[發(fā)明專利]模擬退火與果蠅混合優(yōu)化小波廣義離散多模盲均衡方法

有效

• 申請?zhí)枺?/td>: 201310233250.5
• 申請日: 2013-06-13
• 公開（公告）號: CN103475608A
• 公開（公告）日: 2013-12-25
• 發(fā)明（設(shè)計）人: 郭業(yè)才;吳珊;黃友銳;劉曉明
• 申請（專利權(quán)）人: 南京信息工程大學(xué)
• 主分類號: H04L25/03
• 分類號: H04L25/03
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 許方

1.一種模擬退火與果蠅混合優(yōu)化小波廣義離散多模盲均衡方法，其特征在于，所述方法如下：

隨機(jī)初始化果蠅群中果蠅的位置向量，作為模擬退火與果蠅混合優(yōu)化方法的決策變量，將正交小波變換器的輸入信號作為混合優(yōu)化方法的輸入，由廣義離散多模盲均衡方法的代價函數(shù)確定果蠅的味道濃度函數(shù)，對由果蠅優(yōu)化方法得到果蠅群的最優(yōu)位置向量進(jìn)行模擬退火操作，得到果蠅群的不會陷入局部極小的全局最優(yōu)位置向量，將此位置向量作為小波廣義離散多模盲均衡方法的初始化權(quán)向量。

2.根據(jù)權(quán)利要求1所述的模擬退火與果蠅混合優(yōu)化小波廣義離散多模盲均衡方法，其特征在于，所述模擬退火與果蠅混合優(yōu)化權(quán)向量方法如下：

步驟1：果蠅群的味道濃度確定：將廣義離散多模盲均衡方法GSMAA的代價函數(shù)J_GSMMA(X_i)作為果蠅群中第i個果蠅的味道濃度F(X_i)，i=1,2,…,M，M為果蠅群中果蠅的規(guī)模，為正整數(shù)；

步驟2：初始化果蠅群參數(shù)：設(shè)果蠅群中果蠅的規(guī)模為m，果蠅位置向量的維數(shù)為d，為正整數(shù)；果蠅群中第i個果蠅的初始位置向量均為x_i=(x_i1,x_i2,…,x_id)，x_id為第i個果蠅的第d維初始位置；第i個果蠅的初始味道濃度為F(x_i)；

步驟3：第i個果蠅的位置向量X_i與步進(jìn)向量V_i：

X_i=x_i+V_i

V_i=(V_i1,V_i2,…,V_id)

V_id=u·rand(0,1)

式中，X_i表示第i個果蠅的位置向量X_i=(X_i1,X_i2,…,X_id)，X_id為第i個果蠅的第d維位置，V_id表示第i個果蠅的第d維步進(jìn)長度，為區(qū)間[-u,u]內(nèi)的隨機(jī)數(shù)，u表示步進(jìn)因子，rand(0,1)表示0到1之間的隨機(jī)數(shù)；V_i表示第i個果蠅的步進(jìn)向量；

步驟4：計算果蠅味道濃度F(X_i)：按步驟1所述的果蠅群中第i個果蠅的味道濃度確定方法，計算果蠅味道濃度F(X_i)；

步驟5：在果蠅群體中找出味道濃度最低的果蠅個體作為最優(yōu)個體，與最優(yōu)個體對應(yīng)的味道濃度和位置向量稱為最優(yōu)果蠅個體的味道濃度和位置向量；

步驟6：更新果蠅群的味道濃度和位置向量：將最優(yōu)果蠅個體的位置向量作為果蠅群的位置向量，最優(yōu)果蠅個體的味道濃度作為果蠅群的味道濃度；

步驟7：重復(fù)執(zhí)行步驟3至步驟5，若當(dāng)前最優(yōu)果蠅個體的味道濃度小于果蠅群的味道濃度，則執(zhí)行步驟6；

步驟8：若當(dāng)前最優(yōu)果蠅個體的味道濃度不再變化時，則與之對應(yīng)的位置向量就是尋優(yōu)得到的果蠅群的最優(yōu)位置向量X_opt=(X_1opt,X_2opt,…,X_dopt)，X_dopt為當(dāng)前最優(yōu)果蠅個體的第d維位置；否則轉(zhuǎn)至步驟7；

步驟9：為避免果蠅群最優(yōu)位置向量X_opt陷入局部最優(yōu)，對果蠅群的最優(yōu)位置向量X_opt進(jìn)一步作模擬退火操作，果蠅群最優(yōu)位置向量的每一維皆按Metropolis準(zhǔn)則棄留，Metropolis準(zhǔn)則為

Q(T(K+1))=1,FK+1<FKmin[1,exp(-FK+1-FKkT(K))]>rand(0,1),FK+1≥FK]]>

其中，F(xiàn)_K為第K次尋優(yōu)所得的最低味道濃度，F(xiàn)_K+1為第K+1次尋優(yōu)所得的最低味道濃度，為從1和取較小值，exp表示以e為底的指數(shù)函數(shù)，k為常數(shù)，T(K)為第K次迭代時的退火溫度，T(K+1)為第K+1次迭代時的退火溫度，Q(T(K+1))為溫度T(K+1)下的接收概率，T(K+1)可用下式計算：

T(K+1)=A·T(K)

式中，A為溫度冷卻系數(shù)，由實(shí)驗(yàn)確定；

當(dāng)Q(T(K+1))=1，即F_K+1<F_K時，X_d(K+1)=X_dopt(K+1)；

當(dāng)Q(T(K+1))滿足min[1,exp(FK+1-FKkT(K))]>rand(0,1)]]>且F_K+1≥F_K時，X_d(K+1)=X_dopt(K+1)；

否則,X_d(K+1)=X_dopt(K)，其中，X_d(K+1)為第K+1次尋優(yōu)全局最優(yōu)位置向量的第d維位置，X_dopt(K+1)為第K+1次迭代果蠅群的最優(yōu)位置向量的第d維位置，X_dopt(K)為第K次迭代果蠅群最優(yōu)位置向量的第d維位置；

步驟10：當(dāng)經(jīng)過模擬退火操作所得果蠅群的當(dāng)前位置向量不變時，此位置向量為不會陷入局部極小的全局最優(yōu)位置向量，將此全局最優(yōu)向量作為小波廣義離散多模盲均衡方法的初始化權(quán)向量，否則轉(zhuǎn)至步驟9。