基于FDOA的无源定位算法研究现状与展望
·28·
兵工自动化
Ordnance Industry Automation
2019-04
38(4)
doi: 10.7690/bgzdh.2019.04.007
基于FDOA的无源定位算法研究现状与展望
李明哲1，李小将1，李志亮2
(1. 航天工程大学宇航科学与技术系，北京101416；2. 航天工程大学航天信息学院，北京101416)
摘要：为更好地解决在时间和方向测量精度低的情况下，仅利用到达频差(frequency difference of arrival，FDOA)进行定位求解的问题，对基于FDOA的无源定位算法现状和发展方向进行分析。在阐述FDOA无源定位基本原理的基础上，分析了定位问题的本质和定位算法的分类方法，结合基于定位观测量数据的定位算法和接收信号直接定位法的国内外研究现状，分析了FDOA无源定位算法存在的问题，指明了基于FDOA的定位算法的未来研究方向。该研究可为基于FDOA定位算法的研究提供参考依据。
关键词：FDOA；无源定位；定位算法；直接定位
中图分类号：TP302.7 文献标志码：A
Research Status and Prospect of Passive Localization Methods Based on
Frequency Difference of Arrival
Li Mingzhe1, Li Xiaojiang1, Li Zhiliang2
(1. Department of Aerospace Science & Technology, Aerospace Engineering University, Beijing 101416, China;
2. School of Aerospace Information, Aerospace Engineering University, Beijing 101416, China)
Abstract: In order to better solve the problem of passive localization using frequency difference of arrival (FDOA) only, in the case of low time and direction measurements precision, the research status and development direction of passive localization methods based on FDOA are analyzed. On the basis of expounding the basic principles of FDOA passive localization, the nature of localization problems and the classification of localization methods are analyzed. The problems in the localization methods using measurement data and the direct position determination methods using received signals are analyzed respectively, through the summary and comparison of research status at home and abroad, and the future research directions of the FDOA-based localization methods are pointed out. This study can provide reference for the research of passive localization methods based on FDOA.
Keywords: FDOA; passive localization; localization method; direct position determination
0 引言
无源定位指侦察设备不向被探测目标发射无线电信号，只是通过接收电磁波信号对目标定位的一项技术[1]，一般可分为基于目标自身辐射信号的辐射源定位和基于第三方辐射信号的外辐射源定位。前者通过接收目标自身辐射的信号实现定位，后者通过外辐射源对目标进行照射，接收目标的散射信号，对目标实现定位[2]。文中定位特指获取目标的位置和速度信息。无源定位的主要侦察设备为无源雷达，相比有源雷达，它的主要优点是：1) 不需要主动发射脉冲，反侦察能力强，雷达本身的安全性较高；2) 只负责接收信号，可以全时工作，不受发射机静默周期的限制；3) 绝大多数的隐身技术和有源干扰技术针对有源雷达，减小目标在特定方向的雷达散射面积或信噪比，而无源雷达可以在对方不知道的情况下进行探测和定位，故其性能更加稳定；
4) 对于采用第三方辐射源方式的无源定位，即使在目标电磁静默的情况下仍可正常侦察[3]。综上所述，与传统有源定位相比，无源定位的方式更加安全且可以实现更好的定位效果。近年来，许多国家研制了无源定位系统，如捷克的VERA-E电子情报和无源空中监视系统、俄罗斯VEGA85V6-A三坐标无源定位系统、乌克兰“恺甲”空情监视定位系统、美国洛克希德·马丁公司研制的“沉默哨兵”被动探测系统、以色列的EL-L8300和EL-L8388无源定位系统、德国EADS防务电子公司的“FELS快速辐射源定位系统”等[4]。
无源定位从体制上可以分为基于到达角度的定位[5]、基于到达时差的定位[6]、基于到达频率的定位[7-8]和基于多种定位观测量[9]的联合定位。其中，基于到达频差(frequency difference of arrival，FDOA)
1
收稿日期：2018-12-16；修回日期：2019-01-14
基金项目：“高分专项”青年创新基金(GFZX04061502)
作者简介：李明哲(1990—)，男，黑龙江人，博士，从事运动目标无源定位系统研究。
各种聚类算法及改进算法的研究
论文关键词：数据挖掘；聚类算法；聚类分析论文摘要：该文详细阐述了数据挖掘领域的常用聚类算法及改进算法，并比较分析了其优缺点，提出了数据挖掘对聚类的典型要求，指出各自的特点，以便于人们更快、更容易地选择一种聚类算法解决特定问题和对聚类算法作进一步的研究。并给出了相应的算法评价标准、改进建议和聚类分析研究的热点、难点。上述工作将为聚类分析和数据挖掘等研究提供有益的参考。 1 引言随着经济社会和科学技术的高速发展，各行各业积累的数据量急剧增长，如何从海量的数据中提取有用的信息成为当务之急。聚类是将数据划分成群组的过程，即把数据对象分成多个类或簇，在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。它对未知数据的划分和分析起着非常有效的作用。通过聚类，能够识别密集和稀疏的区域，发现全局的分布模式，以及数据属性之间的相互关系等。为了找到效率高、通用性强的聚类方法人们从不同角度提出了许多种聚类算法，一般可分为基于层次的，基于划分的，基于密度的，基于网格的和基于模型的五大类。 2 数据挖掘对聚类算法的要求(1)可兼容性：要求聚类算法能够适应并处理属性不同类型的数据。(2)可伸缩性：要求聚类算法对大型数据集和小数据集都适用。(3)对用户专业知识要求最小化。(4)对数据类别簇的包容性：即聚类算法不仅能在用基本几何形式表达的数据上运行得很好，还要在以其他更高维度形式表现的数据上同样也能实现。(5)能有效识别并处理数据库的大量数据中普遍包含的异常值，空缺值或错误的不符合现实的数据。(6)聚类结果既要满足特定约束条件，又要具有良好聚类特性，且不丢失数据的真实信息。(7)可读性和可视性：能利用各种属性如颜色等以直观形式向用户显示数据挖掘的结果。(8)处理噪声数据的能力。(9)算法能否与输入顺序无关。 3 各种聚类算法介绍随着人们对数据挖掘的深入研究和了解，各种聚类算法的改进算法也相继提出，很多新算法在前人提出的算法中做了某些方面的提高和改进，且很多算法是有针对性地为特定的领域而设计。某些算法可能对某类数据在可行性、效率、精度或简单性上具有一定的优越性，但对其它类型的数据或在其他领域应用中则不一定还有优势。所以，我们必须清楚地了解各种算法的优缺点和应用范围，根据实际问题选择合适的算法。 3.1 基于层次的聚类算法基于层次的聚类算法对给定数据对象进行层次上的分解，可分为凝聚算法和分裂算法。 (1)自底向上的凝聚聚类方法。这种策略是以数据对象作为原子类，然后将这些原子类进行聚合。逐步聚合成越来越大的类，直到满足终止条件。凝聚算法的过程为：在初始时，每一个成员都组成一个单独的簇，在以后的迭代过程中，再把那些相互邻近的簇合并成一个簇，直到所有的成员组成一个簇为止。其时间和空间复杂性均为O(n2)。通过凝聚式的方法将两簇合并后，无法再将其分离到之前的状态。在凝聚聚类时，选择合适的类的个数和画出原始数据的图像很重要。 [!--empirenews.page--] (2)自顶向下分裂聚类方法。与凝聚法相反，该法先将所有对象置于一个簇中，然后逐渐细分为越来越小的簇，直到每个对象自成一簇，或者达到了某个终结条件。其主要思想是将那些成员之间不是非常紧密的簇进行分裂。跟凝聚式方法的方向相反，从一个簇出发，一步一步细化。它的优点在于研究者可以把注意力集中在数据的结构上面。一般情况下不使用分裂型方法，因为在较高的层很难进行正确的拆分。 3.2 基于密度的聚类算法很多算法都使用距离来描述数据之间的相似性，但对于非凸数据集，只用距离来描述是不够的。此时可用密度来取代距离描述相似性，即基于密度的聚类算法。它不是基于各种各样的距离，所以能克服基于距离的算法只能发现“类圆形”的聚类的缺点。其指导思想是：只要一个区域中的点的密度（对象或数据点的数目）大过某个阈值，就把它加到与之相近的聚类中去。该法从数据对象的分布密度出发，把密度足够大的区域连接起来，从而可发现任意形状的簇，并可用来过滤“噪声”数据。常见算法有DBSCAN，DENCLUE 等。[1][2][3]下一页 3.3 基于划分的聚类算法给定一个N个对象的元组或数据库，根据给定要创建的划分的数目k，将数据划分为k个组，每个组表示一个簇类（<=N）时满足如下两点：(1)每个组至少包含一个对象；(2)每个对
酶学性质研究
1.6 酶学性质研究 （1）pH 的影响：分别测定粗酶液在pH3.0、4.0、5.0、6.0、7.0、8.0下的酶活力，确定其最适反应pH 值；将粗酶液用上述pH 缓冲液稀释后，45℃水浴保温4小时后，测定其剩余酶活力。 （2）温度的影响：分别在40~95℃下测定酶活力，确定其最适反应温度；将酶液在40～90℃范围内的不同温度下保温60 min 后，测定其剩余酶活力。 （3）金属离子的影响：在酶液中分别添加各种金属离子，使其浓度为4 mmol ／L ，然后测定酶活力。 2.5 纤维素酶粗酶液酶学性质 2.5.1酶反应的最适pH 值和酶的pH 稳定性 粗酶液在不同pH 值下测得的酶活及在不同pH 值下处理4小时后测得的相对酶活示于图11。结果表明，CMCase 在pH 3.5～4.5有较高的酶活力，最适反应pH 值为4.0；β-Gluase 在pH 4.5～5.5酶活力较高，最适反应pH 值为5.0，同样方法测得FPA 最适反应pH 为5.0。可见，该菌株所产的各组分纤维素酶是酸性酶。 图11表明，该菌产CMCase 在pH3.0～6.0的范围内，β-Gluase 在pH3.5～5.5的范围内，酶活力均可保持在80％以上，说明该菌株所产酸性纤维素酶可在较宽的pH 值范围内保持其酶活力的稳定性。2.5.2 酶反应的最适温度和酶的热稳定性 在不同温度下直接进行酶促反应测得的酶活及在不同温度下热处理60 min 后于最适反应温度和最适pH 下测得的相对酶活(以4℃保存的酶液活力为100%)示于图12。结果表明，CMCase 、β-Gluase 及FPA 最适反应温度均为65℃。 c e l l u l a s e a c t i v i t y ( U .m l -1) pH r e l a t i v e y a c t i v i t y （%） c e l l u l a s e a c t i v i t y ( U .m l -1) temperature ( o C ) r e l a t i v e y a c t i v i t y （%） 图11 pH 值对酶活力及酶稳定性的影响 Fig.10 Effects of pH value on Cellulase activity and stability 图12 温度对酶活力及酶稳定性的影响 Fig.11 Effects of temperature on activity and stability of cellulase
(完整word版)混沌理论要点
混沌理论要点： 1. 非线性系统的非因果性 当原因与结果间的关系并不确定时，便产生非线性现象。比如说利率提高1％（原因），市场反应（结果）就是不确定的——结果取决于人群对该消息的解释。 再如美国家森林公园，每年都由雷电引起数百起火灾（起因相同），仿佛老天爷每年都要向大地投放火星大小相同的成百上千个未熄的烟头，于是几百次火灾被引发，并蔓延、终止，有时烧毁数亩、有时蔓延数百亩，有时……1988年那次，使黄石公园全部150万亩森林片草无存（该公园去年已被世界自然遗产目录剔除）。以致其它森林公园为防止枯草积得太厚，还不得不让消防人员，每年人为制造些火灾。 量子世界、人类历史、地震、天气运行……莫不如此。远至恐龙时代的大小生态灭绝事件，近至非典、上月的北美大停电、各国证券市场，每年无数个烟头被仍向场内，引发或大或小的震动，并蔓延、终止……但到底哪个烟头，才是那颗重要的烟头？ 相同的初始力，令人瞠目的结果，是所有混沌系统的基本特征。大家都不难理解，曾救了萨达姆命的藏身之所，这次偏就成了送命之处，但很多人却很难理解同样一个历史点位，并不代表同样的未来。许多历史学家在逐次的趋势和循环中，搜寻说得过去的理由与解释，显然是用错了工具。这些传统观念产生于匀衡物理和天文学中，而合适的工具，却在非线性的非匀衡物理中。新物理学家们则开始用模拟游戏代替方程式，去发现事态运行的规律。 2.对初始条件的极端敏感依赖性 伦敦气象局计算机系统每日处理覆盖全欧洲的数千个气象站的上亿条数据，一次洛伦兹将5.06127输入为5.06，万分之一的省略，提供了两份截然不同的天气预报。于是洛伦兹在美国科学促进会提出：“一只蝴蝶在巴西煽动翅膀可能会在美国德克萨斯引起一场龙卷风”，从此，令人着迷、发人深省的“蝴蝶效应”，就以其大胆的想象力与迷人美学色彩，更加之深刻科学内涵与内在哲学魅力，倾倒了不断在复杂系统中苦苦求索的芸芸众生。“蝴蝶效应”反映了混沌运动的一个基本特征：对初始条件的极端敏感依赖性。 经典动力学认为，初始条件的微小变化，对未来状态所造成的差别也微小。但混沌理论认为，初始条件的十分微小的变化经过不断放大，对其未来状态会造成极其巨大的差别。 大家不妨想像一下台球桌面：撞击母球不到1度的微小偏差，会使台面出现纵线与横折两种极端迥异的走势。一个储蓄组合的未来资产变化模拟图，也仅因规则改为不计零数，模型便立即报废。导致蝗灾的因素有不下两百种，漏算或误算其中2％，不久20％的因素都会相应改换，一切也就大相径庭。西方流传的一首民谣更是对此作了形象的说明：“醉了一个农夫，丢了一颗铁钉；丢了一颗铁钉，少安一付马掌；少了一付马掌，跛了一匹战马；跛了一匹战马，摔坏一位将军；死了一个将军，输了一场战争；输了一场战争，亡了一个国家！” 系统对无数变化，何时极度敏感，何时能消化掉而不予理会，对此人类不是无能为力，而是丝毫都无能为力——地球上每天亿万只蝴蝶上下翻飞、百万只苍鹰鼓翼、千百只大鹏展翅……初始力或相同、或不同，初始因素本身虽不大，但经时间积累后的结果，已远非人们当初之想当然。 从前我们经常听到“明年将现暖冬”“下月平均气温将低于去年同期”等说法，但拥有超乎想像的完备数据的美国家气象局去年已宣布：“从此再不对超过10天的气象做任何预测。”这是人类科学认识的又一步飞跃。 3. 能量法则 完全不同于线性代数的产物——概率论。该法则是不同国度的学者们，耗时巨大的独立研究后，最终共同发现的一项新的重要自然法则，已被证实是一个适用于上千种的模板的、普遍
K-means-聚类算法研究综述
K-means聚类算法研究综述 摘要:总结评述了K-means聚类算法的研究现状，指出K-means聚类算法是一个NP难优化问题，无法获得全局最优。介绍了K-means聚类算法的目标函数，算法流程，并列举了一个实例，指出了数据子集的数目K，初始聚类中心选取，相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法，指出了K-means 聚类的进一步研究方向。 关键词：K-means聚类算法；NP难优化问题；数据子集的数目K；初始聚类中心选取；相似性度量和距离矩阵 Review of K-means clustering algorithm Abstract: K-means clustering algorithm is reviewed. K-means clustering algorithm is a NP hard optimal problem and global optimal result cannot be reached. The goal，main steps and example of K-means clustering algorithm are introduced. K-means algorithm requires three user-specified parameters: number of clusters K，cluster initialization，and distance metric. Problems and improvement of K-means clustering algorithm are summarized then. Further study directions of K-means clustering algorithm are pointed at last. Key words: K-means clustering algorithm; NP hard optimal problem; number of clusters K; cluster initialization; distance metric K-means聚类算法是由Steinhaus1955年、Lloyed1957年、Ball & Hall1965年、McQueen1967年分别在各自的不同的科学研究领域独立的提出。K-means聚类算法被提出来后，在不同的学科领域被广泛研究和应用，并发展出大量不同的改进算法。虽然K-means聚类算法被提出已经超过50年了，但目前仍然是应用最广泛的划分聚类算法之一[1]。容易实施、简单、高效、成功的应用案例和经验是其仍然流行的主要原因。 文中总结评述了K-means聚类算法的研究现状，指出K-means聚类算法是一个NP难优化问题，无法获得全局最优。介绍了K-means聚类算法的目标函数、算法流程，并列举了一个实例，指出了数据子集的数目K、初始聚类中心选取、相似性度量和距离矩阵为K-means聚类算法的3个基本参数。总结了K-means聚类算法存在的问题及其改进算法，指出了K-means聚类的进一步研究方向。 1经典K-means聚类算法简介 1.1K-means聚类算法的目标函数 对于给定的一个包含n个d维数据点的数据集 12 {x,x,,x,,x} i n X=??????，其中d i x R ∈，以及要生成的数据子集的数目K，K-means聚类算法将数据对象组织为 K个划分{c,i1,2,} k C K ==???。每个划分代表一个类c k，每个类c k有一个类别中心iμ。选取欧氏距离作为相似性和 距离判断准则，计算该类内各点到聚类中心 i μ的距离平方和 2 (c) i i k i k x C J xμ ∈ =- ∑（1） 聚类目标是使各类总的距离平方和 1 (C)(c) K k k J J = =∑最小。 22 1111 (C)(c) i i K K K n k i k ki i k k k x C k i J J x d x μμ ==∈== ==-=- ∑∑∑∑∑ （2）其中， 1 i i ki i i x c d x c ∈ ? =? ? ? 若 若 ，显然，根据最小二乘 法和拉格朗日原理，聚类中心 k μ应该取为类别 k c类各数据点的平均值。 K-means聚类算法从一个初始的K类别划分开始，然
蚁群算法综述
智能控制之蚁群算法 1引言 进入21世纪以来，随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。随着计算机技术的飞速发展，智能计算方法的应用领域也越来越广泛。 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。 蚁群算法是近些年来迅速发展起来的，并得到广泛应用的一种新型模拟进化优化算法。研究表明该算法具有并行性，鲁棒性等优良性质。它广泛应用于求解组合优化问题，所以本文着重介绍了这种智能计算方法，即蚁群算法，阐述了其工作原理和特点，同时对蚁群算法的前景进行了展望。 2 蚁群算法概述 1、起源 蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。 Deneubourg及其同事(Deneubourg et al.,1990; Goss et al.,1989)在可监控实验条件下研究了蚂蚁的觅食行为，实验结果显示这些蚂蚁可以通过使用一种称为信息素的化学物质来标记走过的路径，从而找出从蚁穴到食物源之间的最短路径。 在蚂蚁寻找食物的实验中发现，信息素的蒸发速度相对于蚁群收敛到最短路径所需的时间来说过于缓慢，因此在模型构建时，可以忽略信息素的蒸发。然而当考虑的对象是人工蚂蚁时，情况就不同了。实验结果显示，对于双桥模型和扩展双桥模型这些简单的连接图来说，同样不需要考虑信息素的蒸发。相反，在更复杂的连接图上，对于最小成本路径问题来说，信息素的蒸发可以提高算法找到好解的性能。 2、基于蚁群算法的机制原理 模拟蚂蚁群体觅食行为的蚁群算法是作为一种新的计算智能模式引入的，该算法基于如下假设： （1）蚂蚁之间通过信息素和环境进行通信。每只蚂蚁仅根据其周围的环境作出反应，也只对其周围的局部环境产生影响。 （2）蚂蚁对环境的反应由其内部模式决定。因为蚂蚁是基因生物，蚂蚁的行为实际上是其基因的自适应表现，即蚂蚁是反应型适应性主体。 （3）在个体水平上，每只蚂蚁仅根据环境作出独立选择；在群体水平上，单
基于FDOA的无源定位算法研究现状与展望
·28· 兵工自动化 Ordnance Industry Automation 2019-04 38(4) doi: 10.7690/bgzdh.2019.04.007 基于FDOA的无源定位算法研究现状与展望 李明哲1，李小将1，李志亮2 (1. 航天工程大学宇航科学与技术系，北京101416；2. 航天工程大学航天信息学院，北京101416) 摘要：为更好地解决在时间和方向测量精度低的情况下，仅利用到达频差(frequency difference of arrival，FDOA)进行定位求解的问题，对基于FDOA的无源定位算法现状和发展方向进行分析。在阐述FDOA无源定位基本原理的基础上，分析了定位问题的本质和定位算法的分类方法，结合基于定位观测量数据的定位算法和接收信号直接定位法的国内外研究现状，分析了FDOA无源定位算法存在的问题，指明了基于FDOA的定位算法的未来研究方向。该研究可为基于FDOA定位算法的研究提供参考依据。 关键词：FDOA；无源定位；定位算法；直接定位 中图分类号：TP302.7 文献标志码：A Research Status and Prospect of Passive Localization Methods Based on Frequency Difference of Arrival Li Mingzhe1, Li Xiaojiang1, Li Zhiliang2 (1. Department of Aerospace Science & Technology, Aerospace Engineering University, Beijing 101416, China; 2. School of Aerospace Information, Aerospace Engineering University, Beijing 101416, China) Abstract: In order to better solve the problem of passive localization using frequency difference of arrival (FDOA) only, in the case of low time and direction measurements precision, the research status and development direction of passive localization methods based on FDOA are analyzed. On the basis of expounding the basic principles of FDOA passive localization, the nature of localization problems and the classification of localization methods are analyzed. The problems in the localization methods using measurement data and the direct position determination methods using received signals are analyzed respectively, through the summary and comparison of research status at home and abroad, and the future research directions of the FDOA-based localization methods are pointed out. This study can provide reference for the research of passive localization methods based on FDOA. Keywords: FDOA; passive localization; localization method; direct position determination 0 引言 无源定位指侦察设备不向被探测目标发射无线电信号，只是通过接收电磁波信号对目标定位的一项技术[1]，一般可分为基于目标自身辐射信号的辐射源定位和基于第三方辐射信号的外辐射源定位。前者通过接收目标自身辐射的信号实现定位，后者通过外辐射源对目标进行照射，接收目标的散射信号，对目标实现定位[2]。文中定位特指获取目标的位置和速度信息。无源定位的主要侦察设备为无源雷达，相比有源雷达，它的主要优点是：1) 不需要主动发射脉冲，反侦察能力强，雷达本身的安全性较高；2) 只负责接收信号，可以全时工作，不受发射机静默周期的限制；3) 绝大多数的隐身技术和有源干扰技术针对有源雷达，减小目标在特定方向的雷达散射面积或信噪比，而无源雷达可以在对方不知道的情况下进行探测和定位，故其性能更加稳定； 4) 对于采用第三方辐射源方式的无源定位，即使在目标电磁静默的情况下仍可正常侦察[3]。综上所述，与传统有源定位相比，无源定位的方式更加安全且可以实现更好的定位效果。近年来，许多国家研制了无源定位系统，如捷克的VERA-E电子情报和无源空中监视系统、俄罗斯VEGA85V6-A三坐标无源定位系统、乌克兰“恺甲”空情监视定位系统、美国洛克希德·马丁公司研制的“沉默哨兵”被动探测系统、以色列的EL-L8300和EL-L8388无源定位系统、德国EADS防务电子公司的“FELS快速辐射源定位系统”等[4]。 无源定位从体制上可以分为基于到达角度的定位[5]、基于到达时差的定位[6]、基于到达频率的定位[7-8]和基于多种定位观测量[9]的联合定位。其中，基于到达频差(frequency difference of arrival，FDOA) 1 收稿日期：2018-12-16；修回日期：2019-01-14 基金项目：“高分专项”青年创新基金(GFZX04061502) 作者简介：李明哲(1990—)，男，黑龙江人，博士，从事运动目标无源定位系统研究。
蚁群算法研究应用现状与展望
第31卷 第1期 吉首大学学报(自然科学版)Vol.31 No.1 2010年1月J ournal of J is ho u Uni ver s i t y (Nat ural Sci ence Editio n )J an.2010 文章编号:1007-2985(2010)01-0035-05 蚁群算法研究应用现状与展望 3 叶志伟,周 欣,夏 彬 (湖北工业大学计算机学院,湖北武汉 430068) 摘 要:蚁群算法是工程优化领域中新出现的一种仿生进化算法.首先介绍基本蚁群算法的原理和模型,然后评述近年来对蚁群算法的若干改进以及在许多新领域中的发展应用,最后对蚁群算法未来的发展和研究方向进行展望. 关键词:蚁群算法;优化;最优决策 中图分类号:TN911.73 文献标识码:A 实际工程问题常具有复杂性、非线性等特点,而它的解决通常也是一种寻求最优决策的过程,因此寻求一种适合大规模并行、具有智能特征的优化算法已经成为引人注目的研究方向.目前,除了业已得到公认的遗传算法、模拟退火算法、禁忌搜索算法等热门进化算法,蚁群优化算法[1-3](Ant Colony Optimization Algo rithm ,ACO ,也称蚂蚁系统)正在开始崭露头角,为复杂的系统优化问题提供了新的具有竞争力的求解算法.ACO 是由意大利学者M.D o rigo 等人于1991年首先提出来一种新兴模拟生物智能的算法,在短期内得到了迅速的发展,除了用于大批经典优化问题的求解,如二次分配问题(Qua d 2ra tic Assignme nt Problem ,QAP )、有序排列问题(Sequential Orde ring Problem ,SOP )[2-16]等,在实际工程领域也得到广泛的应用. 1 基本ACO 原理 为了说明ACO 模型,这里引入旅行商问题(TSP ),它是一类经典的组合优化问题,即在给定城市个数和各城市之间距离的条件下,要找到1条遍历所有城市当且仅当1次最短的线路. 为模拟真实蚂蚁的行为,首先引入如下标记:m 是蚁群的规模;b i (t )是t 时刻位于城市i 的蚂蚁数量,m = ∑n i =1 b i (t );d i j 是两城市i 和j 之间的距离;ηi j 是由城市i 转移到城市j 的可见度,反映城市i 转移到城市j 的启发信息,这个量在ACO 的 运行中保持不变;τi j 是边(i ,j )上的信息素轨迹强度;Δτi j 是蚂蚁k 在边(i ,j )上留下的信息素轨迹量;p k i j 是蚂蚁k 的转移概 率,j 是没有访问过的城市. 每只蚂蚁都是具有如下行为的个体:①由城市i 转移到城市j 的过程中或是在完成1次循环以后,蚂蚁在边(i ,j)上释放信息素;②蚂蚁随机的选择下一个将要访问的城市;③在完成一次循环以前,不允许选择已经访问过的城市. 基本ACO 在TSP 问题中实现的具体过程如下:假设将m 只蚂蚁放入到n 个随机选择的城市中;每只蚂蚁每步根据一定的概率,选择下一个它还没有访问过的城市,将所有城市遍历完以后回到出发的城市.蚂蚁选择目标城市的概率公式为 p k ij (t)= (τi j (t ))α(ηij )β/∑j ∈allowed (τi j (t ))α(ηi j )β j ∈allowed ,0 othe rwise.(1) 在得到每个候选城市的选择概率以后,蚂蚁运用随机选择的方式决定下一步要去的城市.(1)式中各参数意义如下:α表示信息素信息相对重要程度;β表示可见度信息相对重要程度.为了避免对同一个城市的重复访问,每只蚂蚁都保存一个列表tabu (k ),用于记录到目前为止蚂蚁已经访问过的城市集合.为了避免残留信息素过多引起残留信息淹没启发信息的现象发生,在每一只蚂蚁走完1步或者完成对所有n 个城市的访问后,对残留信息素进行更新处理.这样得到(t +n)时刻在(i , 3收稿日期:2009-04-10 基金项目:湖北省自然科学基金资助项目(2008CDZ003;2008CDB342);湖北省教育厅优秀中青年项目(Q20081409;Q20081402) 作者简介叶志伟(),男,湖北浠水人,湖北工业大学计算机学院副教授,博士,主要从图像处理领域和智能计算研究:1978-.
王远东教授 用混沌学的观点看当前的肿瘤治疗
一、前言 目前肺癌的辅助和新辅助治疗、晚期肺癌一线方案、二线方案、甚至三线方案的选择，到分子靶向治疗，治疗手段和方法，似乎有了飞速的发展，但是治疗结果却给人总的感觉正像美国化疗之父Kennidy教授所说的，"肺癌治疗的进步像蜗牛一样缓慢"。尽管各类新的化疗药物还在不断研发和问世，但它们对肺癌的治疗已基本进入一个平顶期。分子靶向药物的出现以及根据各种癌症的不同基因表型而无意或有意设计的用药方案，却出现了很多值得我们重视的结果和现象，为此，以新的观点重新审视目前肿瘤治疗的方法，具有重要的意义。 二、混沌理论简介 混沌现象广泛存在于自然界。混沌学(Scientific Chaos)与相对论、量子力学一起被誉为二十世纪人类的三大发现。事实上，混沌学、相对论与量子力学是上世纪三次重大的科学革命，成为正确的宇宙观和自然哲学的里程碑。正如美国著名科学家詹姆斯.格莱克所说的那样："混沌学排除了拉普拉斯决定论的可预测性的狂想"。 1892 年，法国数学家J. H. Poincare己经发现按照哈密顿方程进行时间演化的某些力学系统可能出现混沌运动。1963年麻省理工学院著名的气象学家洛伦兹(Lorenz)发现[1]：在一个特定的方程组中，小小差异就可引起相去甚远的最终结果，显示确定论的系统表现出随机行为。这一论点打破了拉普拉斯决定论的
经典理论，这种新现象也是以前的科学家所无法解释的。后来洛伦兹又提出了"蝴蝶效应" 的理论，即一种对初始条件的极其敏感性依赖性。洛伦兹的发现和研究，开启了现在混沌理论研究的大门。上世纪70 年代是混沌理论基础研究高速发展的年代。1971 年法国物理学家D. Ruell 和荷兰数学家F.Takens引入"奇怪吸引子"概念。1975年，中国学者李天岩和美国数学家J. Yorke在《America Mathematics》杂志上发表了"周期三意味着混沌"的著名文章[2]，深刻揭示了从有序到混沌的演变过程，这也使"混沌"作为一个新的科?F嶂剬畕学学、电子学、信息科学、气象学、宇宙学、地质学、经济学、人脑科学，甚至在音乐、美术、体育等多个领域都得到了广泛的应用。 对于混沌严格的定义，目前科学上还没有确切的定义，但随着研究的深入，混沌的一系列特点和本质被揭示，对混沌完整的、具有实质性意义的确切定义将会产生。目前人们把混沌看成是一种无周期的有序。它包括如下特征：(1) 混沌具有内在的确定性，它虽然貌似噪声，但不同于噪声，系统是由完全确定的方程描述的，无需附加任何随机因数，但系统仍会表现出类似随机性的行为；(2) 混沌具有分形的性质；(3) 混沌具有标度不变性，是一种无周期的有序。在由分岔导致混沌的过程中，还遵从Feigenbaum常数系。(4) 混沌现象还具有对初始条件的敏感依赖性。只要初始条件稍有偏差或微小的扰动，则会使得系统的最终
关于无源定位技术的应用与发展的思考
关于无源定位技术的应用与发展的思考 高程 中国人民解放军第四三二八工厂军械光电车间，山西长治, 046011 摘要：无源探测与定位系统因其具有有效对抗电子干扰、反辐射导弹、低空突防和隐身武器的优点（四抗）,日益受到各国武器装备研究机构的重视,并得到超常规发展和广泛应用，本文从分析无源定位装备及关键技术，阐述了无源定位体制与装备的发展趋势。 关键词：无源；定位技术；四抗 电子干扰、反辐射导弹、低空突防和隐身武器已成为当今雷达面临的四大威胁，传统的有源雷达不仅很难完成预定的任务，而且自身的生存也成了紧迫的问题。被动探测系统本身不发射电磁波，完全是被动工作方式，受到各国的广泛重视。其优点在于工作时本身不发射电磁能量，具有良好的隐蔽性，能有效地抵抗反辐射导弹和反侦察定位系统，生命力强，适应环境快。无源定位技术与收发分置的双基或多基雷达系统类似，且工作在甚高频和超高频，因此能更有效地对隐身目标进行探测定位。无源雷达系统自身不发射信号，省去了昂贵的高功率发射机和收发开关及相关电子设备，使系统制造和维护成本大幅降低。外辐射源的天线都设置在贴近地面的高处，因此对低空飞行的飞机和巡航导弹有利，具有良好的抗低空突防性能。 1、无源定位技术概述 无源探测定位系统本身并不携带辐射源，只接收、处理包含目标位置、运动状态的信号进行目标探测和定位。从信号的形式上进行分类，可将各种无源探测定位系统分为基于可见光波、红外波、紫外波、声波和电磁波等信号的无源探测定位系统。很多现有装备中采用多种技术手段相配合的方案，无源定位装备体系结构与光波、声波等信号形式相比，电磁波具有穿透能力强、受环境影响小和作用距离远等优势，成为无源定位系统普遍采用的重要信号形式。根据电磁波信号的来源不同可将无源定位系统分为利用非协作外辐射源信号和利用目标辐射源信号两大类。利用非协作外辐射源的无源定位系统是利用非协作外辐射源的无源定位系统，指无源定位系统不是接收目标辐射源辐射的信号，而是接收目标以外的辐射源辐射的信号及经过待定位目标散射后的信号进行探测和定位。非协作外辐射源信号包括广播电台、电视台、通信台站、直接广播系统等民用辐射源，民用辐射源具有工作频率低、覆盖范围广、低空无盲区和发射功率大等特点。所以利用非协作外辐射源信号的无源定位系统具有较好的反隐身性能和低空探测性能，利用目标辐射源的无源定位系统是通过截获处理待定位目标自身携带的信号辐射源所辐射的来波信号进行定位。 2、无源定位技术体制与装备现状 无源探测定位系统在电子对抗领域应用较早，目前无源定位体制与装备主要有多基地无源定位体制与装备、多站无源定位体制与装备、单站无源定位体制与装备和网络化无源定位体制与装备等。多基地无源定位技术体制与装备多基地无源定位通过比较直射信号、目标反射信号来探测目标并测定其坐标及运动参数。为适应网络中心战的作战要求，网络化无源定位在每个观测平台都能实现单站无源快速、高精度定位的基础上，利用网络技术和数据融合技术，将多个平台的单站无源定位系统组网，通过战术目标瞄准网络技术网络及相应的软件和算法，实现多个平台的组网无源定位。在网络中心战的作战环境中，单站无源定位系统既可单独对目标辐射源进行定位和跟踪，还可在网络的支持下，成为多站无源定位系统的一个传感器单元[1]。国外几种典型无源探测系统，捷克研制的TAMARA-B无源探测系统，主要用于对空中、海上及陆地目标定位和目标信号特性检测，可作为预警探测系统和侦察系统。塔马拉系统由三个测量站，中心站、左站及右站组成，通过测量到达时间差对目标进行二维定位。EL/L8300G电子支援系统，以色列研制的地基被动式电子支援系统，用于对空监视和空
学年论文要求及格式
《学年论文》2学分 要求： 1.一人一篇论文，题目：（1）题目自选；（2）最好与毕业论文相关。 2.格式同毕业论文格式（基本同原文献检索课程论文），后面附件1是基本格式 要求。 3.字数3500-5000字，参考文献原则上不少于20篇。 4.学年论文写完后，交到自己导师那里进行修改，直至导师认为可以并给出成 绩为止！注意：认真完成，格式规范！不合格者需要重写！ 5.学年论文终稿打印提交（提交前让导师在封面上红色签字笔给出成绩并签上 导师姓名，否则按不及格计），提交时间2016.12.31前，由学习委员收齐登记成绩后交给我（包括打印稿<双面打印>和电子稿<每人电子稿WORD文档以学号+姓名方式命名，收齐后打包压缩上传到公共邮箱学年论文文件夹中，同时报送EXCEL版的成绩单，需要信息为姓名、学号、成绩、导师姓名）。6.写作前阅读一下后面的附件2《文献检索与应用文写作》课程论文主要问题 研究。
附件1： LUOYANG NORMAL UNIVERSITY 2013级学年论文 论文题目(2号黑体居中) 院（系）名称生命科学学院 专业名称 学生姓名 学号 指导教师 完成时间年月日
理工类样张（上边距30mm,下边距25mm,左边距30mm,右边距20mm ） 混沌及其应用（二号，黑体，居中，与姓名行之间空一行） 李 斌 （物理与电子科学系 物理学专业 学号：010514055 指导教师：王备战讲师）（小四号，仿宋GB_2312，词与词之间空两格，姓名行与学号行之间不空行，学号行与摘要之间空一行） 摘 要：（小四号黑体，顶格） 本文阐述了混沌理论的产生、发展及现状，介绍了平庸吸引子……。（小四号，仿宋GB_2312，摘要与关键词之间空一行） 关键词：（小四号黑体，顶格） 混沌理论；意义；应用；前景(小四号，仿宋GB_2312,词与词之用分号隔开，最后一个关键词后不打标点符号，关键词与正文之间空一行，) 1 混沌（黑体，小四号顶格，一级标题序号用阿拉伯数字1，2，3……） 1.1 混沌的含义（黑体，小四顶格，二级标题用1.1，1.2，1.3……） 混沌学的研究兴起于20世纪60年代初的美国，混沌科学研究是随着现代科 学技术的出现和普遍应用的基础上发展起来的新兴交叉学科。（正文，宋体小四， 1.5倍行距） 耗散系统的运动最终趋向维数比原始相空间低的极限集合，这个极限集合称 为吸引子[2]。（参考文献文中标注用上标，从小到大顺序排列） 2.1.1 平庸吸引子（宋体，小四顶格，三级标题用1.1.1，1.1.2，1.1.3……） （更细分标题与与三级标题一样） 洛伦兹奇异吸引子的动力学方程[3] bz xy z y rx xz y x y x -=-+-=-= )(σ （1）
蚁群算法综述
《智能计算—蚁群算法基本综述》 班级：研1102班 专业：计算数学 姓名：刘鑫 学号： 1107010036 2012年
蚁群算法基本综述 刘鑫 （西安理工大学理学院，研1102班，西安市，710054） 摘要:蚁群算法( ACA)是一种广泛应用于优化领域的仿生进化算法。ACA发展背景着手，分析比较国内外ACA研究团队与发展情况立足于基本原理,分析其数学模型,介绍了六种经典的改进模型，对其优缺点进行分析，简要总结其应用领域并对其今后的发展、应用做出展望。 关键词:蚁群；算法；优化；改进；应用 0引言 专家发现单个蚂蚁只具有一些简单的行为能力。但整个蚁群却能完成一系列复杂的任务。这种现象是通过高度组织协调完成的1991年。意大利学者M.Dorigo 首次提出一种新型仿生算法ACA。研究了蚂蚁的行为。提出其基本原理及数学模型。并将之应用于寻求旅行商问题(TSP)的解。 通过实验及相关理论证明,ACA有着有着优化的选择机制的本质。而这种适应和协作机制使之具有良好的发现能力及其它算法所没有的优点。如较强的鲁棒性、分布式计算、易与其他方法结合等；但同时也不应忽略其不足。如搜索时间较长，若每步进行信息素更新，计算仿真时所占用CPU时间过长：若当前最优路径不是全局最优路径，但其信息素浓度过高时。靠公式对信息素浓度的调整不能缓解这种现象。会陷人局部收敛无法寻找到全局最优解：转移概率过大时，虽有较快的收敛速度，但会导致早熟收敛。所以正反馈原理所引起的自催化现象意在强化性能好的解，却容易出现停滞现象。笔者综述性地介绍了ACA对一些已有的提出自己的想法，并对其应用及发展前景提出了展望。 1 蚁群算法概述 ACA源自于蚁群的觅食行为。S.Goss的“双桥”实验说明蚂蚁总会选择距食物源较短的分支蚂蚁之间通过信息素进行信息的传递,捷径上的信息素越多,吸引的蚂蚁越多。形成正反馈机制,达到一种协调化的高组织状态该行为称集体自催化目前研究的多为大规模征兵，即仅靠化学追踪的征兵。 1 .1 蚁群算法的基本原理
酶学研究中的诺贝尔奖
酶学研究中的诺贝尔奖 标签：教育酶学研究诺贝尔奖分类：生物学史与学家 酶学研究中的诺贝尔奖 学习感悟：科学家对酶的研究也经历了很长时间，教材中也有简单的酶的发现过程，学习过程中也涉及到很多酶，今天看到生物学通报中完整的诺贝尔奖中对酶的研究达到了10次，现摘录如下以供学习。 酶在生命体的新陈代谢过程中占有重要地位，几乎所有细胞的生命活动都需要酶的参与。19世纪30年代德国化学家Liebig和他的同事Wohler从苦杏仁汁中发现了一种催化物质，后被命名为苦杏仁酶（emulsion），这是最早发现的酶之一。随后又有许多酶被相继发现，酶学研究也进入飞速发展时期。 从1907年比希纳获得酶学研究史上的首个诺贝尔奖开始，在酶学领域中先后有多次诺贝尔奖获奖记录。 1．1907年诺贝尔化学奖获奖者爱德华·比希纳（德国）获奖理由发现无细胞发酵现象 20世纪初德国科学家爱德华·比希纳利用细沙和酵母菌作为实验材料，混合并加以研磨，随后加上矽藻土，用水力压榨机制备酵母榨出液，利用这种液体为浓蔗糖溶液防腐，经过反复实验发现酵母榨出液引起了蔗糖的发酵。但此榨出液中没有活的酵母细胞。随后，为确保实验结果的准确性，他又利用乙醇和丙酮杀死活的酵母细胞，仍然引起了蔗糖的发酵。1897年他发表题为《无细胞的发酵》论文，引起了学术界的轰动。论文否定了发酵作用是“生命现象”的概念，建立了微生物的生命活动和酶化学之间的联系。 爱德华·比希纳的研究推动了生物化学、微生物学、发酵生理学和酶化学的发展，并获得了1907年的诺贝尔化学奖，这在酶学研究史上是一次巨大的飞跃，开创了微生物生化研究的新篇章。 2．1929年诺贝尔化学奖获奖者亚瑟·哈登（英国）和汉斯.冯·奥伊勒-凯尔平（瑞典）获奖理由阐述了糖发酵过程中酶的作用 亚瑟·哈登（Harden Sir Arthur）是英国生物化学家。1904年他将酵母提取物放入半渗透薄膜袋内进行渗析时发现，酵母酶的活性消失，它不再使糖发酵。然而，如果将渗析至袋外的水加入袋内的物料中，则酵母酶活性又会恢复。同时观察到渗析开始时，酵母提取物迅速将葡萄糖分解并产生二氧化碳，但是随着时间的推移，其活性逐渐降低。他推测酵母酶是由2部分组成的，一部分是小分子，另一部分则是大分子。两者单独作用都不会使糖发酵。只有共同作用才有发酵的效果。如果将袋内的物料煮沸，则活性消失，即使袋内加入了袋外的水也是如此。实验证明大分子是蛋白质，小分子经受住了煮沸，因而多半不是蛋白质。这种小分子是“辅酶”发现的首个实例，它是一种非蛋白质结构的小分子，这种小分子对于酶的作用是不可或缺的。 汉斯.冯·奥伊勒一凯尔平是杰出的瑞典生物化学家。他在访问比希纳的实验室后对发酵产生了浓厚兴趣。由于哈登发现了发酵过程需要酶和辅酶共同发挥作用，因此经过10年潜心
软件学报 2008 聚类算法研究
ISSN 1000-9825, CODEN RUXUEW E-mail: jos@https://www.wendangku.net/doc/841420521.html, Journal of Software, Vol.19, No.1, January 2008, pp.48?61 https://www.wendangku.net/doc/841420521.html, DOI: 10.3724/SP.J.1001.2008.00048 Tel/Fax: +86-10-62562563 ? 2008 by Journal of Software. All rights reserved. ? 聚类算法研究 孙吉贵1,2, 刘杰1,2+, 赵连宇1,2 1(吉林大学计算机科学与技术学院,吉林长春 130012) 2(符号计算与知识工程教育部重点实验室,吉林长春 130012) Clustering Algorithms Research SUN Ji-Gui1,2, LIU Jie1,2+, ZHAO Lian-Yu1,2 1(College of Computer Science and Technology, Jilin University, Changchun 130012, China) 2(Key Laboratory of Symbolic Computation and Knowledge Engineering of the Ministry of Education, Changchun 130012, China) + Corresponding author: Phn: +86-431-85166478, E-mail: liu_jie@https://www.wendangku.net/doc/841420521.html, Sun JG, Liu J, Zhao LY. Clustering algorithms research. Journal of Software, 2008,19(1):48?61. https://www.wendangku.net/doc/841420521.html,/ 1000-9825/19/48.htm Abstract: The research actuality and new progress in clustering algorithm in recent years are summarized in this paper. First, the analysis and induction of some representative clustering algorithms have been made from several aspects, such as the ideas of algorithm, key technology, advantage and disadvantage. On the other hand, several typical clustering algorithms and known data sets are selected, simulation experiments are implemented from both sides of accuracy and running efficiency, and clustering condition of one algorithm with different data sets is analyzed by comparing with the same clustering of the data set under different algorithms. Finally, the research hotspot, difficulty, shortage of the data clustering and some pending problems are addressed by the integration of the aforementioned two aspects information. The above work can give a valuable reference for data clustering and data mining. Key words: clustering; algorithm; experiment 摘要: 对近年来聚类算法的研究现状与新进展进行归纳总结.一方面对近年来提出的较有代表性的聚类算法, 从算法思想、关键技术和优缺点等方面进行分析概括;另一方面选择一些典型的聚类算法和一些知名的数据集,主 要从正确率和运行效率两个方面进行模拟实验,并分别就同一种聚类算法、不同的数据集以及同一个数据集、不同 的聚类算法的聚类情况进行对比分析.最后通过综合上述两方面信息给出聚类分析的研究热点、难点、不足和有待 解决的一些问题.上述工作将为聚类分析和数据挖掘等研究提供有益的参考. 关键词: 聚类;算法;实验 中图法分类号: TP18文献标识码: A 聚类分析研究有很长的历史,几十年来,其重要性及与其他研究方向的交叉特性得到人们的肯定.聚类是数 ? Supported by the National Natural Science Foundation of China under Grant Nos.60473003, 60573073 (国家自然科学基金); the Major Research Program of National Natural Science Foundation of China under Grant No.60496321 (国家自然科学基金重大项目) Received 2007-04-24; Accepted 2007-08-03