基于能效的分布式轻量级WSN目标跟踪算法

针对不确定性复杂运动目标跟踪中的节点调度以及节能问题,提出了基于能效的无线传感器网络分布式多节点协作的目标跟踪算法.根据监控区域内目标的运动状态以及局部区域的节点密度,利用节点的剩余能量和调度情况,确定无线传感器网络在跟踪目标过程中的簇规模,使网络的局部能量消耗达到均衡.利用高斯Cost-Reference粒子滤波对目标进行跟踪,以减少对噪声建模的依赖性.仿真结果表明,该算法达到了跟踪精度的要求,解决了节点调度问题,并有效地均衡了网络能耗.     

基于移动性优化PSO的LEACH路由算法

针对LEACH算法存在随机选择簇首、没有考虑节点剩余能量对节点地位的影响以及节点位置和密集度不同造成节点能量失衡的问题,研究使用移动性优化PSO来改进LEACH算法以均衡不同位置簇头间的能耗.移动性优化PSO使粒子根据速度信息自适应调整参数进行搜索,可避免因PSO算法早熟收敛、易陷入局部最优而导致的不能有效控制网络分簇均匀性的问题.理论分析和仿真结果表明,基于移动性优化PSO的LEACH路由算法可以有效地提高节点能量利用率,均衡网络能耗,延长网络生命周期.     

一种鲁棒的中等规模分簇结构水下传感器网络

针对现有水下传感器网络分簇算法负载不均衡和生命周期较短的问题,基于粒子群优化算法和遗传算法的基本思想,提出一种全局优化的智能分簇算法.为了使粒子初始化编码较为合理公平,根据节点近期当选过簇首的次数动态调整节点选举概率;通过对粒子整个编码区域进行循环搜索来捕获一个优良的随机交叉片段,保证了交叉后的粒子含有一定数量的历史较优簇首信息;通过节点编码位的变异提高算法的探索性,并确保解空间的存在性;在粒子评价函数中综合考虑簇首能量、负载均衡和分簇范围3个优化子目标.仿真结果表明,提出的算法更好地均衡了簇首负载,同时有效减少了网络能耗,延长了网络生命周期.     

基于网络编码的传感器网络多径路由模型能量分析

该文分析了传感器网络多径路由在不同模型和条件下数据包成功交付率,以及整个系统节点的能耗总量和能耗均衡,将最优节点间距的配置方案引入到多路径网络模型,并根据随机线性网络编码技术设计基于网络编码的多路径路由模型。理论分析和仿真实验证明,使用了网络编码技术的多径传输模型能够更好地保证数据传输可靠度,同时最优节点间距配置方案均衡并减少了网络中节点的能量消耗,延长了网络寿命。     

基于数据聚合的无线传感器网络多径路由算法研究

由于传感器网络具有严格的资源限制、低速数据传输率及多对一的通信模式等独特的特征,传统用于无线移动自主网Ad—hoc的路由协议通常不能直接应用于该类网络;尤其是针对节点数目庞大的传感网,要处理的传感数据量大,在设计路由算法时必须保证其能效较高、能耗及负载均衡,以最大限度地延长整个网络的生命周期。结合数据中心及多路径路由特征,提出了一种基于数据聚合的多径路由算法。新算法不仅能在路由过程中实现能耗及负载均衡,而且能有效地消除数据冗余。理论分析和实验表明。该算法在节省能耗等方面具有一定的优势。     

混沌逃逸粒子群优化算法在WSN覆盖优化中的应用

为了寻找最优的无线传感器网络(wireless sensor networks,WSN)覆盖优化算法,保持整个网络能量的平衡,提高无线传感器网络覆盖率,在基本粒子群优化算法的基础上,提出一种基于混沌逃逸粒子群优化算法(chaotic escape particle swarm optimization,ECPSO)的WSN节点覆盖优化方法。ECPSO算法以覆盖率为优化目标,建立WSN覆盖优化数学模型来描述节点覆盖问题,利用混沌逃逸粒子群算法对数学模型进行求解,实现节点覆盖优化。仿真结果表明,ECPSO算法加快了WSN覆盖优化速度,节点分布更加均匀,提高了传感器节点的覆盖率,是一种高效的WSN节点覆盖算法。     

虚拟力导向多粒子群算法的WSNs部署策略

为了优化无线传感器网络节点部署性能,在粒子进化的多粒子群算法的基础上结合虚拟力方法,提出了一种虚拟力导向多粒子群算法的部署策略。该策略通过节点间的虚拟力影响多粒子群算法的速度更新过程,指导粒子进化,采用多个粒子群独立搜索解空间,有效地避免了＂早熟＂问题,从而最大限度地优化了网络的覆盖率。仿真结果表明,与虚拟力算法和多粒子群算法相比,该算法在覆盖率、迭代次数和部署时间等方面具有更好的性能。     

基于协同进化粒子群算法的无线传感器网络节能优化覆盖算法

针对当前无线传感器网络覆盖算法存在能耗较高、节点大量冗余的缺陷,提出一种基于协同进化粒子群算法的WSN节能优化覆盖算法.以WSN的网络覆盖率、剩余能量和冗余程度为优化目标,建立粒子群优化模型.采用遗传算法的交叉变异算子,加强算法寻优能力.仿真结果表明,新的算法在提高能量利用效率的同时维护了良好的网络覆盖率,有效延长了网络生命周期,达到了节能优化覆盖的目标.     

无线传感器网络的能耗均衡性能与寿命分析

为了改善网络的能耗均衡性能和延长网络的稳态寿命,在最小代价路由协议的基础上,对无线传感器网络的数据流量分布、能耗均衡性能和寿命等进行建模分析。首先确立研究的能耗模型和网络模型,采用网络寿命方程及其寿命终止条件的方法,对网络节点的能耗期望、流量、能耗均衡性能、寿命等进行推导和分析,以动态监测和发现区域中导致网络能量空洞的热点关键节点,为无线传感器网络的能耗均衡策略和路由优化机制提供一种新的识别可时变性强和能耗率高的热点节点,以及评价分析网络能耗均衡性能与寿命的方法。仿真结果表明,该方法可以实现网络能耗、数据流量、能耗均衡和网络寿命的准确评估。     

重采样和天牛须协同演化粒子群的WSN覆盖控制算法

为了最大程度提升无线传感器网络(WSN)的覆盖范围并降低能耗,延长网络生命周期,提出了基于重采样技术和天牛须搜索的协同演化粒子群优化(RBASPSO)算法来优化WSN的覆盖控制问题。重采样技术平衡了粒子群算法的全局搜索能力和收敛速度,增加了粒子群整体多样性,防止算法过早收敛,加强粒子在搜索过程中跳出低质量谷底的能力; 天牛须搜索依靠个体的两个触角搜索其邻域,增强了粒子群中单个粒子的搜索能力。RBASPSO算法采用覆盖率和节点休眠率的加权作为优化WSN覆盖控制的目标函数,通过重采样技术和天牛须搜索的协同演化,既加强了单个粒子的搜索能力,又确保粒子群的多样性及活跃性,提升WSN覆盖性能。实验结果表明,RBASPSO算法不仅能有效处理复杂多峰问题; 而且可以有效提高WSN网络覆盖率,延长网络生命周期。     

一种基于无线传感器网络安全的能量优化路由算法

针对无线传感器网络节点能量利用效率、能量消耗不均衡和安全威胁而导致的网络寿命和网络功能受到影响等问题,提出了一种基于网络安全的能量优化路由算法.在网络中建立安全信任评估机制,借用物理学中势场的概念,利用节点深度、区域能量、剩余能量和安全信任值信息建立4个势场,并将它们统一成一个整合的势场.利用该势场函数确定节点数据包传输的下一跳方向,来达到对传感器网络能量利用效率、能量均衡和安全性的优化.通过仿真实验验证了算法的有效性.     

基于改进量子遗传算法的WSNs多路径路由研究

最优路径搜寻和能量优化是无线传感器网络(wireless sensor networks,WSNs)研究的两大关键性问题,基于簇结构的无线传感器网络模型,将改进的量子遗传算法引入WSNs网络层节能路由算法研究中,选取多条较优染色体代替一条最优染色体指导群体的进化;采用动态的量子旋转门调整策略,避免算法收敛于局部最优解;利用球面坐标角度对量子遗传算法编码,降低算法的复杂度;以路由所耗能量为优化目标,构造适应度函数。与基于传统遗传算法（genetic algorithm, GA）、标准量子遗传算法(quantum genetic algorithms, QGA)的多路径路由进行比较,实验表明,该算法比基于GA,QGA算法的多路径路由具有更低的网络能量消耗,更长的网络生存周期。     

丘陵地区对纯电动汽车经济性分析及能耗优化方法研究

为了分析丘陵地区对纯电动汽车的经济性影响以及如何提高能耗利用率,针对道路坡度,研究了一种基于动态规划优化控制电机转矩的方法,完成了优化能耗的目标。首先构建了纯电动汽车模型,设计了虚拟坡度,应用动态规划算法合理分配电机转矩及车速,并从车速方面分析了坡度对行车经济性的影响;之后,在虚拟坡度下,使用无坡度道路下的最佳经济车速控制仿真车辆,求解虚拟坡度下的汽车能耗,并将此方法计算的能耗与上一步优化方法得出的能耗做对比,证明了所提出的优化算法能够有效地降低能耗;最后,在实际路况上验证了提出的能耗优化算法的合理性。实验结果表明,针对丘陵地区提出的动态规划算法,能够全局优化能耗,有效提高驾驶经济性。     

基于外点惩罚函数与NSGA-II算法的气体分馏装置多目标优化

采用多元线性回归理论,结合最小二乘法对气体分馏装置进行优化建模,提出将惩罚函数法与非支配排序遗传算法（NSGA-II）相结合的优化策略,对气体分馏装置优化模型进行求解得到Pareto最优解集。优化结果表明,文中提出的改进NSGA—II算法求得Pareto解集的收敛性和多目标优化点的分散程度要优于NSGA．II和NSGA算法,该算法克服了NSGA—II算法Pareto解集的分散程度不均匀、NSGA算法收敛性差的问题。通过对比气体分馏装置目前工况与改进NSGA—II优化算法的结果可知,改进算法的结果成功地解决了目前该气体分馏装置能耗过高的问题,使该装置达到了节能优化的目标,为气体分馏装置的节能与优化设计提供了新的有效方法。     

基于基因位迭代映射的无线传感器网络能量优化分簇算法

摘要：针对无线传感器网络的节点能量利用率和网络寿命问题,引入一种基因位迭代映射思维进行改进,并构造新的无线传感器网络能量优化分簇方案生成方法,在此基础上提出了基于基因位迭代映射的无线传感器网络能量优化分簇算法。该算法将无线传感器网络节点路由能耗优化问题转化为网络系统簇内节点最优能耗进化激励的解空间最优解搜索问题,然后利用基因位长度自适应编码和迭代映射的进化算法进行候选解搜索,最后输出具有最优能耗的节点通信路径和簇头的下级跳节点。实验结果表明,该算法高效可行,能量均衡和优化能力较好,有效的降低了节点的能耗,延长了网络生命周期。     

多目标量化变分滤波贝叶斯WSN跟踪定位算法

为进一步提高无线传感器网络节点跟踪定位精度降低能耗,提出一种多目标拥挤度差分优化的贝叶斯量化变分滤波预估WSN跟踪定位算法. 首先,针对定位问题,采用贝叶斯量化变分滤波方法对目标下一位置区域进行预测,利用量化变分滤波方式选取合适的定位参与节点,并设计了量化变分滤波的多目标参数优化模型. 其次,针对传统多目标优化算法寻优精度不高的问题,设计了基于种群个体拥挤度状况的多目标差分进化算法,对量化变分滤波算法参数进行优化,实现了滤波参数的多目标优化. 最后,通过实验仿真表明,该算法能够有效实现目标节点的跟踪定位,并可节省能量消耗.     

硬核点过程随机蜂窝网络能量效率优化研究

基于控制/用户平面分离的异构网络架构是5G中的一种重要组网方式.微基站的密集部署引发了巨大的能量消耗问题从而无法保障用户的高质量服务(quality of service,QoS).针对此问题,基于具有最小距离约束特性的硬核点过程(hard-core point process,HCPP),研究了控制/用户平面分离网络架构中能量效率的优化方法.通过联合优化网络频谱分配比、基站的密度和基站配备的天线数量,设计了最小化基站平均能耗的优化问题.由于问题是非凸的,进一步为能量效率优化问题提出了低复杂度的迭代算法,当算法迭代直至收敛可得到天线数和网络频谱分配比的最优解,最终实现基站能耗的最小化.仿真结果表明,该算法在控制/用户平面分离网络架构下有效地降低了基站的平均功耗并提升了系统能效.     

Reliability-aware mapping and links voltage assignment for energy-efficient networks-on-chip

As feature sizes shrink, low energy consumption, high reliability and high performance become key objectives of network-on-chip （NoC） design. In this paper, an integrated approach is presented to map IP cores onto NoC architecture and assign voltage levels for each link, such that the communication energy is minimized under constraints of bandwidth and reliability. The design space is explored using tabu search. In order to select optimal voltage level for the links, an energy-efficiency driven heuristic algorithm is proposed to perform energy/reliability trade-off by exploiting communication slack. Experimental results show that the ordinary energy optimization techniques ignoring the influence of voltage on fault rates could lead to drastically decreased communication reliability of NoCs, and the proposed approach can produce reliable and energy-efficient implementations.     

基于分布式算法在WSN中的能耗最小化优化研究

如何有效利用节点能量并延长网络的生存期是研究无线传感器网络的一个核心问题.在已有的集中式算法的基础上,提出了一种分布式优化的方法,使无线传感网络中无损数据收集时的能量消耗最小化,此方法主要是通过将传输功率和压缩传输速率进行合理的配置来实现,运用拉格朗日对偶分解法,可以把能量最小化这个问题分解为能够被传感节点本身分布式解决的子问题.通过仿真结果可得,分布式算法相比集中式算法能使目标函数更快收敛从而达到能耗最小化.