基于A适应遗传算法的无线传感网络节点布局优化

无线传感器网络的传感节点布局优化,直接关系到无线传感器网络覆盖率的提高。文中提出自适应遗传算法求解无线传感器网络覆盖率优化问题。自适应遗传算法的编码方式是传感器节点二维坐标的二进制表达式,交叉方式为字符串整体交叉,变异方式为位变异,交叉概率和变异概率根据个体适应度自动重构。仿真实验结果表明,自适应遗传算法有效解决了无线传感器网络节点布局优化问题。与传统遗传算法相比,本算法进化收敛速度快,网络覆盖率显著提高。     

量子混合蛙跳算法求解连续空间优化问题

基于量子理论提出一种量子混合蛙跳算法, 该算法采用量子位的Bloch球面坐标编码个体, 利用量子位在Bloch球面上绕轴旋转的方法更新个体, 通过自适应混沌旋转角度算子提高子群内部局部搜索能力, 采用Hadamard门实现个体变异避免早熟, 有效扩展了解空间的搜索范围. 实验结果表明, 该方法优于普通的混合蛙跳算法、 粒子群算法和遗传算法, 具有较高的优化能力和效率, 更适合高维复杂函数的优化.     

基于zigbee和量子遗传算法的无线传感器网络节点定位技术研究

为提高传统无线传感器网络节点定位算法精度和定位速度,提出一种基于量子遗传算法的无线传感器网络定位算法。算法通过分析未知节点通信半径范围内的锚节点数量及约束关系,建立节点定位优化模型,对约束范围内节点进行采样,运用传统轮盘赌选择法选取初代种群,最后通过量子旋转门对种群中染色体进行变异及循环迭代,直到达到设定目标值。此后分析现有停车场实时性不高的缺点,提出了一种基于上述定位算法的智能停车场管理系统。以zigbee协议栈为基础,协调器进行组网,参考节点依次加入网络对系统进行检验,结果表明,该无线传感器定位算法可以满足大多数高精度、高实时性应用场合。     

基于量子遗传算法的WSNs能量均衡路由优化

针对无线传感器网络（WSNs）中传感器节点能量有限,以及单一的传输路径所带来的能量消耗不均衡的问题,引入量子遗传算法对其进行优化。充分利用量子遗传算法高效搜索和全局优化的能力,在综合考虑网络耗能和路径延迟的基础上全局优化路由;并对算法的一些环节如量子比特编码、适应度函数的设计以及量子变异进行了详细的分析与设计。仿真表明：与传统遗传算法相比,量子遗传算法在降低网络能耗,延长网络生命期方面有着优越性．     

一种改进的量子遗传算法

针对量子遗传算法存在储存量大和易陷入局部最优解等问题,提出一种新的量子遗传算法。该算法采用角度编码方式表示染色体从而减少编码的存储空间;引入小区间方法初始化量子种群, 使量子染色体均匀分布于初值空间;利用改进的旋转门对种群进行更新操作;采用动态的量子步长调整策略实现自适应搜索;引入量子交叉和量子变异操作防止早熟问题。通过典型的多峰值函数优化实验表明该算法具有收敛速度快、全局寻优能力强和计算时间短的特点,可以用于多峰值函数优化问题。     

基于量子退火算法的无线传感器网络节点定位

经典模拟退火、遗传算法等是无线传感器网络节点非测距定位广泛使用的方法,但是它们都存在:①容易陷入局部最优,难以实现全局最优,定位精度不高;②计算较复杂,能耗较多等问题.提出了基于量子退火算法的无线传感器网络节点定位方法,利用量子隧穿效应,可以较快地穿透能量势垒由局部最优到达全局最优,简化了计算,提高了计算速度.通过仿真实验验证,该算法与传统的遗传算法和经典模拟退火算法相比,提高了精度,降低了能耗.     

一种基于免疫变异算子的改进型量子遗传算法

基于量子遗传算法进化方向随机性大、易早熟等缺点提出了一种改进的量子遗传算法.该方法采用了自适应染色体长度和旋转角度,提高了优化效率;引入了免疫算子,淘汰繁殖率低的个体,并通过操作染色体编码实现量子变异,以增强种群中基因多样性,避免算法陷入局部最优.对若干基准测试函数进行实验,结果表明相对于标准量子遗传算法,该算法在收敛速度、精度、稳定性以及克服早熟能力方面都有了显著的提高.     

基于改进遗传算法的噪声自适应地形匹配算法

地形匹配制导是提高飞行器导航与末制导精度的有效途径。为了提高传统地形匹配算法精度和效率,提出了一种基于改进遗传算法的地形匹配搜索算法。该算法以基准高程图各坐标空间作为解空间,一方面采用一种改进的遗传算法进行全域匹配搜索,相对于传统遍历搜索大大提高了搜索效率,又有效避免了遗传算法早熟收敛问题;另一方面提出了一种基于噪声自适应的相似性度量方法并将其作为遗传算法个体的适应度,该度量方法结合了归一化相关函数度量和序贯相似检测度量方法的优点,在保证精度的同时有效减少了每个搜索位置的计算量,实验结果表明:与全遍历算法、传统遗传算法从算法效率和匹配精度指标上进行对比,本文算法在匹配精度上与传统遍历算法相当,在算法效率上明显优于前两种算法。     

一种改进的量子遗传算法研究

提出一种改进的量子遗传算法(IQGA)。在编码方面提出了一种根据所求问题精度动态确定量子染色体基因长度的编码方法,考虑了计算解的精度和搜索效率的平衡关系。探讨了量子旋转角度的动态调整及策略,使算子在不同的情形下实现粗搜索和细搜索的结合。通过对量子变异操作的组合实现异后在一个更大的邻域范围内进行搜索,确保算法在合理的计算代价内有潜能搜索到高精度的解。最后,用IQGA对选取的若干基准测试函数进行测试。测试结果表明,相对于已有文献算法数据来说由IQGA得到的最好解、最好解的平均值以及收敛代数等均更具优势。     

多宇宙并行量子遗传神经网络人脸识别算法研究

针对传统遗传算法交叉、变异过程过于繁琐和神经网络在极值判断及收敛速度受限等问题,提出了一种并行的量子遗传算法优化神经网络权值的算法.首先引入了量子计算的概念,在量子计算的过程中使用量子旋门实现染色体的训练,然后引入量子交叉克服了早熟收敛现象,避免了遗传算法中繁琐的交叉、变异过程.最后设计实现了并行的卷积神经网络,使用并行量子遗传算法优化了卷积神经网络权值,实现了并行量子遗传神经网络人脸识别系统.实验结果表明,相对于原来的遗传算法,该算法在鲁棒性和实验速度上都有明显的提高.     

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.     

量子蜂群算法及其在认知频谱分配中的应用

基于人工蜂群理论和量子计算,提出一种新的离散组合优化算法——量子蜂群优化算法.该量子蜂群算法使用2种新的量子觅食行为完成整个量子蜂群的协同演进,快速找到最优的蜜源位置,通过对优化函数的测试验证其高效性.以该量子蜂群算法为基础,提出一种认知无线电频谱分配算法,与经典的遗传算法,量子遗传算法和粒子群算法等智能优化算法及敏感图论着色算法在不同的网络效益函数下进行仿真性能比较.仿真结果表明:本文提出的量子蜂群频谱分配算法均能够较好地找到最优解,优于经典的频谱分配算法和已有的智能频谱分配算法.     

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。     

无线传感器网络中目标检测节点的优化部署

为提高无线传感器网络的目标检测精度，提出了一种基于遗传算法的节点部署优化方法．通过把传感区域模型化为网格，将目标定位问题转化为确定目标在某个网格点的问题．随后，将传感器节点部署问题形式化为一个组合优化问题，其目标是在有限的成本和完全覆盖条件下减小最大分辨误差．遗传算法采用二进制编码表示节点的位置，使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率．实验结果表明，基于遗传算法的求解方案能快速地求出传感器节点位置优化问题的全局最优解，并满足目标定位的精度要求．     

基于动态调整的GA-SVM多分类二叉树的方法

基于遗传算法的支持向量机决策树多分类方法仍然存在错误累积的问题,累积的错误往往使分类准确率下降,分类效果变差,存在全局优化缺陷的问题;并且在每个节点进行二分类常用的实数编码切分方法,效率低下。针对这两方面的问题,提出从根节点开始逐层构造二叉树,运用二进制编码的遗传算法进行每一阶段的二叉树构造。二进制编码对于每个节点的分类以及进行交叉、变异更高效,不用考虑从什么位置切分。针对越靠近根节点产生的误差对后续节点分类误差的累积影响,提出一种动态调整的方法,此方法对每个节点赋予权重再进行对权重的调整使得整体的分类误差减小,最终得到二叉树的全局最优,从而提高分类精度。通过实验并进行五折交叉验证表明,DABT-SVM比多种传统的支持向量机多分类算法在全局优化能力和分类精度上有很大的提升。验证了该算法的可行性和有效性。     

量子遗传算法在人脸图像分割中的应用

为了解决遗传算法迭代次数多、收敛速度慢、易陷入局部极值等现象,本文将量子遗传算法应用于人脸图像分割。采用了多状态基因量子比特编码方式和通用的量子旋转门操作,引入静态和动态调整旋转角机制和量子变异,使得量子遗传算法更具有通用性,且效率更高,仿真结果表明该算法的有效性。     

一种基于分层模糊控制的免疫遗传优化算法

针对标准遗传算法的不足,借鉴生物免疫机理和人脑模糊思维功能提出一种新的基于分层模糊控制的免疫遗传算法.该算法利用免疫系统独特性网络学说,改进标准遗传算法选择算子,提高了种群多样性;同时从环境、种群、个体和基因角度,全面分析算法寻优性能和各种进化参数的启发式模糊关系,采用模糊推理动态调整交叉率、交叉位置和变异率,减小了标准遗传操作的随机性.实验结果表明,新算法不仅可有效克服标准遗传算法的缺陷,而且收敛速度、计算精度和算法稳定性也得到明显提高.     

量子遗传优化粒子滤波的WSN目标跟踪算法

在无线传感器网络(WSN)目标跟踪应用中,传统粒子滤波算法存在多样性退化问题。为提高WSN目标跟踪精度,提出一种基于量子遗传算法优化粒子滤波的WSN目标跟踪方法。量子遗传算法不仅增加粒子多样性,防止粒子退化现象出现,有效缩短了计算时间且改善粒子跟踪能力。测试结果表明,所提出算法很好地减轻了粒子退化对目标跟踪精度影响,提高了WSN目标跟踪精度和跟踪的实时性,跟踪结果令人满意。     

一种新量子遗传算法及应用

基于量子位测量的二进制量子遗传算法,在用于连续问题优化时,由于频繁的解码运算,严重降低了优化效率。针对这一问题,提出了一种基于量子位相位编码的量子遗传算法。该方法直接采用量子位的相位对染色体进行编码,采用量子旋转门实现染色体上相位的更新,采用Pauli-Z门实现染色体的变异。在该方法中,由于优化过程统一在空间[0,2π]n进行,而与具体问题无关,因此,对不同尺度空间的优化问题具有良好的适应性。以函数极值优化为例,仿真结果表明该方法的搜索能力和优化效率明显优于普通量子遗传算法和标准遗传算法。     

一种基于RSSI的煤矿井下WSN节点快速定位算法

为提高煤矿井下传感器网络节点定位的实时性,提出了一种基于接收信号强度(RSSI)的快速定位算法.该算法在井下巷道锚节点双链式部署结构的基础上,运用高斯密度函数对节点接收到的锚节点信号强度最大的RSSI信号进行滤波处理,再应用指数因子和滤波后RSSI值直接计算确定未知节点的坐标.指数因子采用一种改进的量子粒子群优化算法及定位均方根误差最小的准则进行优化.所提出的算法具有定位速度快、计算量小的优点,仿真实验结果验证了算法的可行性与有效性,适用于煤矿井下无线传感器网络实时定位系统中.