粒子群優(yōu)化算法是一類新型進(jìn)化算法，為提高粒子群優(yōu)化算法對復(fù)雜問題全局最優(yōu)解的探測能力，該文引入一種基于拉伸技術(shù)的粒子群優(yōu)化算法，把它應(yīng)用到CDMA通信系統(tǒng)中抗干擾關(guān)鍵技術(shù)??多用戶檢測中，提出了基于拉伸粒子群算法的多用戶檢測器。仿真結(jié)果表明，該檢測器在誤碼率性能、抗遠(yuǎn)近效應(yīng)和增加系統(tǒng)容量方面的性能較之其他的檢測器均有明顯的提高。
關(guān) 鍵 詞 多用戶檢測; 遠(yuǎn)近效應(yīng); 粒子群優(yōu)化算法; 拉伸技術(shù)

粒子群優(yōu)化算法是1995年提出的新型全局優(yōu)化算法[1-7]，算法由于簡單、易實(shí)現(xiàn)且沒有太多參數(shù)需要調(diào)整而廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練等多個領(lǐng)域。與其他全局優(yōu)化算法一樣，粒子群優(yōu)化算法同樣存在“早熟”現(xiàn)象。本文引入一種基于拉伸技術(shù)的新型粒子群優(yōu)化算法(Stretching Particle Swarm Optimization，SPSO)。
1 拉伸技術(shù)粒子群優(yōu)化算法
優(yōu)化問題中，極大部分問題的目標(biāo)函數(shù)存在多個局部或全局極值，這類問題的求解即便是全局優(yōu)化算法，也會以較大概率收斂于某些局部極值，即“早熟”現(xiàn)象。要有效解決多模態(tài)函數(shù)的全局優(yōu)化問題，必須使優(yōu)化問題在搜索過程中及時從各局部極值點(diǎn)逃逸出來，以較大幾率收斂于全局最優(yōu)解。據(jù)此，文獻(xiàn)[8]提出了基于拉伸技術(shù)的粒子群優(yōu)化算法。拉伸技術(shù)的實(shí)質(zhì)是根據(jù)已探測到的局部極值點(diǎn)
信息，對原始目標(biāo)函數(shù)進(jìn)行兩次拉伸變化，剔除局部極值點(diǎn)及比局部極值大的點(diǎn)，不斷縮小目標(biāo)函數(shù)的搜索范圍，降低搜索難度。