1) Subspace Approximation optimization(SAO)
子空间优化算法
2) LAPSO
空间自适应粒子群优化算法
1.
The application of the landscape adaptive particle swarm optimizer(LAPSO),which combines these two schemes,was studied.
空间自适应粒子群优化算法(LAPSO)有机融合上述2种改进机制。
3) subspace algorithm
子空间算法
1.
New subspace algorithm for blind channel estimation in OFDM systems;
一种新的OFDM系统信道盲估计的子空间算法(英文)
2.
At last,making use of the CP in OFDM,a blind subspace algorithm.
建立了2发1收的ST-OFDM系统模型;利用空时编码的特点,对发射信号采用恒模复调制,引入周期相关特性,将各子信道分开进行估计;利用循环前缀引入的信息冗余给出子空间算法,实现盲信道估计。
3.
Because the transmission equation of OFDM systems does not exactly have the desired structure to directly derive a subspace algorithm, a new matrix transform on the equation is proposed, then a blind subspace-based algorithm is developed.
利用循环前缀(CP)引入的信息冗余,提出一种利用接收信号的二阶统计特性实现正交频分复用(OFDM)系统信道盲估计的子空间算法。
4) subspace method
子空间算法
1.
Based on the subspace method, this paper presents a new technique for the blind equalization of multiple-input multiple-output linear systems whose channel impulse has finite support of the same length.
基于基本的子空间算法,研究了一种实现具有相同有限长冲激响应的多输入多输出线性系统盲均衡的方法。
5) concurrent subspace optimization
并行子空间优化
1.
Application of updated concurrent subspace optimization in the structural optimization with constraints of aerodynamics and RCS of aircraft;
计及气动和隐身约束结构综合优化的并行子空间优化方法
2.
Existing concurrent subspace optimization frameworks are generally just applicable to problems with only one objective in each subspace.
针对现有的并行子空间优化框架存在的各子空间仅能有一个优化目标等局限,提出了并行多目标子空间优化框架。
补充资料：计算算法的最优化
计算算法的最优化
ptimization of computational algorifans
计算算法的最优化【。洲咧匕6阅ofc咖例。柱.目习子时-d，”6;onT一Mo3a双，Ra，一eju.Teju.II.叱a几r0P盆n陇o，1 在求解应用问题或精心设计标准程序系统时最优计算算法(comPutatio几al algorithm)的选择.当解决一个具体间题时，最优策略可能不会使解法最优化，可是为优化一个标准程序或应用最简单的解法编制程序则是很直截了当的. 计算算法的最优化问题的理论提法是基于下述原则.当选择一种方法来求解一个问题时，研究人员关心的是某些特性，而且根据这些特性来选择算法，同时这个算法也能用来解决具有这些特性的其他问题.据此，在算法的理论研究中，人们引人了具有特殊性质的一类问题尸.当选择一种解法时，研究人员有一组解法M可供选用.当选用一种方法m来求解一个问题p时，得到的解会有一定的误差e(p，m).称量 E(P，m)=sllp}。(p，m)I P‘P为在这类问题P中方法m的误差(en刀r of the nrth-od)，同时，称量 E(p，M)一惑E(p，m)为M中方法在尸中误差的最优估计(。Ptimal estirnateof the error).如果存在一种方法，使得 E(P，m。)=E(P，M)，那么称这个方法为最优的(optirnal).研究计算算法最优化问题的一个方案可以追溯到A .H .KQJLMoropoB(【2」)，所考虑的是计算积分 1 ‘(f)一Jf(x)dx 0问题的集合，给定的条件是}f(时}成A，其中M是所有可能求积 N ‘(f)澎，万:C，f(x，)的集合·每一种求积由总数为ZN的cj和礼确定.由具有所需精度的某函数类重新生成一个函数所需要的最小信息量(见【2]，「31)也可以包含在这个方案中.这个问题的一个更详细的阐述可查阅【4]，它指出在特定意义下实现算法的工作量与应用的存储量同样大.最优算法仅对极少数类型问题存在(汇1」)，然而，对大量计算问题，已经建立了就其渐近特性而言几乎是最优的方法(见汇5]一【8」). 对某类问题最优的计算算法特性的研究工作(见15]，【71)包含两部分:建立其特性尽可能好的具体解法，和根据计算算法的特性得出估计量(见【2]一【4]，【9】).实质上，问题的第一部分是数值方法理论的一个基本问题，而且在大多数情况下它是与最优化问题无关的研究工作.下面得到的估计通常归结为对￡摘(。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条