智能優(yōu)化算法的改進及其在多維空間譜估計中的應(yīng)用.pdf

1、DOA估計中的MUSIC算法涉及到多維搜索過程，傳統(tǒng)方法的龐大計算量限制了它的應(yīng)用。智能優(yōu)化算法本質(zhì)上是一種概率搜索算法，它不需要問題的梯度信息，同時具有潛在并行性和全局搜索能力，為解決此類問題提供了新的思路和方法。
　　本文對智能算法進行了性能改進并應(yīng)用到DOA譜峰搜索中。提出了一種啟發(fā)式變異方法，它通過利用變異過程中適應(yīng)度值的一階差分變化這一啟發(fā)式信息，同時通過變異過程中中心值的變化，增強了跳出局部最優(yōu)的能力。在此基礎(chǔ)上，提出

2、了啟發(fā)式變異小生境遺傳算法(H_NGA)。它采用聯(lián)賽選擇、自交回避的均勻算術(shù)交叉和高斯變異策略，同時對精英保留個體進行全概率的啟發(fā)式變異。
　　在傳統(tǒng)微粒群算法(PSO)的基礎(chǔ)上，本文將基于罰函數(shù)的小生境生成技術(shù)引入到微粒群算法中，以每一代經(jīng)過罰函數(shù)淘汰運算后的精英個體作為吸引子，并設(shè)計了一種微粒個體隨機選擇吸引子的進化方式，構(gòu)造了一種基于輪形拓撲結(jié)構(gòu)的L-bestPSO并作為算法勘探能力的主要手段，同時通過對多吸引子進行全概率的

3、啟發(fā)式變異，增強了種群的開發(fā)能力，稱之為H_NPSO算法。
　　本文利用典型多峰值函數(shù)檢驗了算法的性能，并將這兩種算法應(yīng)用到MUSIC算法構(gòu)造的多輻射源DOA譜峰搜索計算機仿真中。實驗表明，H_NGA和H_NPSO均能能夠有效的保持種群的多樣性，同時增強小生境內(nèi)的局部搜索能力，在處理多模態(tài)問題時，算法能夠快速地收斂到若干個全局最優(yōu)解。在DOA搜索過程中，兩種改進算法能夠有效的處理多模態(tài)函數(shù)優(yōu)化問題，同時對多個目標進行定位，速度快，