Investigation on the evolutionary algorithms with their applications in MIMO detecting systems
Investigation on the evolutionary algorithms with their applications in MIMO detecting systems
复制标题
进化算法研究及其在MIMO检测系统中的应用
DOI：
10.1002/dac.2317
复制
发表时间：
2013-11
影响因子：
2.1
通讯作者：
Li, Wen-Tao
中科院分区：
文献类型：
--
作者：
Hei, Yong-Qiang;Li, Xiao-Hui;Li, Wen-Tao
为了综合遗传算法和粒子群算法的优点，提出了一种新的遗传粒子群算法。并将这三种进化算法成功地应用于多输入多输出检测问题。仿真结果表明，与基于粒子群优化的检测方法和基于遗传算法的检测方法相比，基于GPSO的检测算法所需的种群规模和迭代次数要少得多。此外，与最优最大似然检测方法相比，基于GPSO的检测算法可以在误码率性能和计算复杂度之间取得更好的平衡。版权所有©2012 John Wiley&Sons，Ltd.
In this paper, with the purpose of integrating the advantages of both the genetic algorithm and the particle swarm optimization, a new genetic particle swarm optimization (GPSO) algorithm is proposed. Furthermore, these three evolutionary algorithms are successfully applied to address the MIMO detection problem. Simulation results reveal that the GPSO‐based detection algorithm takes much less population size and iteration number when compared with the particle swarm optimization‐based detection method and the genetic algorithm‐based detection method. Besides, when compared with the optimal maximum likelihood detection method, the GPSO‐based detection algorithm can strike a much better balance between the BER performance and the computational complexity. Copyright © 2012 John Wiley & Sons, Ltd.
登录
查看更多内容
DOI：
10.1145/2598394.2605342
发表时间：
2014-07
期刊：
Proceedings of the Companion Publication of the 2014 Annual Conference on Genetic and Evolutionary Computation
影响因子：
--
作者：
A. Engelbrecht
通讯作者：
A. Engelbrecht
DOI：
10.1016/b978-0-12-409547-2.14581-0
发表时间：
2020
期刊：
Comprehensive Chemometrics
影响因子：
--
作者：
Federico Marini;Beata Walczak
通讯作者：
Federico Marini;Beata Walczak
DOI：
10.1201/9781003206477-5
发表时间：
2021-08
期刊：
Evolutionary Optimization Algorithms
影响因子：
--
作者：
A. Badar
通讯作者：
A. Badar
影响因子：
2.1
作者：
M. Farina;J. Sykulski
通讯作者：
M. Farina;J. Sykulski
DOI：
10.1201/9780429422614-20
发表时间：
2018-10
期刊：
Swarm Intelligence Algorithms
影响因子：
--
作者：
Adam Slowik
通讯作者：
Adam Slowik