改进人工免疫网络算法在电力短期负荷预测中的应用

针对现有的短期负荷预测方法易陷入局部极值以及预测精度不高等缺陷,文中提出了一种基于改进免疫算法优化BP神经网络的短期智能负荷预测方法.通过利用改进的矢量距优化免疫网络,从而达到优化网络的目的.融入免疫调节原理,引入抗体浓度的概率选择式,采用自适应变化策略重新设计变异算子,利用新的变异尺度设计种群抗体,采用新的神经元适应度函数,并结合免疫网络调节的进化算法进行网络学习.实例分析表明,基于改进免疫网络优化的BP网络短期负荷预测算法比混沌算法优化BP网络算法精度更高,更具实用性.     

基于可调节网格改进的跨区域GPSR路由算法

基于定位技术和可调节网格改进现有路由算法, 提出一种基于可调节网格改进的跨区域边界无状态贪婪路由算法, 解决了无线传感器网络边界无状态贪婪路由算法中能量不均衡和高能耗的问题. 该算法利用节点相对位置定位算法\, 可调节网格、 贪婪算法和右手法则建立区域级粗粒度路由路径, 并根据不同区域传感器节点分布的密度, 使用不同方法传输数据. 仿真实验结果表明, 改进算法减少了网络能耗, 延长了网络生命周期.     

结合免疫聚类和免疫进化规划的RBF网络设计方法

提出了一种结合免疫聚类和免疫进化规划的径向基函数(RBF)网络设计方法.该方法采用人工免疫聚类机制根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置,并通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子.该算子可以缩小进化算法搜索空间的范围,提高算法的收敛速度.仿真结果表明,采用本方法设计的RBF网络结构精简,具有较强的泛化能力.     

网络控制系统的变采样周期调度算法

综合考虑网络控制系统的误差、误差变化率、网络利用率及采样周期对系统性能的影响,设计了一种基于模糊反馈的变采样周期调度算法.该算法由网络利用率预测和采样周期调节两部分组成:网络利用率预测部分根据当前网络运行状况预测新的网络利用率;采样周期调节部分包含网络利用率分配和采样周期的计算.采样周期调节部分的网络利用率分配,用于重新分配各控制回路的网络利用率,分配时考虑系统各回路的误差和误差变化率,利用模糊控制理论调整各回路对网络的需求程度,完成分配;而采样周期计算是根据所得的网络利用率及数据的传输时间,动态调节系统各回路的采样周期.最后,结合EDF调度算法利用TrueTime工具箱对所研究的调度算法进行了仿真,结果表明采用本文所研究的变采样周期调度算法的控制系统性能要优于采用固定采样周期调度算法的控制系统性能.     

基于遗传算法的无向网络路径优化

为了解决无向网络的最短路径优化问题,采用遗传算法并使用可变长编码,在遗传算子操作中进行有效性判断,避免了传统交叉变异算子中无效路径的产生;网络数据存储采用链式存储结构,仅需存储各个节点信息,摒弃了传统的邻接矩阵方法.仿真试验表明,该算法可行性强,且可以找到最优路径.     

无标度网络局部信息的动态路由算法

提出了一个在无标度网络上基于局部信息的数据包路由算法,该路由算法引入两个可调参数α和β,分别调节度值与队列长度的路由偏好.通过调节这两个参数来改变网络的传输容量,并找到了该算法的最佳参数组合.对其他动态特性包括平均路由时间和流量负载也进行了相应研究.模拟仿真研究表明,该路由算法较传统的局部路由算法,不仅降低了网络的丢包率,而且提高了网络的传输能力.实证研究证明,基于局部信息的无标度网络动态路由算法对大规模通信网络的拥塞有一定的改善作用.     

水电站群补偿调节计算的非线性网络流法

提出了水电站群补偿调节计算的一种新方法──非线性网络流法，该法以独特的寻优模式，显著地提高了计算速度；并提出了一种新的寻找最短路径的方法。利用水电站群与群之间水力的弱联系，将非线性网络流法与水电站群补偿调节计算的启发式方法相结合，缩小了计算规模，进一步提高了计算速度，克服了启发式算法自身的不足。理论分析和计算结果表明，文中提出的方法在计算速度和计算规模等方面，具有传统算法不可比拟的优点。     

ATM网络中基于控制理论的流量控制机制设计方法综述

未来的计算机网络将是一种能够提供多种不同服务 ,以支持多种不同应用需求 ,有着集成服务支持能力的高速分组交换网络 .为充分提高该类网络性能 ,设计一个高效的流量控制机制是一个关键问题 .为此 ,以ATM网络中的相关研究为背景 ,首次从控制理论的角度系统地分析和论述了高速网络中流量控制机制的组成并着重分析了其速率调节算法的设计 对目前已经提出的各种典型速率调节算法进行了对比分析 ,为进一步研究提出了新的课题和思路     

基于免疫进化算法的径向基函数网络

基于免疫进化算法，提出了一种设计径向基函数(RBF)网络的新算法——免疫径向基函数网络(IRBF)训练算法．该算法通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子，缩小了标准进化算法搜索空间的范围，提高了算法的收敛速度．计算机仿真表明，采用这种算法训练的RBF网络达到了较好的性能．     

WRAN中基于量子进化的频谱分配

针对认知无线网络中已有的频谱分配方案多数集中于较广义范围的问题, 设计一种基于量子进化的优化方案, 解决了无线区域网络的频谱分配问题. 在量子进化算法中, 构造一种改进的量子旋转门算子, 可自适应地计算量子相位的旋转角度, 避免进化算法陷入局部最优. 仿真实验结果表明, 该算法可获得更高的收益, 满足WRAN
网络的频谱分配需求.     

理想调节网络与电力负荷聚类特征

讨论了理想调节网络对三相电力负荷中的无功与三相不平衡进行完全调节的基本原理,给出了应用理想调节电纳与模糊c均值聚类算法提取负荷聚类特征的方法,聚类特征可用于用户电力调节系统的优化设计。工程实例表明了该方法的正确性与有效性。     

无标度网络中的拥塞转变动态分析

把局部流量信息与最短路径路由策略相结合,提出了一种具有感知流量信息的路由策略算法.在该算法中,存在一个调节最短等待时间和最短传输路径之间权重的控制参数,通过调节这个控制参数可以使网络的传输能力达到最优.在具有不同聚类系数的无标度网络模型中进行仿真,仿真结果表明,拥塞转变被两种不同的相变曲线所描述,并且网络容量的大小取决于网络结构的基本属性和路由策略.与最短路径算法相比,采用该路由算法无论无标度网络的聚类系数如何,网络的吞吐量均得到较大提高,但就该路由算法本身而言,吞吐量随着聚类系数的增加而减小.     

基于主动网络的内容分发网络研究

针对内容分发网络(CDN)中复制服务器的动态部署要求,基于主动网络技术设计了一种主动内容分发网络模型(ACDN).将主动节点部署于客户节点与Web服务器之间,并通过插件来提供主动节点的动态可编程能力,从而使网络能根据Web服务器、网络的运行状态或用户自定义的规则,动态、快速地部署复制服务器.结合遗传算法的单亲交叉算子和单亲变异算子,提出了复制服务器的位置优化算法.按请求频度确定兴趣度,以此保证复制服务器与Web服务器的内容一致性.仿真结果表明,ACDN能满足实际Web应用的响应时间的要求,同时为ACDN所设计的3种算法不仅能满足内容分发的性能要求,还能应用于传统的CDN网络.     

无线多跳传感器网络中能量消耗均衡分簇策略

针对在无线多跳传感器网络中节点间能量消耗不均衡、中继节点容易过早失效的问题,基于几何规划提出一种自适应的分簇算法.该算法通过节点的能量水平和位置来调节其竞争簇头的概率,同时通过簇头的能量水平和离汇聚点的距离调节簇头"管辖"范围.仿真表明:本算法很好地均衡了网络能量开销,使得网络的生命周期延长了25%,稳定周期延长了50%.     

单向限量最速网络消息传播模型及其进化算法

提出了单向限量式最速网络消息传播问题,建立了该问题的数学模型,并给出了相应的模拟进化求解算法.通过分析单向限量式最速网络消息传播问题的特征,包括决策变量的特点、决策的网络时空影响特殊模式及网络消息分布状态特点,构建了问题的最优化模型.利用决策变量的二元取值特点和单一轮次信息交互模式的相对独立性,设计了操作灵活的遗传算法的复制、交叉和变异算子,实现了模型的模拟进化求解.数值算例验证了模型和算法的有效性.最后总结了最速网络消息传播问题的主要可扩展研究方向.     

代谢灵敏度分析在网络故障诊断与自愈中的应用

以交通运输网络为例对网络化系统进行了建模分析,利用人工代谢系统的代谢灵敏度折线图对网络支路流量变化进行了分析,得到了故障产生的瓶颈位置.通过调节代谢算子对网络拥塞程度进行了控制,使网络流量趋于平衡,最终实现网络自愈.实例分析表明:人工代谢系统能实现故障的准确定位,代谢反馈调节机制在网络自愈中起到了关键作用.     

基于压缩感知的稀疏事件检测

为了提高无线传感器网络中稀疏事件的检测概率,利用压缩感知技术,提出了一种改进的下降迭代检测算法.该算法通过动态调节参数,改变迭代权值,加快了算法收敛速度.实验结果表明:在相同条件下,改进算法的成功检测概率比贝叶斯算法平均提高了13%.     

定性贝叶斯网络中归并计算的进一步探讨及应用

在定性贝叶斯网络符号传播算法的基础上,根据实际问题的需要提出了算法中归并运算的改进方法.改进中区分汇连形式各原因节点的逻辑关系,进而提出逻辑或关系在归并过程中应当采用⊕算子,逻辑与关系采用算子的结论,并通过案例验证了结论在一定范围内的正确性.     

基于改进免疫遗传算法的配电网网架规划

为了解决传统方法难以实现配电网网架规划组合优化的问题,针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网网架规划进行求解,提高了种群的多样性和遗传算法的全局寻优能力.优化模型以网络年费用最小为优化目标,以线路传输容量、电压降、配电网的辐射性等为约束条件;根据配电网辐射性的要求,以备选网络的生成树作为初始解,从而避免了随机产生初始可行解时速度较慢的弊端.并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力大为增强.通过算例验证了该算法的有效性,同时算例结果表明该算法的计算速度比常规免疫遗传算法的计算速度有较大提高.     

用遗传算法优化模块密度探测社团结构

为更精确地探测社团结构,通过选择优化函数,分析社团结构特性,设计适合社团检测的选择、交叉、变异等遗传算子,提出了基于遗传算法和模块密度的社团结构探测算法.该算法未采用传统的分裂或聚合方法用减边或加边的策略,没有引入其他中间变量,直接通过优化模块密度函数发现网络社团结构.分析和仿真结果表明,该算法探测的社团结构与模块度探...