基于大规模多目标优化的跳频序列设计方法OA北大核心CSTPCD
针对跳频序列设计中存在的规模小和难以兼顾多指标的问题,提出一种基于大规模多目标优化的跳频序列设计方法。首先,综合考虑跳频序列的多项性能指标,建立跳频序列多目标优化模型;然后,引入大规模多目标优化方法,并提出决策变量洗牌策略和反向差分进化,通过重新分配决策变量位置以形成具有多样性的非支配集,并通过使反向个体参与差分进化来为后续进化持续提供有效的方向;最后,通过提出算法对模型进行优化得到跳频序列集。实验结果表明,所提方法相较于其他多目标优化方法具有更强的寻优能力,得到跳频序列集的性能指标具有明显优势;所提方法在不同干扰环境中相较于其他方法具有更低的误码率,验证了提出方法的有效性和优越性。
张毅恒;刘以安;宋海凌;
江南大学人工智能与计算机学院,江苏无锡214122海军研究院,北京100161
计算机与自动化
抗干扰跳频序列大规模多目标优化洗牌策略反向学习
《计算机应用研究》 2024 (003)
P.887-893 / 7
国家自然科学基金资助项目(62076110);江苏省自然科学基金资助项目(BK20181341)。
评论