克隆选择算法优化以及在MIMO通信盲均衡中的研究

发布时间：2020-05-26 19:56

【摘要】：生物学的各个层面一直是开发新型计算模型和解决问题的灵感来源。传统的仿生算法(如遗传算法、粒子群算法和蚁群算法等)存在容易早熟、收敛速度慢等缺点。免疫系统因其具有强大的信息处理能力逐渐成为最受重视的领域之一,受到免疫系统启发而产生的免疫智能算法具有收敛速度快、不易陷入早熟等特点,在处理优化问题上展现了优良的性能。克隆选择算法是在生物免疫系统的启发下产生的一种新型智能化算法,它将问题的先验知识和生物免疫系统的自适应能力结合起来,在信息处理方面表现出较强的鲁棒性,在搜索过程中能很快的收敛到全局最优解。本文在研究克隆选择算法原理和模型基础上,对算法进行了改进,并用于解决多峰值函数优化和多输入多输出(MIMO)盲均衡问题。本文的主要工作如下:(1)阐述了多峰值函数优化问题的概念以及传统解决方法的不足,通过一组常用的优化测试函数对克隆选择算法、粒子群优化算法、遗传算法分别进行仿真测试,根据每个算法所获得的全局最优解的个数以及实际进化代数等数据的对比和总结,凸显了改进的克隆选择算法比其他两种算法更适合空间搜索和解决多峰值函数优化的问题。(2)提出了基于智能体系统的直接盲均衡算法,利用发送信号属于有限字符集的先验知识以及接收数据正交补投影,构造一个可直接盲检测发送信号的二次规划问题,进而转换成多峰值函数优化问题,并通过改进的克隆选择算法来解决这个问题,从而把所有用户信号都恢复出来,并将改进的克隆选择算法和粒子群算法以及传统的盲均衡算法进行仿真对比。仿真结果表明,改进的克隆选择算法的性能最好,并且能最大限度的搜索到目标函数极值点,保持多样性,全局搜索能力强,也验证了该算法的盲均衡能力和良好效果。
【图文】：

图 3-4 测试函数 1Figure3-4 Test function 1表 3-2 函数 2 的测试结果Table3-2 Results for test function 2法 种群大小 全局最优个数 设置进化代数 实际进A 100 2 100 O 20 1 80 A 100 4 100

图 3-4 测试函数 1Figure3-4 Test function 1表 3-2 函数 2 的测试结果Table3-2 Results for test function 2 种群大小 全局最优个数 设置进化代数 实际 100 2 100 20 1 80 100 4 100
【学位授予单位】：温州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;TN919.3

【参考文献】

相关期刊论文 前7条

1 阮秀凯;蒋啸;刘莉;谈燕花;;一族新的Bussgang类指数拓展多模盲均衡算法[J];电子与信息学报;2013年09期

2 郭业才;孙凤;;基于人工免疫网络的正交小波盲均衡算法[J];计算机工程;2012年07期

3 年安君;苑津莎;李中;;基于人工免疫算法的变压器故障诊断[J];电子科技;2012年01期

4 刘韬;皮国强;;人工免疫算法在网络入侵检测中的应用[J];计算机仿真;2011年11期

5 阮秀凯;张志涌;;一种复杂星座信号的盲均衡新方法[J];电子学报;2011年07期

6 韩中合;王峰;郝晓冬;刘帅;;基于人工免疫算法的机组振动故障诊断方法[J];华北电力大学学报(自然科学版);2010年03期

7 刘锋;葛临东;吴业进;刘世刚;;基于人工免疫网络的盲均衡算法[J];计算机工程;2009年10期

相关博士学位论文 前1条

1 舒万能;人工免疫算法的优化及其关键问题研究[D];武汉大学;2013年

，

本文编号：2682331