免疫算法求解函数优化问题及其SoPC实现
时间:06-05
来源:互联网
点击:
本文算法的参数设置[6]如下:受体编辑系数Pc=0.2;高频变异概率Pm=0.01;种群规模Popsize=50;算法迭50代结束。仿真选取f=x+10×sin(5x)+7×cos(4x),x∈[0,10]:一个单变量、多极值点的函数,用来测试优化算法是否能搜索到函数的最优解。
在PC上分别运用标准和改进后的克隆选择算法处理函数优化问题,从图4(a)、图4(b)不难看出,改进后算法在第6代就能迅速达到全局最优,而标准算法需要13代。改进后算法在处理函数优化问题时提高了收敛速度。
运用改进的克隆选择算法处理函数优化问题,从图4(b)、图4(c)不难看出,在SoPC上运行了4代就得到了全局最优而每一代处理时间约0.35 s,达到最优所需时间约为1.4 s。而在PC机上运行6代后得到的最优结果,其每一代处理时间约为0.27 s,运行6代所需时间约为1.62 s。
不管在SoPC还是PC上,免疫克隆算法处理函数优化问题在进入局部最小的时候,总能跳出这个局部最小,从而达到另一最小,进而达到全局最小。这体现了算法的抗退化能力。
本文将改进免疫克隆选择算法应用在SoPC上,在实验开发板上搭建了硬件平台,在此基础上进行软件开发。实验表明,在PC机和SoPC上都能有效求解函数优化问题和避免陷入局部最小并达到全局最优。当资源明显不如PC机的情况下,在SoPC上处理到第4代就能迅速达到全局最优,而在PC机上则需要6代。获得这样的结果足以表明,SoPC有较强的优化和实时处理问题的能力。
- 单片DSP处理器功能系统的SOPC技术设计(01-12)
- 基于DSP和SOPC数字信号发生器的设计(01-05)
- 基于Linux的SoPC应用系统设计(04-23)
- 基于DSP的实时数据处理系统浅析(02-28)
- 基于LXI总线的1553B通讯模块设计与开发(11-24)
- 双MicroBlaze软核处理器的SOPC系统设计(01-27)
射频专业培训教程推荐
栏目分类