基于粒子群优化算法的高速网络可变结构节点位置控制

针对网络节点位置控制中网络容量较低、 控制过程节点能量消耗较大等问题, 提出一种基于粒子群优化算法的高速网络可变结构节点位置控制方法. 该方法结合粒子群优化算法与Metropolis接受准则, 找到各网络节点对应的粒子位置, 对初始位置权重进行自适应调节, 得出粒子最优值并建立高速网络可变结构节点位置控制模型, 以实现可变结构节点位置控制. 仿真实验与当前方法进行对比测试的结果表明, 该网络节点位置控制方法在250个节点位置控制实验过程中, 能量消耗可控制在30 kJ内, 控制效率较高.     

一种能量高效的无线传感器网络分簇路由算法

分析了无线传感器网络的分簇路由算法,针对现有算法存在的热点问题,提出一种基于分簇思想的能量高效路由算法.采用簇首轮转及局部竞争优化节点簇内通信的能量消耗,采用粒子群优化算法均优化簇首节点的簇间通信负载和能量消耗,从而延长网络的生命期.仿真结果表明,该算法能够有效提高无线传感器网络生存期以及节点与网络的能量利用率.     

WSN中一种平衡节点能耗的分簇算法研究

针对无线传感器网络(WSN)中能量消耗和节点死亡过高的问题,在分析LEACH-C集中式分簇算法的基础上,提出了一种基于量子行为粒子群优化的WSN分簇算法.考虑到模拟退火算法在执行算法过程中的复杂性,利用具有全局搜索能力和收敛速度快等特点的量子行为粒子群优化算法,代替模拟退火算法对LEACH-C分簇算法中簇头的选取进行优化.通过MATLAB仿真分析,改进后的算法有效延长了传感器节点的生命,平衡了各节点的能量,提高了WSN的整体性能.     

一种无线传感器网络覆盖的粒子群优化方法

提出一种在无线传感器网络的布设中添加相对较少的汇节点,进而提高网络覆盖度的有效方法.通过引入粒子群优化方法,在既有的随机布设的无线传感器网络中,寻找最佳汇节点位置,同时通过添加汇节点的方法来优化网络的拓扑结构.理论数据和仿真分析表明,粒子群算法的引入,高效可靠,对现有网络的连通性有很大的提升,是一种较优的覆盖优化方法.     

基于混沌-量子粒子群的分簇路由算法

针对粒子群分簇路由优化算法存在的收敛速度慢、 易陷入局部最优等问题, 提出一种混沌-量子粒子群 的双子粒子群分簇路由算法。 该算法以簇头的能量、 簇头与汇聚节点的距离以及与簇内成员节点的距离构造 最优簇头的代价函数, 主粒子群利用混沌粒子群寻优, 辅粒子群利用量子粒子群寻优, 加入量子波动理论, 使 算法具有较好的全局收敛性。 双子粒子群采用收敛速度快的凹函数递减策略优化权重。 仿真结果验证了该算 法可使无线传感网络节点能量消耗均衡化, 显著延长网络生命周期, 与 LEACH(Low-Energy Adaptive Clustering Hierarchy)协议、 PSO-C(Cluster setup using Particle Swarm Optimization algorithm)协议相比生命周期分别延长了 80. 1%和 41. 4%。     

基于混合PSO的无线传感网安全分簇算法

为了合理有效地管理和维护无线传感网络中的节点,提出基于混合粒子群算法的安全无线传感网分簇算法,基于网络的安全性和节点的信任度问题,在分析粒子群优化算法的基础上,引入局部最优解对最优解搜索过程的影响。在适应度函数中,该方法将节点剩余能量、与其他节点的连接性能以及安全信任度作为主要评价指标,把粒子群算法多次迭代得到的适应度值最高的节点作为簇首节点。通过实验对比了该算法与LEACH和MCBMC算法对节点生命周期的影响。结果表明,在不同恶意节点数量和不同节点密度的情况下,该算法能使无线传感网络具有较长的生命周期。     

基于改进型粒子群优化的节点自定位算法

为了提高测距误差影响下无线传感器网络节点自定位精度,提出一种基于距离的节点自定位新算法.对混沌搜索与粒子群优化进行算法融合,给出一种改进型粒子群优化算法,将其应用于节点自定位.新算法利用未知节点与信标节点之间的距离信息,通过改进型粒子群优化算法获取未知节点的位置.仿真结果表明,改进型粒子群优化算法对两种标准测试函数的搜索结果优于一般的粒子群优化算法.在测距误差和信标节点数量相同的条件下,相对于最小二乘估计法,新算法在各个测距误差级上的定位精度更高,其定位误差随测距误差增大而上升的趋势更缓慢.新算法具有更好的鲁棒性,适用于测距误差较大、信标节点数量较少的情况.     

基于免疫粒子群的最小连通支配集求解算法

为解决复杂网络最小连通支配集(MCDS)求解算法复杂度高、速度慢及解的精确度差等问题,采用一种免疫粒子群优化(IPSO)算法进行求解.该算法将连通支配集的支配规则转化为基于邻接矩阵的并集约束,并结合图连通分支约束设计优化目标,采用二进制粒子群算法对MCDS进行求解.在求解过程中引入免疫机制,依据网络关键节点与支配节点之间的重叠关系,设置抗原因子,指导粒子群搜索方向、加快算法收敛速度.在随机网络上的仿真实验表明:相较于传统算法,所提算法能够找出网络的MCDS,并且在保证解精度的前提下提高了求解速度.     

基于微粒群模型的无线传感器网络节点部署

提出了一种新的基于微粒群模型节点部署优化算法.该算法根据节点的位置信息建立节点部署优化模型,利用微粒群算法求解该优化模型,优化过程中的最优解作为节点的最终配置位置.仿真结果表明该算法有效的改善了网络的覆盖率.     

考虑时空相关随机行驶时间的车辆路径问题模型与算法

本文对一类在真实道路网络中考虑时空相关的随机行驶时间的车辆路径问题进行了研究. 首先我们建立了该问题的两阶段随机规划模型. 然后我们将用于候选解寻优的智能优化算法与用于产生评价解的随机场景的情景生成技术相结合,提出一种智能随机优化方法求解该问题. 为了有效地进行解的寻优,本文结合可变邻域下降算法提出了一种混合粒子群优化算法.最后通过一系列基于北京市区道路网络的算例实验,我们验证了所提出的混合粒子群优化算法的有效性.实验结果还表明,考虑实际交通环境中道路网络上车辆行驶时间的时空相关性,会影响最优车辆路径决策方案.     

使用定向天线的无线自组网中基于粒子群优化的最大生命期广播树构造算法

针对无线自组网中在使用单波束定向天线情况下的最大生命期广播路由问题,提出一个基于粒子群优化的最大生命期广播树构造算法.在该算法中,粒子位置表示一棵广播树,粒子适应度值为粒子位置所表示的广播树的生命期.该算法在粒子群执行搜索的过程中采用多种措施提高求解质量和效率.在更新粒子位置时对新粒子位置进行限制以保证节点的生命期不低于某个阈值.利用EPUS-PSO的粒子群体管理策略根据解的搜索状态动态地增减粒子,利用EPUS-PSO的解信息共享策略使每个粒子可以共享其他粒子的个体极值点.采用一种迭代改进广播树生命期的启发式算法对粒子位置进行局部优化.同时,使用阻尼边界条件对粒子越界进行处理.仿真实验结果表明所提算法可以有效地增加广播生命期.     

网络入侵环境下健康节点选择方法设计与仿真

提出一种网络入侵环境下健康节点通信选择算法.针对节点特征建立模糊数学模型,对健康节点选择的成本进行约束,引入粒子群优化算法,结合不确定因素,对参数进行优化,实现健康节点的选择.实验结果表明:与传统的BP神经网络方法相比,改进的网络入侵环境下健康节点通信选择算法提高了健康节点选择的精度,缩短了运行时间,能将入侵后的误差控制在合理的范围内.     

粒子群优化BP网络及其应用

提出一种基于量子激励粒子群算法优化BP网络的参数方法.该算法在粒子群优化算法中引入量子论思想,克服了传统粒子群算法易陷入局部极值、优化效果较差的缺点,最终得到BP网络的最佳参数值.利用优化后的BP网络控制仿生机器马的运动状态,仿真结果表明该算法能快速、准确地达到最佳控制效果.     

应用粒子群优化算法的航空自组网移动模型设计

为解决目前在航空自组网的研究过程中没有适用的移动模型问题,采用理论分析和实验仿真的方法,先对常用移动模型进行综述分析,在粒子群优化算法的基础上,结合AANET拓扑特点,提出一种基于PSO路径优化的移动模型,并在NS2平台上进行实验论证.研究结果表明:在节点高速运动情况下PSO模型比RWP模型更加稳定,网络吞吐量更大.该研究结果为航空自组网的研究提供模型参考与使用价值。     

基于连接信息的无线传感器网络边界节点识别算法

无线传感器网络边界节点检测是识别网络覆盖空洞和提高数据路由效率的关键。为提高边界节点识别的精度,降低识别过程中对节点位置信息的依赖和能量消耗,提出了一种分布式边界节点识别算法(distributed boundary node identification,DBNI),该方法无需节点位置信息,仅依靠节点间的连接信息即能够有效识别网络中的边界节点。基于MATLAB的仿真实验和Zig Bee节点的实验结果都表明,同其他算法相比,该算法识别精度高,能量消耗低。     

无线传感器网络节点自适应惯性权重定位算法

在无线传感器网络定位算法中,为了降低定位误差,提高定位精度,提出一种结合DV-Hop算法和改进粒子群算法的,基于自适应惯性权重的优化定位算法。首先根据DV-Hop算法估算未知节点与信标节点的距离。然后采用改进的粒子群算法做后期优化。根据每次迭代后粒子位置与全局最优位置的距离,对粒子的惯性权重进行动态调整,使其具有动态自适应性。并且利用进化度作为搜索中止条件,加快算法的收敛速度。通过仿真说明,相较于DV-Hop算法和基于已有改进粒子群优化的DV-Hop算法,自适应惯性权重定位算法可以降低平均定位误差,有效地提高了无线传感器网络中节点的定位精度。     

基于位置加权粒子群算法的WSNs能量优化

针对无线传感器网络经典分簇协议Leach存在能量消耗过大的问题,提出了一种基于LEACH的改进协议。该协议采用位置加权粒子群算法结合对惯性权值、学习因子的调整,优化LEACH协议的簇头选择机制,将节点剩余能量、簇间距离及簇头到基站的距离作为适应度函数因素,调节簇及选举簇头。仿真结果表明,改进的协议使整个网络能量消耗达到相对均衡,大大减少了节点能量消耗,从而延长了网络寿命。     

一种有向传感器网络改进粒子群覆盖增强算法

优化传感器网络覆盖对于合理分配网络的空间资源、更好地完成信息感知和采集任务、提高网络的生存能力都具有重要的意义。在分析传感器节点有向感知模型的基础上,提出了一种有向传感器网络改进粒子群覆盖增强算法。该算法针对随机部署有向传感器网络,以网络区域覆盖率为优化目标,采用改进的多步式位置可选择更新粒子群优化算法,通过调整传感器节点的主感方向,减少网络感知重叠区和感知盲区,实现覆盖增强。仿真实验表明,该算法简单、高效,优于传统的覆盖增强算法。     

基于概率感知模型和量子粒子群算法的移动节点部署

为了解决监测区域的传感器节点部署问题,设计了一种基于概率感知模型和量子粒子群算法的移动节点部署方法。首先,在 传 统 概 率 感 知 模 型 中 加 入 节 点 剩 余 能 量 因 素 进 而 得 到 改 进 的 概 率 感 知 模 型 * ,然后基于改进的概率感知模型设计了多目标优化的节点部署模型,在优化模型中考虑了网络覆盖率和能量因素。最后定义了基于量子粒子群算法来获得节点的最优位置对应的Pareto最优解的优化算法(即将粒子编码为节点部署方案,采用最小化网络能耗和最大化网络覆盖率为粒子的Pareto目标,引导粒子在可行解空间不断更新位置寻求最优解)。仿真实验结果表明:文中方法能正确地实现监测区域的传感器节点部署,能实现较为均匀的网络覆盖,与其他方法相比,具有较高的网络覆盖率和较长的网络生命周期,具有较大的优越性。(注：*处代表公式)
     

混沌粒子群算法及其在桁架结构优化设计中的应用

文章提出一种基于混沌思想的粒子群优化算法，它利用粒子群优化算法收敛速度快和混沌运动遍历性、随机性等特点，对标准粒子群优化算法进行了改进。在算法的初始化阶段，对粒子的位置混沌初始化；在算法运行过程中，对粒子的位置进行混沌更新和粒子群更新相结合的更新方式，使全局收敛与局部收敛达到一定平衡。将该算法应用于桁架结构的优化设计，与标准粒子群算法优化的结果相比较，混沌粒子群算法提高了对多维空间全局搜索能力，可有效避免早熟收敛现象。