?作者簡介熱愛科研的Matlab仿真開發(fā)者擅長畢業(yè)設(shè)計輔導(dǎo)、數(shù)學(xué)建模、數(shù)據(jù)處理、建模仿真、程序設(shè)計、完整代碼獲取、論文復(fù)現(xiàn)及科研仿真。 往期回顧關(guān)注個人主頁Matlab科研工作室 關(guān)注我領(lǐng)取海量matlab電子書和數(shù)學(xué)建模資料個人信條做科研博學(xué)之、審問之、慎思之、明辨之、篤行之是為博學(xué)慎思明辨篤行。 內(nèi)容介紹一、高速鐵路場景通信特性與挑戰(zhàn)高速鐵路場景下列車運行時速普遍達(dá)到300-350km/h部分高速試驗線路時速突破400km/h該場景下無線通信呈現(xiàn)三大極端特性直接決定了波形方案的性能邊界極端多普勒擴展3.5GHz主流商用頻段下最大多普勒頻移可達(dá)1.3kHz以上歸一化多普勒擴展遠(yuǎn)超傳統(tǒng)地面通信場景信道在單個OFDM符號持續(xù)時間內(nèi)呈現(xiàn)顯著的時變特性雙選擇性衰落信道同時存在嚴(yán)重的時間選擇性衰落和頻率選擇性衰落傳統(tǒng)OFDM方案的子載波正交性被快速破壞產(chǎn)生難以消除的子載波間干擾ICI高可靠低時延需求車地控制信令傳輸要求端到端時延低于10ms丟包率低于10^-6傳統(tǒng)OFDM在高速場景下必須通過大幅提升導(dǎo)頻密度才能勉強維持性能頻譜效率損失超過20%。二、OTFS與OFDM核心原理差異對齊正交時頻空調(diào)制OTFS與傳統(tǒng)正交頻分復(fù)用OFDM的核心差異在于信號域的映射邏輯這也是兩者在高鐵場景性能分化的根本原因OFDM將調(diào)制符號直接映射到時頻域網(wǎng)格依賴子載波之間的正交性抵抗頻率選擇性衰落但在高鐵高速移動導(dǎo)致的快時變信道下子載波間干擾會快速累積系統(tǒng)性能隨移動速度提升出現(xiàn)斷崖式下跌OTFS則先將二維時頻域信號通過逆辛傅里葉變換ISFFT轉(zhuǎn)換到時延-多普勒DD域?qū)⒄{(diào)制符號直接映射到DD域的正交基上。高鐵場景下的無線信道在DD域呈現(xiàn)顯著的稀疏性僅存在少量離散的時延-多普勒路徑原本復(fù)雜的雙選擇性時變信道在DD域被轉(zhuǎn)化為非時變的對角化等效信道從底層機理上抑制了多普勒擴展帶來的性能惡化。三、高鐵場景信道建模與仿真參數(shù)標(biāo)定依托你此前研究的幾何隨機信道模型GBSCM體系構(gòu)建完全貼合高鐵實測場景的高速鐵路時變信道模型所有參數(shù)均采用國內(nèi)京滬高鐵實測公開數(shù)據(jù)標(biāo)定載波頻率設(shè)定為3.5GHz系統(tǒng)帶寬100MHz子載波間隔30kHz完全對齊5G NR商用系統(tǒng)的主流參數(shù)配置列車運行時速覆蓋0km/h-400km/h全區(qū)間對應(yīng)最大多普勒頻移0Hz-1555Hz完整覆蓋當(dāng)前商用高鐵與下一代高速磁浮的運行速度范圍信道模型采用高鐵典型的Rice衰落模型萊斯因子K設(shè)定為10dB同時引入軌旁反射物、相鄰列車反射帶來的多徑分量多徑數(shù)量設(shè)定為6條每條路徑對應(yīng)獨立的時延與多普勒偏移完全還原真實高鐵場景的無線傳播特性。?? 運行結(jié)果 部分代碼%% 仿真配置參數(shù) % 波形參數(shù)N_subc 64; % OFDM子載波 / OTFS時延維度 NM_dopp 32; % OTFS多普勒維度 Mcp_len 16; % OFDM循環(huán)前綴長度mod_order 4; % QPSK調(diào)制bits_per_sym log2(mod_order);% 場景選擇 1高速鐵路; 2無人機機動(含分?jǐn)?shù)多普勒)scene_mode 1;if scene_mode 1%% 高速鐵路場景: 350km/h, max Doppler 1000Hzmax_doppler 1000;path_delay [0, 2.0e-6, 5.0e-6];path_gain_dB [0, -8, -15];use_frac_doppler false;fig_title 高速鐵路場景 OTFS與OFDM BER性能對比;else%% 無人機機動場景:高速轉(zhuǎn)彎分?jǐn)?shù)多普勒max Doppler 400Hzmax_doppler 400;path_delay [0, 1.2e-6, 3.0e-6];path_gain_dB [0, -6, -12];use_frac_doppler true;fig_title 無人機機動場景 OTFS與OFDM BER性能對比;end 參考文獻(xiàn)更多創(chuàng)新智能優(yōu)化算法模型和應(yīng)用場景可掃描關(guān)注#機器學(xué)習(xí)/深度學(xué)習(xí)類BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神經(jīng)網(wǎng)絡(luò)、寬度學(xué)習(xí)等等均可~方向涵蓋風(fēng)電預(yù)測、光伏預(yù)測、電池壽命預(yù)測、輻射源識別、交通流預(yù)測、負(fù)荷預(yù)測、股價預(yù)測、PM2.5濃度預(yù)測、電池健康狀態(tài)預(yù)測、用電量預(yù)測、水體光學(xué)參數(shù)反演、NLOS信號識別、地鐵停車精準(zhǔn)預(yù)測、變壓器故障診斷#組合預(yù)測類CNN/TCN/BiTCN/DBN/Transformer/Adaboost結(jié)合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention機制類等均可可任意搭配非常新穎~#分解類EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~#路徑規(guī)劃類旅行商問題TSP、車輛路徑問題VRP、MVRP、CVRP、VRPTW等、無人機三維路徑規(guī)劃、無人機協(xié)同、無人機編隊、機器人路徑規(guī)劃、柵格地圖路徑規(guī)劃、多式聯(lián)運運輸問題、 充電車輛路徑規(guī)劃EVRP、 雙層車輛路徑規(guī)劃2E-VRP、 油電混合車輛路徑規(guī)劃、 船舶航跡規(guī)劃、 全路徑規(guī)劃規(guī)劃、 倉儲巡邏、公交車時間調(diào)度、水庫調(diào)度優(yōu)化、多式聯(lián)運優(yōu)化等等~#小眾優(yōu)化類生產(chǎn)調(diào)度、經(jīng)濟調(diào)度、裝配線調(diào)度、充電優(yōu)化、車間調(diào)度、發(fā)車優(yōu)化、水庫調(diào)度、三維裝箱、物流選址、貨位優(yōu)化、公交排班優(yōu)化、充電樁布局優(yōu)化、車間布局優(yōu)化、集裝箱船配載優(yōu)化、水泵組合優(yōu)化、解醫(yī)療資源分配優(yōu)化、設(shè)施布局優(yōu)化、可視域基站和無人機選址優(yōu)化、背包問題、 風(fēng)電場布局、時隙分配優(yōu)化、 最佳分布式發(fā)電單元分配、多階段管道維修、 工廠-中心-需求點三級選址問題、 應(yīng)急生活物質(zhì)配送中心選址、 基站選址、 道路燈柱布置、 樞紐節(jié)點部署、 輸電線路臺風(fēng)監(jiān)測裝置、 集裝箱調(diào)度、 機組優(yōu)化、 投資優(yōu)化組合、云服務(wù)器組合優(yōu)化、 天線線性陣列分布優(yōu)化、CVRP問題、VRPPD問題、多中心VRP問題、多層網(wǎng)絡(luò)的VRP問題、多中心多車型的VRP問題、 動態(tài)VRP問題、雙層車輛路徑規(guī)劃2E-VRP、充電車輛路徑規(guī)劃EVRP、油電混合車輛路徑規(guī)劃、混合流水車間問題、 訂單拆分調(diào)度問題、 公交車的調(diào)度排班優(yōu)化問題、航班擺渡車輛調(diào)度問題、選址路徑規(guī)劃問題、港口調(diào)度、港口岸橋調(diào)度、停機位分配、機場航班調(diào)度、泄漏源定位、冷鏈、時間窗、多車場等、選址優(yōu)化、港口岸橋調(diào)度優(yōu)化、交通阻抗、重分配、停機位分配、機場航班調(diào)度、通信上傳下載分配優(yōu)化、微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構(gòu)、儲能配置、有序充電、MPPT優(yōu)化、家庭用電、電/冷/熱負(fù)荷預(yù)測、電力設(shè)備故障診斷、電池管理系統(tǒng)BMSSOC/SOH估算粒子濾波/卡爾曼濾波、 多目標(biāo)優(yōu)化在電力系統(tǒng)調(diào)度中的應(yīng)用、光伏MPPT控制算法改進(jìn)擾動觀察法/電導(dǎo)增量法、電動汽車充放電優(yōu)化、微電網(wǎng)日前日內(nèi)優(yōu)化、儲能優(yōu)化、家庭用電優(yōu)化、供應(yīng)鏈優(yōu)化\智能電網(wǎng)分布式能源經(jīng)濟優(yōu)化調(diào)度虛擬電廠能源消納風(fēng)光出力控制策略多目標(biāo)優(yōu)化博弈能源調(diào)度魯棒優(yōu)化等等均可~#無人機應(yīng)用方面無人機路徑規(guī)劃、無人機控制、無人機編隊、無人機協(xié)同、無人機任務(wù)分配、無人機安全通信軌跡在線優(yōu)化、車輛協(xié)同無人機路徑規(guī)劃#通信方面?zhèn)鞲衅鞑渴饍?yōu)化、通信協(xié)議優(yōu)化、路由優(yōu)化、目標(biāo)定位優(yōu)化、Dv-Hop定位優(yōu)化、Leach協(xié)議優(yōu)化、WSN覆蓋優(yōu)化、組播優(yōu)化、RSSI定位優(yōu)化、水聲通信、通信上傳下載分配#信號處理方面信號識別、信號加密、信號去噪、信號增強、雷達(dá)信號處理、信號水印嵌入提取、肌電信號、腦電信號、信號配時優(yōu)化、心電信號、DOA估計、編碼譯碼、變分模態(tài)分解、管道泄漏、濾波器、數(shù)字信號處理傳輸分析去噪、數(shù)字信號調(diào)制、誤碼率、信號估計、DTMF、信號檢測#電力系統(tǒng)方面 微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構(gòu)、儲能配置、有序充電、MPPT優(yōu)化、家庭用電、電/冷/熱負(fù)荷預(yù)測、電力設(shè)備故障診斷、電池管理系統(tǒng)BMSSOC/SOH估算粒子濾波/卡爾曼濾波、 多目標(biāo)優(yōu)化在電力系統(tǒng)調(diào)度中的應(yīng)用、光伏MPPT控制算法改進(jìn)擾動觀察法/電導(dǎo)增量法、電動汽車充放電優(yōu)化、微電網(wǎng)日前日內(nèi)優(yōu)化、儲能優(yōu)化、家庭用電優(yōu)化、供應(yīng)鏈優(yōu)化\智能電網(wǎng)分布式能源經(jīng)濟優(yōu)化調(diào)度虛擬電廠能源消納風(fēng)光出力控制策略多目標(biāo)優(yōu)化博弈能源調(diào)度魯棒優(yōu)化#原創(chuàng)改進(jìn)優(yōu)化算法適合需要創(chuàng)新的同學(xué)原創(chuàng)改進(jìn)2025年的波動光學(xué)優(yōu)化算法WOO以及三國優(yōu)化算法TKOA、白鯨優(yōu)化算法BWO等任意優(yōu)化算法均可保證測試函數(shù)效果一般可直接核心 【OFDM通信】高速鐵路場景下的OTFS與 OFDM性能對比Matlab仿真
?作者簡介熱愛科研的Matlab仿真開發(fā)者擅長畢業(yè)設(shè)計輔導(dǎo)、數(shù)學(xué)建模、數(shù)據(jù)處理、建模仿真、程序設(shè)計、完整代碼獲取、論文復(fù)現(xiàn)及科研仿真。 往期回顧關(guān)注個人主頁Matlab科研工作室 關(guān)注我領(lǐng)取海量matlab電子書和數(shù)學(xué)建模資料個人信條做科研博學(xué)之、審問之、慎思之、明辨之、篤行之是為博學(xué)慎思明辨篤行。 內(nèi)容介紹一、高速鐵路場景通信特性與挑戰(zhàn)高速鐵路場景下列車運行時速普遍達(dá)到300-350km/h部分高速試驗線路時速突破400km/h該場景下無線通信呈現(xiàn)三大極端特性直接決定了波形方案的性能邊界極端多普勒擴展3.5GHz主流商用頻段下最大多普勒頻移可達(dá)1.3kHz以上歸一化多普勒擴展遠(yuǎn)超傳統(tǒng)地面通信場景信道在單個OFDM符號持續(xù)時間內(nèi)呈現(xiàn)顯著的時變特性雙選擇性衰落信道同時存在嚴(yán)重的時間選擇性衰落和頻率選擇性衰落傳統(tǒng)OFDM方案的子載波正交性被快速破壞產(chǎn)生難以消除的子載波間干擾ICI高可靠低時延需求車地控制信令傳輸要求端到端時延低于10ms丟包率低于10^-6傳統(tǒng)OFDM在高速場景下必須通過大幅提升導(dǎo)頻密度才能勉強維持性能頻譜效率損失超過20%。二、OTFS與OFDM核心原理差異對齊正交時頻空調(diào)制OTFS與傳統(tǒng)正交頻分復(fù)用OFDM的核心差異在于信號域的映射邏輯這也是兩者在高鐵場景性能分化的根本原因OFDM將調(diào)制符號直接映射到時頻域網(wǎng)格依賴子載波之間的正交性抵抗頻率選擇性衰落但在高鐵高速移動導(dǎo)致的快時變信道下子載波間干擾會快速累積系統(tǒng)性能隨移動速度提升出現(xiàn)斷崖式下跌OTFS則先將二維時頻域信號通過逆辛傅里葉變換ISFFT轉(zhuǎn)換到時延-多普勒DD域?qū)⒄{(diào)制符號直接映射到DD域的正交基上。高鐵場景下的無線信道在DD域呈現(xiàn)顯著的稀疏性僅存在少量離散的時延-多普勒路徑原本復(fù)雜的雙選擇性時變信道在DD域被轉(zhuǎn)化為非時變的對角化等效信道從底層機理上抑制了多普勒擴展帶來的性能惡化。三、高鐵場景信道建模與仿真參數(shù)標(biāo)定依托你此前研究的幾何隨機信道模型GBSCM體系構(gòu)建完全貼合高鐵實測場景的高速鐵路時變信道模型所有參數(shù)均采用國內(nèi)京滬高鐵實測公開數(shù)據(jù)標(biāo)定載波頻率設(shè)定為3.5GHz系統(tǒng)帶寬100MHz子載波間隔30kHz完全對齊5G NR商用系統(tǒng)的主流參數(shù)配置列車運行時速覆蓋0km/h-400km/h全區(qū)間對應(yīng)最大多普勒頻移0Hz-1555Hz完整覆蓋當(dāng)前商用高鐵與下一代高速磁浮的運行速度范圍信道模型采用高鐵典型的Rice衰落模型萊斯因子K設(shè)定為10dB同時引入軌旁反射物、相鄰列車反射帶來的多徑分量多徑數(shù)量設(shè)定為6條每條路徑對應(yīng)獨立的時延與多普勒偏移完全還原真實高鐵場景的無線傳播特性。?? 運行結(jié)果 部分代碼%% 仿真配置參數(shù) % 波形參數(shù)N_subc 64; % OFDM子載波 / OTFS時延維度 NM_dopp 32; % OTFS多普勒維度 Mcp_len 16; % OFDM循環(huán)前綴長度mod_order 4; % QPSK調(diào)制bits_per_sym log2(mod_order);% 場景選擇 1高速鐵路; 2無人機機動(含分?jǐn)?shù)多普勒)scene_mode 1;if scene_mode 1%% 高速鐵路場景: 350km/h, max Doppler 1000Hzmax_doppler 1000;path_delay [0, 2.0e-6, 5.0e-6];path_gain_dB [0, -8, -15];use_frac_doppler false;fig_title 高速鐵路場景 OTFS與OFDM BER性能對比;else%% 無人機機動場景:高速轉(zhuǎn)彎分?jǐn)?shù)多普勒max Doppler 400Hzmax_doppler 400;path_delay [0, 1.2e-6, 3.0e-6];path_gain_dB [0, -6, -12];use_frac_doppler true;fig_title 無人機機動場景 OTFS與OFDM BER性能對比;end 參考文獻(xiàn)更多創(chuàng)新智能優(yōu)化算法模型和應(yīng)用場景可掃描關(guān)注#機器學(xué)習(xí)/深度學(xué)習(xí)類BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神經(jīng)網(wǎng)絡(luò)、寬度學(xué)習(xí)等等均可~方向涵蓋風(fēng)電預(yù)測、光伏預(yù)測、電池壽命預(yù)測、輻射源識別、交通流預(yù)測、負(fù)荷預(yù)測、股價預(yù)測、PM2.5濃度預(yù)測、電池健康狀態(tài)預(yù)測、用電量預(yù)測、水體光學(xué)參數(shù)反演、NLOS信號識別、地鐵停車精準(zhǔn)預(yù)測、變壓器故障診斷#組合預(yù)測類CNN/TCN/BiTCN/DBN/Transformer/Adaboost結(jié)合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention機制類等均可可任意搭配非常新穎~#分解類EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~#路徑規(guī)劃類旅行商問題TSP、車輛路徑問題VRP、MVRP、CVRP、VRPTW等、無人機三維路徑規(guī)劃、無人機協(xié)同、無人機編隊、機器人路徑規(guī)劃、柵格地圖路徑規(guī)劃、多式聯(lián)運運輸問題、 充電車輛路徑規(guī)劃EVRP、 雙層車輛路徑規(guī)劃2E-VRP、 油電混合車輛路徑規(guī)劃、 船舶航跡規(guī)劃、 全路徑規(guī)劃規(guī)劃、 倉儲巡邏、公交車時間調(diào)度、水庫調(diào)度優(yōu)化、多式聯(lián)運優(yōu)化等等~#小眾優(yōu)化類生產(chǎn)調(diào)度、經(jīng)濟調(diào)度、裝配線調(diào)度、充電優(yōu)化、車間調(diào)度、發(fā)車優(yōu)化、水庫調(diào)度、三維裝箱、物流選址、貨位優(yōu)化、公交排班優(yōu)化、充電樁布局優(yōu)化、車間布局優(yōu)化、集裝箱船配載優(yōu)化、水泵組合優(yōu)化、解醫(yī)療資源分配優(yōu)化、設(shè)施布局優(yōu)化、可視域基站和無人機選址優(yōu)化、背包問題、 風(fēng)電場布局、時隙分配優(yōu)化、 最佳分布式發(fā)電單元分配、多階段管道維修、 工廠-中心-需求點三級選址問題、 應(yīng)急生活物質(zhì)配送中心選址、 基站選址、 道路燈柱布置、 樞紐節(jié)點部署、 輸電線路臺風(fēng)監(jiān)測裝置、 集裝箱調(diào)度、 機組優(yōu)化、 投資優(yōu)化組合、云服務(wù)器組合優(yōu)化、 天線線性陣列分布優(yōu)化、CVRP問題、VRPPD問題、多中心VRP問題、多層網(wǎng)絡(luò)的VRP問題、多中心多車型的VRP問題、 動態(tài)VRP問題、雙層車輛路徑規(guī)劃2E-VRP、充電車輛路徑規(guī)劃EVRP、油電混合車輛路徑規(guī)劃、混合流水車間問題、 訂單拆分調(diào)度問題、 公交車的調(diào)度排班優(yōu)化問題、航班擺渡車輛調(diào)度問題、選址路徑規(guī)劃問題、港口調(diào)度、港口岸橋調(diào)度、停機位分配、機場航班調(diào)度、泄漏源定位、冷鏈、時間窗、多車場等、選址優(yōu)化、港口岸橋調(diào)度優(yōu)化、交通阻抗、重分配、停機位分配、機場航班調(diào)度、通信上傳下載分配優(yōu)化、微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構(gòu)、儲能配置、有序充電、MPPT優(yōu)化、家庭用電、電/冷/熱負(fù)荷預(yù)測、電力設(shè)備故障診斷、電池管理系統(tǒng)BMSSOC/SOH估算粒子濾波/卡爾曼濾波、 多目標(biāo)優(yōu)化在電力系統(tǒng)調(diào)度中的應(yīng)用、光伏MPPT控制算法改進(jìn)擾動觀察法/電導(dǎo)增量法、電動汽車充放電優(yōu)化、微電網(wǎng)日前日內(nèi)優(yōu)化、儲能優(yōu)化、家庭用電優(yōu)化、供應(yīng)鏈優(yōu)化\智能電網(wǎng)分布式能源經(jīng)濟優(yōu)化調(diào)度虛擬電廠能源消納風(fēng)光出力控制策略多目標(biāo)優(yōu)化博弈能源調(diào)度魯棒優(yōu)化等等均可~#無人機應(yīng)用方面無人機路徑規(guī)劃、無人機控制、無人機編隊、無人機協(xié)同、無人機任務(wù)分配、無人機安全通信軌跡在線優(yōu)化、車輛協(xié)同無人機路徑規(guī)劃#通信方面?zhèn)鞲衅鞑渴饍?yōu)化、通信協(xié)議優(yōu)化、路由優(yōu)化、目標(biāo)定位優(yōu)化、Dv-Hop定位優(yōu)化、Leach協(xié)議優(yōu)化、WSN覆蓋優(yōu)化、組播優(yōu)化、RSSI定位優(yōu)化、水聲通信、通信上傳下載分配#信號處理方面信號識別、信號加密、信號去噪、信號增強、雷達(dá)信號處理、信號水印嵌入提取、肌電信號、腦電信號、信號配時優(yōu)化、心電信號、DOA估計、編碼譯碼、變分模態(tài)分解、管道泄漏、濾波器、數(shù)字信號處理傳輸分析去噪、數(shù)字信號調(diào)制、誤碼率、信號估計、DTMF、信號檢測#電力系統(tǒng)方面 微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構(gòu)、儲能配置、有序充電、MPPT優(yōu)化、家庭用電、電/冷/熱負(fù)荷預(yù)測、電力設(shè)備故障診斷、電池管理系統(tǒng)BMSSOC/SOH估算粒子濾波/卡爾曼濾波、 多目標(biāo)優(yōu)化在電力系統(tǒng)調(diào)度中的應(yīng)用、光伏MPPT控制算法改進(jìn)擾動觀察法/電導(dǎo)增量法、電動汽車充放電優(yōu)化、微電網(wǎng)日前日內(nèi)優(yōu)化、儲能優(yōu)化、家庭用電優(yōu)化、供應(yīng)鏈優(yōu)化\智能電網(wǎng)分布式能源經(jīng)濟優(yōu)化調(diào)度虛擬電廠能源消納風(fēng)光出力控制策略多目標(biāo)優(yōu)化博弈能源調(diào)度魯棒優(yōu)化#原創(chuàng)改進(jìn)優(yōu)化算法適合需要創(chuàng)新的同學(xué)原創(chuàng)改進(jìn)2025年的波動光學(xué)優(yōu)化算法WOO以及三國優(yōu)化算法TKOA、白鯨優(yōu)化算法BWO等任意優(yōu)化算法均可保證測試函數(shù)效果一般可直接核心