本發(fā)明屬于優(yōu)化算法QGA應(yīng)用
技術(shù)領(lǐng)域：
，涉及一種基于量子遺傳算法的雷達海雜波反演蒸發(fā)波導(dǎo)的方法。
背景技術(shù)：
：海面上低空對流層折射率常隨著氣象條件發(fā)生著時空的變化。當對流層的垂直溫度和濕度發(fā)生異常變化時，就會產(chǎn)生大氣波導(dǎo)。大氣波導(dǎo)可以使處于其中的電磁波產(chǎn)生超視距和雷達空洞現(xiàn)象，這些現(xiàn)象極大的影響著海上雷達和通信系統(tǒng)的性能。因此實時獲得大氣波導(dǎo)的垂直折射率剖面信息對雷達性能評估和預(yù)測有著重要的作用。RFC(Refractivityfromclutter)是利用雷達海雜波信息反演大氣波導(dǎo)垂直折射率剖面信息的一種新興技術(shù)，它實質(zhì)上是將實際測量海雜波與模擬海雜波進行對比擬合的過程，當兩組數(shù)據(jù)吻合最好時的模擬海雜波所對應(yīng)的大氣折射率垂直剖面即為反演的最佳折射率剖面。RFC技術(shù)的實施要用到優(yōu)化算法，合適的優(yōu)化算法可以讓RFC技術(shù)的性能得到極大的提升，為此業(yè)界很多工作者都在致力于尋找更好的優(yōu)化算法。量子遺傳算法(QGA,QuantumGeneticAlgorithm)是一個正處于發(fā)展中的優(yōu)化算法，正式提出于2000年，它結(jié)合量子計算和遺傳算法，主要用量子比特編碼基因和個體，并用量子旋轉(zhuǎn)門更新個體，具有種群小、多樣性豐富和收斂快的優(yōu)點，已經(jīng)在很多領(lǐng)域被成功嘗試。目前，現(xiàn)有技術(shù)中還沒有將QGA算法應(yīng)用于RFC技術(shù)的實施技術(shù)。技術(shù)實現(xiàn)要素：為了彌補現(xiàn)有技術(shù)中的空白，本發(fā)明提出了一種基于量子遺傳算法的雷達海雜波反演蒸發(fā)波導(dǎo)的方法，該方法將QGA算法應(yīng)用于RFC技術(shù)的實施，并將這種結(jié)合稱為RFC-based-QGA技術(shù)。其技術(shù)方案如下：一種基于量子遺傳算法的雷達海雜波反演蒸發(fā)波導(dǎo)的方法，包括以下步驟：開始t←0(1)用Q-bit初始化蒸發(fā)波導(dǎo)高度種群其中表示種群第t代中的第j個表示蒸發(fā)波導(dǎo)高度的個體，N是初始種群大小。(2)對初始種群Q(t)中每個個體實施一次測量，得到相應(yīng)的蒸發(fā)波導(dǎo)高度二進制確定解獲得種群的二進制串表達(3)根據(jù)適應(yīng)度目標函數(shù)Φ，計算B(t)中的每個確定解的適應(yīng)度值獲得適應(yīng)度值集(4)保存F(t)中最佳適應(yīng)度值并保存相應(yīng)最佳個體作為當前所有個體下一代演化的最佳目標。(5)while(為滿足終止條件)do開始(a)t←t+1(b)同步驟(2)，一次測量種群Q(t-1)中的每個個體，產(chǎn)生二進制確定解群X(t)。(c)同步驟(3)，對(b)產(chǎn)生的X(t)進行適應(yīng)值評估，得到其適應(yīng)值集F(t)。(d)通過量子旋轉(zhuǎn)門更新Q(t-1)獲得新一代種群Q(t)。(e)同步驟(4)，存儲F(t)中最佳適應(yīng)度值并保存相應(yīng)最佳個體作為當前所有個體下一代演化的最佳目標。結(jié)束結(jié)束。本發(fā)明的有益效果為：本發(fā)明RFC-based-QGA在蒸發(fā)波導(dǎo)折射率剖面反演中具有可行性和優(yōu)良性能。RFC-based-QGA具有精確度高，耗時少，穩(wěn)定好的特點，適合推廣應(yīng)用。附圖說明圖1是蒸發(fā)波導(dǎo)修正折射率垂直剖面；圖2是蒸發(fā)波導(dǎo)環(huán)境下的標準化海雜波功率群(2.84GHz,30.78m)圖3是蒸發(fā)波導(dǎo)環(huán)境下的標準化海雜波功率群(10GHz,10m)圖4是實際觀測的標準化海雜波功率(10GHz,13m)；圖5是基于海雜波群圖2的蒸發(fā)波導(dǎo)高度反演結(jié)果頻率直方圖和散點圖，其中：圖5(a)是基于圖2中海雜波曲線(a)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖5(b)是基于圖2中海雜波曲線(b)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖5(c)是基于圖2中海雜波曲線(c)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖5(d)是基于圖2中海雜波曲線(d)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖5(e)是基于圖2中海雜波曲線(e)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖5(f)是基于圖2中海雜波曲線(a)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖5(g)是基于圖2中海雜波曲線(b)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖5(h)是基于圖2中海雜波曲線(c)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖5(i)是基于圖2中海雜波曲線(d)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖5(j)是基于圖2中海雜波曲線(e)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖5(k)是基于圖2中海雜波曲線(a)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖5(l)是基于圖2中海雜波曲線(b)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖5(m)是基于圖2中海雜波曲線(c)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖5(n)是基于圖2中海雜波曲線(d)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖5(o)是基于圖2中海雜波曲線(e)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖5(p)是基于圖2中海雜波曲線(a)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。圖5(q)是基于圖2中海雜波曲線(b)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。圖5(r)是基于圖2中海雜波曲線(c)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。圖5(s)是基于圖2中海雜波曲線(d)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。圖5(t)是基于圖2中海雜波曲線(e)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。圖6是基于海雜波群圖3的蒸發(fā)波導(dǎo)高度反演結(jié)果頻率直方圖和散點圖，其中：圖6(a)是基于圖3中海雜波曲線(a)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖6(b)是基于圖3中海雜波曲線(b)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖6(c)是基于圖3中海雜波曲線(c)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖6(d)是基于圖3中海雜波曲線(d)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖6(e)是基于圖3中海雜波曲線(e)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖6(f)是基于圖3中海雜波曲線(a)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖6(g)是基于圖3中海雜波曲線(b)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖6(h)是基于圖3中海雜波曲線(c)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖6(i)是基于圖3中海雜波曲線(d)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖6(j)是基于圖3中海雜波曲線(e)的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖6(k)是基于圖3中海雜波曲線(a)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖6(l)是基于圖3中海雜波曲線(b)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖6(m)是基于圖3中海雜波曲線(c)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖6(n)是基于圖3中海雜波曲線(d)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖6(o)是基于圖3中海雜波曲線(e)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖6(p)是基于圖3中海雜波曲線(a)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。圖6(q)是基于圖3中海雜波曲線(b)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。圖6(r)是基于圖3中海雜波曲線(c)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。圖6(s)是基于圖3中海雜波曲線(d)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。圖6(t)是基于圖3中海雜波曲線(e)的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。圖7是基于實測雜波圖4的蒸發(fā)波導(dǎo)高度反演結(jié)果頻率直方圖和散點圖，其中：圖7(a)是基于圖4所示實測海雜波曲線的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果頻率直方圖。圖7(b)是基于圖4所示實測海雜波曲線的蒸發(fā)波導(dǎo)高度PSO反演結(jié)果散點圖。圖7(c)是基于圖4所示實測海雜波曲線的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果頻率直方圖。圖7(d)是基于圖4所示實測海雜波曲線的蒸發(fā)波導(dǎo)高度QGA反演結(jié)果散點圖。具體實施方式下面結(jié)合附圖和具體實施方式對本發(fā)明的技術(shù)方案作進一步詳細地說明。理論和模型蒸發(fā)波導(dǎo)模型在RFC技術(shù)中，需要用到表達海洋低空對流層波導(dǎo)垂直剖面的參數(shù)模型，不同類型的對流層波導(dǎo)用不同的參數(shù)向量表示。常用的蒸發(fā)波導(dǎo)參數(shù)模型如下：M(z)=M0+0.125(z-hlnz+z0z0)---(1)]]>式中，z為海面以上垂直高度，單位是米；z0為空氣動力學(xué)粗糙因子,通常取1.5×10-4m；M0是海面高度處的大氣修正折射率；h為蒸發(fā)波導(dǎo)高度，單位是米。在蒸發(fā)波導(dǎo)RFC技術(shù)中，h就是要反演的參數(shù)，只要反演得到了h，根據(jù)式(1)就得到了蒸發(fā)波導(dǎo)折射率垂直剖面M(z)。蒸發(fā)波導(dǎo)折射率垂直剖面如圖1所示。海雜波模型RFC技術(shù)利用接收到的雷達海雜波反演海洋低空對流層波導(dǎo)環(huán)境，是個已知測量海雜波與可能波導(dǎo)環(huán)境下雷達接收海雜波的對比尋優(yōu)過程。尋優(yōu)過程的實施要基于可能環(huán)境中雷達海雜波功率的計算，在不考慮接雷達收機噪聲時，雷達接收到來自距離x(km)處的海雜波功率Pc(x,Menv)可表示為：Pc(x,Menv)＝-2L(x,Menv)+10log10(x)+σ0(x,θ(x))+C(2)其中L(x,Menv)為海面有效散射高度處單程傳播損耗，可以由拋物方程計算出；σ0(x,θ(x))是海面后向散射系數(shù)，θ(x)是掠射角，蒸發(fā)波導(dǎo)情況下，在遠距離處，θ(x)可看做常數(shù)。C是與雷達功率、增益等雷達參數(shù)有關(guān)的常數(shù)項。所以，只要計算出L(x,Menv)，σ0(x,θ(x))和C，就可以模擬相應(yīng)環(huán)境中的海雜波，如圖2和圖3所示的海雜波功率曲線。RFC框架RFC技術(shù)的尋優(yōu)匹配的過程，從數(shù)學(xué)上來看，就是最小化目標函數(shù)的過程，即h^=argminhΦ(Pcobs,Pccan(h))---(3)]]>其中，為反演出的蒸發(fā)波導(dǎo)修正折射率剖面式(1)中的蒸發(fā)波導(dǎo)高度；分別是實際觀測海雜波和可能波導(dǎo)環(huán)境中雷達接收到的海雜波，當目標函數(shù)最小時，說明和是最佳匹配，此時所在的環(huán)境最有可能是所在的環(huán)境，此時所在環(huán)境的蒸發(fā)波導(dǎo)高度h就是要反演的結(jié)果反演方法粒子群優(yōu)化算法(PSO)PSO(Particleswarmoptimization)提出于1995年，是一種很受歡迎的隨機搜索優(yōu)化算法，它簡單且收斂快，在很多領(lǐng)域都有成功的應(yīng)用。在RFC技術(shù)中也常被用到，也是目前國內(nèi)RFC技術(shù)所使用的優(yōu)化算法中性能最好的一種算法。PSO算法及其在RFC技術(shù)中的應(yīng)用(說明中有時會把這種結(jié)合稱為RFC-based-PSO)可參考現(xiàn)有技術(shù)，此不贅述。量子遺傳算法(QGA)下面簡單介紹QGA算法及其在RFC技術(shù)中應(yīng)用設(shè)計。量子比特(Q-bit)及決策變量的染色體表達一個Q-bit可以表示為，其中α和β是復(fù)數(shù)，分別表示基本態(tài)|0>和|1>的概率幅，|α|2和|β|2表示量子位處于狀態(tài)|0>和狀態(tài)|1>的概率，且|α|2+|β|2＝1。一個染色體可由多個Q-bit編碼為：(j＝1,2,…,N；i＝1,2,…,k；k,N是整數(shù))(5)其中，表示第t代種群中的第j個染色體個體，N是種群大??；k表示構(gòu)成染色體的Q-bit個數(shù)；為染色體中第i個量子比特的概率幅對；這里(5)表達的有2k個疊加態(tài)。更新策略染色體中的Q-bit可由量子旋轉(zhuǎn)門更新上代Q-bit得到，其數(shù)學(xué)表達如下：αjitβjit=U(θit)αjit-1βjit-1=cosθit-sinθitsinθitcosθitαjit-1βjit-1---(6)]]>其中，為t-1代染色體中第i個量子比特的概率幅對；表示量子旋轉(zhuǎn)門；為旋轉(zhuǎn)角度，的值根據(jù)如下調(diào)整策略確定：θit=sign((f(Bjt)-f(Bbestt-1))×(bjit-bbest.it-1)×αjit-1×βjit-1)×Δθ---(7)]]>其中，sign(x)為符號函數(shù)，當x≥0時，sign(x)＝1；當x＜0時，sign(x)＝-1。在量子門更新過程中，Δθ的大小和符號起關(guān)鍵作用,Δθ的幅度影響收斂速度，如果太大，會導(dǎo)致早熟,一般推薦使用0.005π～0.1π。是當前代染色體一次測量的二進制串，可被表示為：Bjt=(bj1t,bj2t,...,bjit,...,bjkt)---(8)]]>是二進制值“0”或“1”。是當前代染色體的適應(yīng)度值。是種群當前最佳二進制串：Bbestt=(bbest.1t,bbest.2t,...,bbest.it,...,bbest.kt)---(9)]]>和相似，是二進制“0”或“1”。是種群當前最佳的適應(yīng)度值。QGA在RFC中的實施開始t←0(1)用Q-bit初始化蒸發(fā)波導(dǎo)高度種群其中表示種群第t代中的第j個表示蒸發(fā)波導(dǎo)高度的個體，N是初始種群大小。(2)對初始種群Q(t)中每個個體實施一次測量，得到相應(yīng)的蒸發(fā)波導(dǎo)高度二進制確定解獲得種群的二進制串表達(3)根據(jù)適應(yīng)度目標函數(shù)Φ，計算B(t)中的每個確定解的適應(yīng)度值獲得適應(yīng)度值集(4)保存F(t)中最佳適應(yīng)度值并保存相應(yīng)最佳個體作為當前所有個體下一代演化的最佳目標。(5)while(為滿足終止條件)do開始(a)t←t+1(b)同步驟(2)，一次測量種群Q(t-1)中的每個個體，產(chǎn)生二進制確定解群X(t)。(c)同步驟(3)，對(b)產(chǎn)生的X(t)進行適應(yīng)值評估，得到其適應(yīng)值集F(t)。(d)通過量子旋轉(zhuǎn)門更新Q(t-1)獲得新一代種群Q(t)。(e)同步驟(4)，存儲F(t)中最佳適應(yīng)度值并保存相應(yīng)最佳個體作為當前所有個體下一代演化的最佳目標。結(jié)束結(jié)束RFC-based-QGA應(yīng)用舉例RFC-based-QGA應(yīng)用例子安排因為RFC的性能受雷達頻率和天線高度的影響，所以文章用三組不同的應(yīng)用例子來表明蒸發(fā)波導(dǎo)RFC-based-QGA技術(shù)的優(yōu)良性和穩(wěn)定性。第一組應(yīng)用中所用到的觀測海雜波群圖2是頻率為2.84GHz,天線高度為30.78米的雷達在不同蒸發(fā)波導(dǎo)高度環(huán)境中模擬出來的。第二組應(yīng)用中用到的觀測海雜波圖3是頻率為10GHz,天線高度為10米的雷達在不同蒸發(fā)波導(dǎo)高度環(huán)境中模擬出來的；第三組應(yīng)用中所用到的實測海雜波曲線圖4為2007年夏季在我國東南沿海某島嶼實際實驗中測量到的，實驗所用的雷達頻率為10GHz,天線高度為13米。由于前兩組應(yīng)用中的觀測海雜波都是模擬出來的，所以前兩個應(yīng)用例子實際上是模擬應(yīng)用，后一個才為實際應(yīng)用。另外，兩組模擬應(yīng)用中模擬觀測海雜波群圖2和圖3所用天線的極化方式都為垂直極化，波束寬度都為0.39度，天線仰角都為0度，海雜波曲線(a)、(b)、(c)、(d)和(e)所對應(yīng)的真實蒸發(fā)波導(dǎo)高度分別為6、12、18、24和30米。第三組觀測海雜波所用天線的極化方式是水平極化，波束寬度為0.7度，天線仰角為0度。為了充分說明蒸發(fā)波導(dǎo)環(huán)境下RFC-based-QGA的系統(tǒng)性能，PSO算法被應(yīng)用到上述三組例子中，只是為了和QGA算法做對比。算法中參數(shù)選取說明：種群大小為20，參數(shù)搜索范圍為0-40米。QGA中采用19個Q-bit編碼一個基因，量子旋轉(zhuǎn)角步進Δθ＝0.03π；PSO中粒子最大和最小搜索速度分別為0和40。蒸發(fā)波導(dǎo)RFC-based-QGA反演應(yīng)用舉例應(yīng)用例1此例對圖2所示的每條海雜波曲線分別實施了200次RFC-based-QGA和200次RFC-based-PSO反演，反演結(jié)果如圖5所示。圖5第一行，(a)、(b)、(c)、(d)和(e)，和第二行，(f)、(g)、(h)、(i)和(j)，分別是PSO算法反演結(jié)果的頻率分布圖和散點圖；第三行,(k)、(l)、(m)、(n)和(o)，和第四行,(p)、(q)、(r)、(s)和(t)，分別是QGA算法反演結(jié)果的頻率分布圖和散點圖，其中第一行和第三行頻率分布圖中的垂直虛線表示蒸發(fā)波導(dǎo)的真實高度。圖5從左向右每一列所反演的真實蒸發(fā)波導(dǎo)高度分別是6,12,18,24和30米；從圖5可以看出，QGA算法反演結(jié)果的精確度明顯高于PSO算法的結(jié)果。為了進一步量化比較，表格1給出了兩種算法200次反演結(jié)果的均值、標準差和分布區(qū)間以及計算機CPU耗時。從表格1可以看出，兩種方法的均值都能真實反演真實波導(dǎo)高度，但是QGA的標準差和反演結(jié)果的分布區(qū)間比PSO更小更窄，這點和圖5是相符的。同時從計算量看，QGA的平均每代CPU耗時比PSO小，雖然少的不多，但是對于反演代數(shù)比較多的情況下，還是比較節(jié)時的。譬如，對高度為12米的蒸發(fā)波導(dǎo)的反演，應(yīng)用QGA反演結(jié)果均值為12.00，標準差為0.015，反演結(jié)果分布區(qū)間為[11.94512.047]，所耗平均CPU時間為17.602秒/代；而應(yīng)用PSO反演結(jié)果均值為11.999，標準差為0.028，反演結(jié)果分布區(qū)間為[11.90912.082]，所耗平均CPU時間為19.537秒/代。所以，RFC-based-QGA比RFC-based-PSO有更高的精度，更小的偏差和更好的穩(wěn)定性以及更加節(jié)時。由此可見，對于實際反演次數(shù)往往比較少的情況下，RFC-based-QGA每次反演結(jié)果的可信度會更高一些。表1不同蒸發(fā)波導(dǎo)高度反演結(jié)果統(tǒng)計比較(2.84GHz,30.78m)應(yīng)用例2類似于應(yīng)用例1，圖6和表格2是對圖3每條海雜波曲線200個反演結(jié)果的分布圖與統(tǒng)計結(jié)果。圖6第一行和第二行是粒子群(PSO)方法反演結(jié)果，第三行和第四行是量子遺傳算法(QGA)方法反演的結(jié)果。根據(jù)圖6和表格2，明顯RFC-based-QGA表現(xiàn)出比RFC-based-PSO更優(yōu)良的性能，有更高的精度，更小的偏差、更好的穩(wěn)定性和更節(jié)時以及更高的可信度，和應(yīng)用例1的結(jié)論相同。表2不同蒸發(fā)波導(dǎo)高度反演結(jié)果統(tǒng)計比較(10GHz,10m)應(yīng)用例3為了進一步說明RFC-based-QGA技術(shù)的優(yōu)良性能，此例對東南沿海一次蒸發(fā)波導(dǎo)現(xiàn)象中實際測量的海雜波數(shù)據(jù)，如圖4所示，分別實施200次RFC-based-QGA和200次RFC-based-PSO反演。經(jīng)過3δ檢驗，PSO算法200個反演結(jié)果中190個為有效結(jié)果；QGA算法200個反演結(jié)果中199個為有效結(jié)果，這些有效反演結(jié)果的分布圖和統(tǒng)計特性如圖7和表3所示，圖7中第一列為PSO反演結(jié)果，第二列為QGA反演結(jié)果。從圖7可看出應(yīng)用QGA算法得出的反演結(jié)果的精確度明顯高于應(yīng)用PSO算法的結(jié)果。再仔細觀察表格3的統(tǒng)計特性，顯然可得到：RFC-based-QGA比RFC-based-PSO有更高的精度，更小的偏差和更好的穩(wěn)定性、更節(jié)時和更可信。這里要說明的是，在應(yīng)用1和應(yīng)用2中，每條海雜波曲線的每種算法的200個反演結(jié)果都經(jīng)過3δ檢驗，只是檢驗結(jié)果表明所有結(jié)果都為有效值，所以沒有進行反演結(jié)果有效性特別討論。表3實測海雜波反演蒸發(fā)波導(dǎo)高度結(jié)果統(tǒng)計比較優(yōu)化算法均值標準差反演結(jié)果分布區(qū)間200次反演結(jié)果的有效值個數(shù)平均CPU耗時PSO27.3360.017[27.31427.386]19018.378秒/代QGA27.3340.010[27.31427.363]19917.843秒/代以上所述，僅為本發(fā)明較佳的具體實施方式，本發(fā)明的保護范圍不限于此，任何熟悉本
技術(shù)領(lǐng)域：
的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，可顯而易見地得到的技術(shù)方案的簡單變化或等效替換均落入本發(fā)明的保護范圍內(nèi)。當前第1頁1 2 3