调研市场上不同容量的DVR价格,采用连续函数拟合出单位容量成本函数,在此基础上,建立了DVR优化配置模型,避免了恒定单价及离散单价对DVR优化配置结果的影响;(2)针对用户设备投资和治理效果的平衡需求,提出了基于用户电压暂降治理期望的优化配置模型。设立了用户电压暂降治理期望指标,确立了待补偿电压和用户期望之间的关系,在此基础上,建立了DVR优化配置模型,并详细地分析了用户不同电压暂降治理期望对治理方案投资成本的影响,从而指导用户选择满足投资与效果平衡需求的配置方案;(3)结合DVR定址定容优化配置问题中,需要同时确定安装地址和容量的特点,设计了一种基于二进制编码和实数编码的混合编码多种群遗传算法,并应用于求解DVR优化配置问题,改善了采用单一二进制编码或单一实数编码方式带来的算法精度下降和效率偏低等问题。本文所提方法从三个不同方面研究了配电网DVR定址定容优化配置问题,可为制定和选择电压暂降治理方案提供有效的辅助决策。
吴昊[6](2020)在《基于混合编码遗传算法的多目标无功优化研究》文中指出合理分布供电系统中的无功功率是一种保证系统安全、可靠以及经济运行的前提条件,同时,合理的分布无功功率也可以有效的降低系统有功功率损耗以及提升电压质量。因此,本文为了提升当前供电系统的安全性、稳定性以及经济效益与运行效率,以减少电网有功功率网损和提升电压质量为优化目标,结合潮流计算P-Q分解法的相关特点,选取了遗传算法这种人工智能优化算法对电力系统中无功功率的分配进行优化计算,并在基本遗传算法的基础上对其进行了包括编码方式、初始种群生成以及选择、交叉和变异等步骤的改进,并用改进遗传算法对电力系统内各个控制变量进行合理配置,以达到减少供电系统有功网损和提升电压质量的目的。具体工作内容如下:(1)通过查阅关于电力系统无功优化的相关文献资料,并总结近年来电力系统无功优化运用的方法,以及常见的无功功率调整设备。在初步地了解了遗传算法相关原理和特性的相关知识后,根据本课题的需求结合无功优化实际情况和遗传算法的相关特性去选择合适的优化方案。(2)经过总结和学习前人在数学模型的建立方面的研究,建立了一个以减少供电系统有功网损和提升电压质量为目的的电力系统无功优化计算的数学模型,并列出相关的功率约束方程和变量约束方程等约束条件。(3)深入学习了遗传算法的相关知识,并在了解了基本遗传算法的原理和步骤后,分析了其优缺点,并在保留其优点的基础上,针对其缺点加以改进,使改进后的新型遗传算法更加适合解决电力系统无功优化的相关问题。(4)将传统的计算机求解潮流计算的极坐标牛顿-拉夫逊潮流计算方法优化为P-Q分解法后结合建立好的数学模型和改进后的新型遗传算法,利用MATLAB编制程序。(5)本文利用以上编译好的程序对三个IEEE理论系统进行仿真,并通过分析仿真结果表明优化过后的遗传算法相较于原始的遗传算法有更好的收敛速度和精度,且能很好解决无功优化的相关问题。为了研究经优化后的遗传算法在实际中的应用,对内蒙古薛家湾地区部分实际的线路进行了仿真实验,仿真结果表明优化后的遗传算法在实际线路中也可以很好地解决相关无功优化问题。
王颖[7](2020)在《大规模灵活接入电动汽车负荷的机组组合优化调度研究》文中进行了进一步梳理近年来随着充电基础设施可用性的提高、V2G技术的不断成熟和有利的政策措施激励,使得插电式电动汽车(PEV,plug-in electricity vehicle)的保有量不断增加。而电动汽车充放电具有随机性、间歇性的特点,其大规模接入电网,会给电力系统的安全规划、运行和市场运营带来诸多不利影响,可能引起负荷过载,加剧电力不平衡等问题。但是电动汽车又可作为一种分布式储能,可以通过V2G技术将储存的电能回馈给电网。因此,基于电动汽车的不同充电策略将其接入电力系统后,实现经济、环境等多个目标最优成为了亟需解决的问题。并且该系统的高维度、非线性、多约束和混合整数特征成为优化过程中的必要考虑因素。因此本文将机组状态和PEV充放电负荷量作为调度对象,改善PEV负荷对电力系统的影响,并实现经济性、环境性和电动汽车用户的满意度等目标函数的优化。首先针对不同场景下的充电策略和系统特点,对传统机组组合模型进行改进,建立新的数学模型;提出二进制竞争群优化算法(BCSO)和并行优化算法框架,降低发电成本;设计充电权重因子,探究需求侧负荷和不可调度负荷的比例关系对系统的影响,实现“削峰填谷”的效果;通过实验分析选择求解多目标优化问题的适用算法,并设计决策方案针对不同场景来选择合适的调度参考方案。具体内容如下:(1)本文结合电动汽车的不同充电策略和负荷分配场景,在传统机组组合模型的基础上,提出基于PEV充电策略的单目标优化模型和基于PEV充放电策略的多目标优化模型。同时为了实现单目标模型中的二进制优化,在CSO算法的基础上结合二进制策略,提出BCSO算法并进行应用,对算法性能进行验证。(2)本文在考虑PEV采用充电策略时,根据不同场景下的负荷调度需求不同,设计充电权重因子将充电负荷分为需求侧负荷和不可调度负荷,并针对两者之间的不同比例关系对系统可能带来的影响进行探讨。考虑到该情况下的混合编码问题,提出并行优化算法框架对接入不同规模充电负荷的机组组合问题进行优化。有效的实现了“削峰填谷”的作用,节省经济成本的同时减小电动汽车负荷对系统的影响。(3)本文中考虑到用户对调度后的电动汽车负荷充电自由度是否满意的问题,提出了充电偏差函数,并与传统机组组合多目标优化问题结合形成新的超多目标求解问题。由于该模型下的多个目标具有强互斥性的特点,采用常见的MOEA/D、NSGA-II和NSGA-III算法对该多目标问题进行优化,通过实验对比选择出适合求解该问题的算法。(4)最后针对实际工程问题中电力系统的经济性、环境性等评价指标,以及用户的不同需求,根据归一化和加权函数和的方法设计决策方案,从上述算法得到的帕累托前沿中进行选择,为决策者提供最合适的参考方案。
蒋清泽[8](2020)在《六自由度关节机器人轨迹跟踪模糊PID控制的优化研究》文中研究说明关节机器人作为现代工业领域应用最为广泛的自动化设备之一,具有强耦合、高非线性等特性,其高精度运动控制技术一直是热点研究课题。机器人轨迹跟踪控制是通过给定各关节的驱动力矩使得机器人的关节角、角速度等运动学参数跟踪给定的期望值,从而使得机器人末端能够获得期望的轨迹,顺利完成作业任务。本文就模糊PID控制器应用于六自由度关节机器人轨迹跟踪控制问题展开研究,为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,首先提出了一种混合编码的遗传算法实现了模糊PID控制器优化;进一步考虑轨迹跟踪控制的多目标优化问题,通过多目标粒子群算法完成了模糊PID控制器的多目标优化。论文的主要工作内容和取得的成果如下:首先,根据六自由度关节机器人D-H参数建立机器人运动学模型,采用牛顿-欧拉迭代公式建立机器人动力学模型,利用Matlab实现了关节机器人的运动学仿真和动力学仿真。其次,设计了一种模糊PID控制器,实现了基于Matlab/Simulink的六自由度关节机器人轨迹跟踪的模糊PID控制仿真。分别将模糊PID控制器和PID控制器应用于机器人轨迹跟踪控制仿真,仿真实验结果表明,模糊PID控制器具有更快的响应性,更好的稳定性和更高的控制精度。再者,设计了基于混合编码的遗传算法,实现了模糊PID控制器隶属函数与模糊规则的优化。运用特征参数表征隶属函数与模糊规则等设计参数,给出了特征参数与设计参数混合编码的遗传算法编码方法,设计了基于混合编码的模糊PID控制器遗传算法优化算法。对比没有采用混合编码的遗传算法,分别将两种编码方法优化后的控制器应用于轨迹跟踪仿真实验。实验结果表明,基于混合编码的遗传算法具有更好的寻优效率和寻优结果,在无扰动和有扰动的情况下,基于混合编码方法优化后的模糊PID控制器均具有更好的轨迹跟踪控制效果和抗干扰能力。最后,考虑控制器输出和轨迹跟踪控制偏差两个优化目标,采用收敛速度更快的多目标粒子群算法实现了模糊PID控制器的多目标优化。分别采用多目标遗传算法和多目标粒子群算法优化轨迹跟踪模糊PID控制器,并对比分析了优化结果,验证了多目标粒子群算法在轨迹跟踪模糊PID控制器多目标优化的有效性和优越性。
李响[9](2020)在《基于多传感器的多目标轨迹跟踪技术研究》文中认为随着计算机硬件性能、数据处理技术、软件仿真能力和算法精度的不断提高,基于多传感器的多目标轨迹跟踪技术在各个领域都有了广泛的应用。通过多传感器协作进行识别与跟踪,相对于单一传感器或局部传感器簇采集的片段式信息分析技术来说覆盖更广,具有更强的鲁棒性和准确性。通过信息互补,实现对目标多方位高效识别。针对以上,本文对多传感器多目标跟踪的几个重点方面进行研究。(1)在多传感器协同组网探测方面。首先对整体传感器组网体系架构进行分析学习,之后对于多种多传感器的协同布控方式进行对比探讨,对于经典传统DCSP以及组织设计法进行研究,在此基础上确定了针对复杂环境及多气候状态下的动态组网协同技术,提出了优化的冗余互补动态联盟协同方案。并进行仿真实验,确定其适应大规模传感器协同应用的优化性能状态。(2)在多传感器数据关联方面。首先针对大部分关联方法不太注意的跟踪门进行深入分析,在对传统跟踪门优化方面,尝试提出了遗传算法融合编码的跟踪门优化方式,然后重点研究了传统数据关联算法原理特性,提出了粒子群退火关联算法。最后对多传感器的图像信息融合进行研究,详细探讨了图像信息融合级别、融合技术以及融合过程,提出了优化离散小波与颜色空间配准方式,并通过实验取得了很好的效果。(3)在多目标轨迹预测跟踪方面。首先介绍了卡尔曼目标状态滤波理论、目标运动状态基本假设以及目前目标跟踪技术的常规算法和方案,然后就目前跟踪方案的不足提出一种优化SSUKF算法,结合第二章优化协同组网方式进行多目标轨迹跟踪,使用Matlab2019b仿真软件仿真并实现多批次目标状态跟踪,并通过对实验结果进行对比分析,证明了球面分布无迹卡尔曼滤波相比于扩展卡尔曼滤波算法表现出更优的精确性和鲁棒性。
王超,马昌喜[10](2019)在《基于遗传算法的定制公交多停车场多车线路优化》文中研究指明为了有效地定制公交线路方案以提高运行效率,针对目前定制公交多停车场多车线路优化大多采用先聚类后求解的问题,以及在进行定制公交线路优化建模时忽略上车区域到下车区域距离,或者将其设定为定值的问题,提出一种基于遗传算法的采用三段式混合编码方式的优化求解方法。根据实际过程中定制公交线路优化问题的描述,以路网中所有定制公交车辆总运营里程最小为优化目标,构建满足多个停车场、多个上下车站点、多辆定制公交车的线路优化模型。通过对模型的结构进行分析,采用包括停车场段、上车站点段、下车站点段的三段式混合编码、分段交叉以及翻转变异等遗传操作方法求解。以兰州市城关区部分交通网络为例,求解包含2个定制公交停车场、12个上下车站点的实际算例,以验证模型及算法的合理性。结果表明,采用基于遗传算法的三段式混合编码方式的算法能快速完整地求解出定制公交线路优化方案。该算法与K-means和遗传算法的混合算法相比,总运营里程减少2km,上座率提升18.375%,定制公交车辆数减少1辆,运算时间能节省38.24%。
二、一种基于混合编码的遗传算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于混合编码的遗传算法(论文提纲范文)
(1)基于混合编码多种群遗传算法的动态电压恢复器优化配置求解方法研究(论文提纲范文)
0 引言 |
1 优化配置模型 |
2 混合编码多种群遗传算法 |
2.1 混合编码 |
2.2 算法流程 |
3 算例分析 |
3.1 算法参数 |
3.2 DVR单位容量成本函数 |
3.3 计算结果分析 |
4 结语 |
(2)轨迹跟踪的混合编码遗传优化模糊PID控制策略(论文提纲范文)
1 关节机器人动力学模型 |
2 轨迹跟踪模糊PID控制器设计 |
3 模糊PID控制器的遗传算法优化 |
3.1 模糊PID控制器的特征参数 |
3.2 遗传算法混合编码方法 |
4 仿真与结果分析 |
5 结论 |
(3)分布式MIMO雷达波形设计与GPU信号处理平台研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外相关技术发展状况 |
1.3 本论文结构安排 |
第二章 分布式MIMO雷达信号处理算法与GPU编程原理 |
2.1 分布式MIMO雷达基本原理 |
2.2 分布式MIMO雷达信号处理算法 |
2.2.1 数字波束形成算法 |
2.2.2 匹配滤波算法 |
2.2.3 动目标检测算法 |
2.2.4 恒虚警检测算法 |
2.2.5 多节点搜索合成算法 |
2.3 基于GPU的分布式MIMO雷达信号处理平台 |
2.3.1 分布式MIMO雷达异构计算信号处理平台 |
2.3.2 CUDA编程模型 |
2.3.3 CUDA核函数和库函数 |
2.4 本章小结 |
第三章 分布式MIMO雷达正交波形设计 |
3.1 正交波形设计准则 |
3.2 正交二相码设计 |
3.2.1 正交多相码的遗传算法优化 |
3.2.2 基于Walsh矩阵约束的正交多相码的遗传算法优化 |
3.3 混合编码信号的设计 |
3.3.1 线性调频信号 |
3.3.2 混合编码信号 |
3.4 信号的模糊函数 |
3.4.1 线性调频信号的模糊函数 |
3.4.2 正交相位编码的模糊函数 |
3.5 分布式MIMO雷达波形特性仿真 |
3.5.1 线性调频信号波形仿真 |
3.5.2 二相码信号波形仿真 |
3.5.3 线性调频-二相码混合信号波形仿真 |
3.5.4 二相码-线性调频混合信号波形仿真 |
3.6 分布式MIMO雷达变长编码波形设计 |
3.7 分布式MIMO雷达波形选择原则 |
3.8 本章小结 |
第四章 分布式MIMO雷达GPU信号处理平台设计与实现 |
4.1 平台系统参数 |
4.1.1 信号处理参数 |
4.1.2 系统软硬件参数 |
4.2 分布式MIMO雷达GPU信号处理平台设计 |
4.2.1 信号处理平台GPU内存管理设计 |
4.2.2 信号处理平台信号处理流程设计 |
4.2.3 信号处理平台软件架构设计 |
4.2.4 信号处理平台软件模块设计 |
4.3 分布式MIMO雷达单节点信号处理算法GPU实现 |
4.3.1 波束形成算法的GPU实现 |
4.3.2 匹配滤波算法的GPU实现 |
4.3.3 MTD算法的GPU实现 |
4.3.4 CFAR检测算法的GPU实现 |
4.4 分布式MIMO雷达多节点联合工作GPU实现 |
4.5 分布式MIMO雷达信号处理软件终端设计 |
4.5.1 信号处理后端和显示控制前端交互程序设计 |
4.5.2 雷达显示终端 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 本文工作总结 |
5.2 研究工作不足与展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(4)LDPC编译码算法设计与应用研究(论文提纲范文)
摘要 |
abstract |
缩略词表 |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究现状与存在问题 |
1.2.1 联合信源信道编码 |
1.2.2 DNA数据存储编码 |
1.2.3 高密度奇偶校验码的译码策略 |
1.3 论文的主要贡献与创新 |
1.4 论文的结构安排 |
第二章 理论基础简介 |
2.1 LDPC码的构造 |
2.1.1 分组LDPC码的表示方法 |
2.1.2 原模图LDPC码的构造 |
2.1.3 基于原模图的空间耦合LDPC码的构造 |
2.2 BP迭代译码及其调度策略 |
2.2.1 Flooding BP译码算法 |
2.2.2 Shuffled BP译码算法 |
2.2.3 Layered BP译码算法 |
2.3 基于DP-LDPC码的联合信源信道编码 |
2.3.1 基于DP-LDPC码的JSCC系统结构 |
2.3.2 DP-LDPC码的编码结构 |
2.3.3 DP-LDPC码的译码结构 |
2.3.4 DP-LDPC码的PEXIT分析算法 |
2.4 DNA数据存储系统 |
2.4.1 DNA数据存储系统结构 |
2.4.2 DNA数据存储编码 |
2.5 本章小结 |
第三章 基于有限长DP-LDPC码的JSCC系统 |
3.1 系统模型 |
3.2 信源编码对JSCC系统性能的影响 |
3.3 有限长DP-LDPC码的F-JPEXIT-S算法 |
3.4 有限长DP-LDPC码的级联优化设计方案 |
3.5 基于模糊逻辑控制的JSCC速率分配策略 |
3.5.1 码率集合与原模图结构 |
3.5.2 基于模糊逻辑控制器的自适应速率分配 |
3.6 仿真结果 |
3.7 本章小结 |
第四章 改进的基于SC-LDPC码的JSCC系统 |
4.1 任意时刻传输系统 |
4.2 JSCAC系统模型 |
4.3 JSCAC系统的级联编码结构 |
4.4 JSCAC系统的部分更新联合扩展窗译码 |
4.5 仿真结果 |
4.5.1 JSCAC系统对于高信源统计概率短码长序列的纠错性能 |
4.5.2 部分更新联合扩展窗译码策略(PJEWD)的性能分析 |
4.5.3 与现有JSCC方案的性能比较 |
4.6 本章小结 |
第五章 非对称受限DNA存储信道的原模图LDPC码优化设计 |
5.1 非对称DNA测序信道建模 |
5.1.1 纳米孔测序信道的非对称替换错误模型 |
5.1.2 Illumina测序信道的非对称替换错误模型 |
5.2 非对称受限DNA存储信道的混合编码系统 |
5.2.1 混合编码系统模型 |
5.2.2 受限DNA存储信道的变长RLL码 |
5.2.3 混合编码系统的编码策略 |
5.2.4 混合编码系统的译码策略 |
5.3 非对称受限DNA存储信道的原模图LDPC码优化设计 |
5.3.1 改进的原模图EXIT算法 |
5.3.2 纳米孔测序信道的原模图LDPC码优化设计 |
5.3.3 Illumina测序信道的原模图LDPC码优化设计 |
5.4 仿真结果 |
5.5 本章小结 |
第六章 LDPC译码迭代及调度策略在HDPC码的推广应用 |
6.1 高密度奇偶校验码简介 |
6.2 自适应BP译码算法 |
6.3 基于扰动的自适应BP译码算法 |
6.3.1 基于扰动的不可靠比特位映射方案 |
6.3.2 部分更新分层调度策略 |
6.3.3 动态混合调度策略 |
6.4 复杂度分析 |
6.5 仿真结果 |
6.6 本章小结 |
第七章 全文总结与展望 |
7.1 全文总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
附录 |
攻读博士学位期间取得的成果 |
(5)配电网动态电压恢复器优化配置方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 动态电压恢复器基本原理 |
1.2.2 DVR优化配置方法 |
1.3 论文主要工作 |
第二章 基于单位容量成本函数的优化配置方法 |
2.1 引言 |
2.2 DVR市场价格调研 |
2.3 DVR单位容量成本函数构建 |
2.4 优化配置方法 |
2.4.1 DVR优化配置数学模型 |
2.4.2 DVR优化配置流程 |
2.5 算例分析 |
2.5.1 单位容量成本函数 |
2.5.2 算例条件 |
2.5.3 优化配置结果分析 |
2.6 本章小结 |
第三章 基于用户电压暂降治理期望的优化配置方法 |
3.1 引言 |
3.2 用户电压暂降治理期望指标 |
3.3 优化配置方法 |
3.3.1 电压暂降随机预估 |
3.3.2 DVR优化配置数学模型 |
3.3.3 DVR优化配置流程 |
3.4 算例分析 |
3.4.1 用户电压暂降治理期望与待补偿电压 |
3.4.2 优化配置结果分析 |
3.4.3 不同指标对配置结果影响分析 |
3.5 本章小结 |
第四章 DVR优化配置模型的求解方法 |
4.1 引言 |
4.2 混合编码多种群遗传算法 |
4.2.1 混合编码方法 |
4.2.2 多种群遗传算法概述 |
4.2.3 混合编码多种群遗传算法流程 |
4.3 算例分析 |
4.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(6)基于混合编码遗传算法的多目标无功优化研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 课题背景及研究意义 |
1.1.1 课题的研究背景 |
1.1.2 课题的研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 目前存在的问题 |
1.4 研究内容及技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
1.5 本章小结 |
2 无功优化问题与数学模型 |
2.1 无功功率平衡与电压以及有功网损的关系 |
2.1.1 无功功率与电压 |
2.1.2 无功功率与有功网损 |
2.2 电力系统的无功功率电源及控制设备 |
2.3 无功优化的数学模型 |
2.3.1 目标函数 |
2.3.2 功率约束方程 |
2.3.3 变量约束方程 |
2.4 本章小结 |
3 无功优化的潮流计算 |
3.1 潮流计算方法 |
3.1.1 牛顿——拉夫逊法 |
3.1.2 P-Q分解法 |
3.2 潮流计算算例分析 |
3.2.1 潮流计算算例数据 |
3.2.2 潮流计算算例结果及分析 |
3.3 本章小结 |
4 遗传算法的改进及其在无功优化中的应用 |
4.1 遗传算法的基本原理 |
4.2 遗传算法的求解过程 |
4.2.1 染色体编码 |
4.2.2 初始种群生成 |
4.2.3 适应度函数 |
4.2.4 选择 |
4.2.5 交叉 |
4.2.6 变异 |
4.2.7 收敛判据 |
4.3 遗传算法的特点 |
4.3.1 遗传算法的优点 |
4.3.2 遗传算法的缺点 |
4.4 遗传算法的优化 |
4.4.1 参数编码优化 |
4.4.2 初始种群生成优化 |
4.4.3 选择步骤优化 |
4.4.4 交叉步骤优化 |
4.4.5 变异步骤优化 |
4.4.6 收敛判据优化 |
4.5 新型优化遗传算法在简单数学函数中的算例分析 |
4.5.1 简单数学函数的数据 |
4.5.2 简单数学函数算例中遗传算法的优化 |
4.5.3 算例结果及分析 |
4.6 改进遗传算法的电力系统无功优化流程 |
4.7 本章小结 |
5 算例分析 |
5.1 IEEE-14节点系统算例分析 |
5.1.1 IEEE-14节点系统算例数据 |
5.1.2 IEEE-14节点系统算例遗传算法优化过程 |
5.1.3 IEEE-14节点系统算例结果与分析 |
5.1.4 IEEE-14节点系统算例分析所得结论 |
5.2 IEEE-30节点系统算例分析 |
5.2.1 IEEE-30节点系统算例数据 |
5.2.2 IEEE-30节点系统算例遗传算法优化过程 |
5.2.3 IEEE-30节点系统算例结果与分析 |
5.2.4 IEEE-30节点系统算例分析所得结论 |
5.3 IEEE-57节点系统算例分析 |
5.3.1 IEEE-57节点系统算例数据 |
5.3.2 IEEE-57节点系统算例遗传算法优化过程 |
5.3.3 IEEE-57节点系统算例结果与分析 |
5.3.4 IEEE-57节点系统算例分析所得结论 |
5.4 内蒙古薛家湾地区部分节点系统算例分析 |
5.4.1 内蒙古薛家湾地区部分节点系统算例数据 |
5.4.2 内蒙古薛家湾地区部分节点系统算例遗传算法优化过程 |
5.4.3 内蒙古薛家湾地区部分节点系统算例结果与分析 |
5.4.4 内蒙古薛家湾地区部分节点系统算例分析所得结论 |
5.5 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
作者简介 |
(7)大规模灵活接入电动汽车负荷的机组组合优化调度研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及其意义 |
1.2 国内外研究现状 |
1.2.1 机组组合优化调度问题研究现状 |
1.2.2 含电动汽车的机组组合优化调度问题研究现状 |
1.3 本文主要研究工作 |
2 不同电动汽车充电策略下的机组组合优化调度模型 |
2.1 引言 |
2.2 传统机组组合问题的数学模型 |
2.2.1 目标函数 |
2.2.2 约束条件 |
2.3 基于电动汽车无序充电策略的单目标机组组合调度模型 |
2.3.1 目标函数 |
2.3.2 约束条件 |
2.4 基于电动汽车电网回馈双向策略的多目标机组组合调度模型 |
2.4.1 目标函数设计 |
2.4.2 约束条件 |
2.5 本章小结 |
3.基于CSO算法的改进策略及应用 |
3.1 引言 |
3.2 竞争群算法概述与改进策略 |
3.2.1 竞争群算法原理概述 |
3.2.2 改进的二进制竞争群策略 |
3.3 算法对比及应用 |
3.3.1 二进制竞争群算法在机组组合问题上的应用 |
3.3.2 实验结果分析 |
3.4 本章小结 |
4.基于电动汽车负荷需求侧管理的机组经济性优化调度 |
4.1 电动汽车负荷对电力系统的影响分析 |
4.2 基于混合编码竞争群的并行优化算法框架设计 |
4.2.1 混合编码问题描述 |
4.2.2 并行优化算法原理 |
4.3 并行优化算法在无序充电策略的机组组合应用 |
4.3.1 不同比例的需求侧负荷和机组组合调度优化 |
4.3.2 优化结果的经济性分析 |
4.3.3 优化结果的系统负荷影响分析 |
4.4 本章小结 |
5 基于电动汽车电网回馈策略的机组组合多目标优化调度 |
5.1 电动汽车电网回馈策略对系统的影响分析 |
5.2 多目标优化算法的选取 |
5.2.1 MOEA/D及 NSGA-Ⅲ系列优化算法对比 |
5.2.2 实验结果分析及算法选取 |
5.3 优化方案的决策问题 |
5.4 本章小结 |
6.结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
个人简历、在学期间发表的学术论文与研究成果 |
致谢 |
(8)六自由度关节机器人轨迹跟踪模糊PID控制的优化研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 关节机器人轨迹跟踪控制方法研究现状 |
1.3 主要工作内容与结构安排 |
1.3.1 主要工作内容 |
1.3.2 章节安排 |
第二章 六自由度关节机器人运动学与动力学仿真 |
2.1 引言 |
2.2 运动学分析 |
2.2.1 坐标系描述和坐标变换 |
2.2.2 正运动学分析 |
2.2.3 逆运动学分析 |
2.3 动力学分析 |
2.3.1 牛顿-欧拉迭代动力学方程 |
2.3.2 动力学模型与仿真 |
2.4 机器人运动仿真 |
2.5 本章小结 |
第三章 六自由度关节机器人轨迹跟踪模糊PID控制 |
3.1 引言 |
3.2 模糊控制器 |
3.2.1 模糊控制原理 |
3.2.2 隶属函数 |
3.2.3 模糊规则 |
3.3 模糊PID控制器 |
3.3.1 PID控制器 |
3.3.2 模糊PID控制器原理 |
3.3.3 模糊PID控制器设计 |
3.4 基于Matlab的轨迹跟踪控制仿真 |
3.5 本章小结 |
第四章 基于混合编码的遗传算法优化轨迹跟踪模糊PID控制器 |
4.1 引言 |
4.2 遗传算法基本操作与设计步骤 |
4.2.1 遗传算法基本操作 |
4.2.2 遗传算法设计步骤 |
4.3 模糊PID控制器的特征参数 |
4.4 混合编码 |
4.5 基于混合编码的遗传算法优化流程 |
4.6 优化结果与仿真分析 |
4.7 本章小结 |
第五章 轨迹跟踪模糊PID控制器的多目标优化 |
5.1 引言 |
5.2 多目标优化 |
5.2.1 多目标问题 |
5.2.2 帕累托最优 |
5.3 多目标遗传算法 |
5.4 多目标粒子群优化算法 |
5.4.1 基本粒子群算法 |
5.4.2 粒子群算法的多目标优化 |
5.4.3 改进多目标粒子群算法 |
5.4.4 多目标粒子群算法流程 |
5.5 优化结果与仿真分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 全文工作总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(9)基于多传感器的多目标轨迹跟踪技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究发展现状 |
1.2.1 多传感器组网探测技术发展现状 |
1.2.2 多传感器数据关联与信息融合发展现状 |
1.2.3 多目标跟踪技术发展现状 |
1.3 论文研究的主要内容结构安排 |
第2章 多传感器协同组网探测技术 |
2.1 多传感器组网协同网络体系 |
2.1.1 协同组网体系结构 |
2.1.2 协同网络通信技术 |
2.2 多传感器协同组网方法 |
2.2.1 基于DCSP的多传感器组网方式 |
2.2.2 基于组织设计结构法的组网方式 |
2.3 动态联盟的协同探测方法 |
2.3.1 动态联盟组成及生命周期 |
2.3.2 动态联盟方法协同过程 |
2.4 仿真验证 |
2.5 本章小结 |
第3章 多传感器数据关联算法 |
3.1 跟踪门优化理论 |
3.1.1 传统跟踪门 |
3.1.2 遗传算法融合编码跟踪门 |
3.1.3 遗传算法融合编码跟踪门仿真验证 |
3.2 数据关联算法研究 |
3.2.1 最邻近算法 |
3.2.2 联合概率数据关联算法 |
3.2.3 粒子群融合退火算法 |
3.3 粒子群退火关联算法仿真分析 |
3.4 本章小结 |
第4章 多传感器图像信息融合理论 |
4.1 多传感器图像信息融合级别概述 |
4.1.1 像素级信息融合 |
4.1.2 特征级信息融合 |
4.1.3 决策级信息融合 |
4.2 常见的图像信息融合方法 |
4.2.1 主成分分析融合技术 |
4.2.3 离散小波变换融合技术 |
4.2.4 颜色空间信息融合技术 |
4.3 图像信息融合过程分析 |
4.3.1 图像信息预处理 |
4.3.2 提取图像特征点信息 |
4.3.3 图像信息关联配准 |
4.3.4 颜色空间融合离散小波变换 |
4.4 试验和结果分析 |
4.4.1 仿真实验过程 |
4.4.2 实验结果分析 |
4.5 本章小结 |
第5章 多目标跟踪技术研究 |
5.1 多目标状态估计概述 |
5.1.1 无迹卡尔曼滤波算法 |
5.1.2 多目标轨迹状态假设 |
5.2 多传感器下的目标轨迹估计 |
5.2.1 对跟踪节点建立关联簇表 |
5.2.2 球面单型UKF的目标状态估计 |
5.2.3 多传感器协同多目标跟踪算法 |
5.3 仿真结果及对比分析 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和获得的科研成果 |
致谢 |
(10)基于遗传算法的定制公交多停车场多车线路优化(论文提纲范文)
0 引言 |
1 多个停车场定制公交线路优化问题建模 |
1.1 问题描述 |
1.2 模型的假设条件 |
1.3 相关符号的定义 |
1.4 定制公交多停车场线路优化模型的构建 |
1.4.1 目标函数 |
1.4.2 约束条件 |
2 求解算法 |
2.1 算法的基本步骤 |
2.2 算法中的关键环节 |
2.2.1 编码与解码 |
2.2.2 交叉操作 |
2.2.3 变异操作 |
3 案例研究 |
4 结语 |
四、一种基于混合编码的遗传算法(论文参考文献)
- [1]基于混合编码多种群遗传算法的动态电压恢复器优化配置求解方法研究[J]. 周凯,许中,马智远,栾乐,郭倩雯. 电力电容器与无功补偿, 2022(01)
- [2]轨迹跟踪的混合编码遗传优化模糊PID控制策略[J]. 王宏涛,蒋清泽,张强,戴宁. 哈尔滨工程大学学报, 2021(07)
- [3]分布式MIMO雷达波形设计与GPU信号处理平台研究[D]. 郭家旺. 电子科技大学, 2021(01)
- [4]LDPC编译码算法设计与应用研究[D]. 邓莉. 电子科技大学, 2021(01)
- [5]配电网动态电压恢复器优化配置方法研究[D]. 何淇彰. 华南理工大学, 2020(02)
- [6]基于混合编码遗传算法的多目标无功优化研究[D]. 吴昊. 内蒙古农业大学, 2020(02)
- [7]大规模灵活接入电动汽车负荷的机组组合优化调度研究[D]. 王颖. 郑州大学, 2020(02)
- [8]六自由度关节机器人轨迹跟踪模糊PID控制的优化研究[D]. 蒋清泽. 南京航空航天大学, 2020(07)
- [9]基于多传感器的多目标轨迹跟踪技术研究[D]. 李响. 沈阳理工大学, 2020(08)
- [10]基于遗传算法的定制公交多停车场多车线路优化[J]. 王超,马昌喜. 交通信息与安全, 2019(03)