基于IPSO-GPR的HVAC送风温度预测模型

针对AHU系统中的多维、异构、非线性等特点,提出了一种基于改进粒子群的高斯过程回归(IPSO-GPR)算法.在传统的PSO算法上引进了混沌序列和交叉策略,使粒子在运动过程中能够自适应的调整搜索方向和速度,并针对局部最优解附近的区域进行了重点搜索,降低PSO陷入局部最优解的风险.使用平方指数和二次有理两种核函数的组合GP...     

基于正交试验设计的粒子群优化算法

针对粒子群优化(particle swarmopti mization,PSO)算法在进化初期收敛速度快但容易陷入局部最优、在进化后期收敛速度变慢且精度低的缺陷,为了提高粒子群算法的收敛速度和全局寻优能力,提出了基于正交试验设计的粒子群优化(orthogonal-experi mental-design-based PSO)算法.在基本粒子群算法的基础上,算法OE-PSO对当前搜索到的解进行局部寻优,利用正交试验设计对搜索空间的分布均匀性在可行解的领域选择有代表性的解进行测试.算法OE-PSO用搜索到的更好的解在下一次迭代中引导粒子进行搜索,从而获得更快的收敛速度和更精确的解,同时避免局部最优.实验结果表明,算法OE-PSO不但具有较快的收敛速度,而且能够有效提高解的精确性,增强算法的鲁棒性.     

基于高斯白噪声扰动变异的粒子群优化算法

为了有效避免粒子群算法(PSO)早熟和局部收敛的现象,在深入分析PSO算法的基础上,提出了一种基于高斯白噪声扰动变异的粒子群优化算法(GMPSO).该算法以一定的概率选中粒子进行基于高斯白噪声扰动的变异,并重新随机产生飞离搜索区域的粒子,以克服粒子群后期多样性严重下降的缺点.通过对Benchmark函数的测试表明:GMPSO算法无论是搜索精度、速度还是稳定性均显著优于PSO算法.     

融合榜样学习和反向学习的粒子群优化算法

为了提高粒子群优化算法(Particle swarm optimization,PSO)的优化效率,降低其陷入局部最优的概率,提出了一种融合榜样学习和反向学习的PSO算法(PSO based on combing Example learning and Opposition learning,EOPSO).首先,对粒子群中的非最优粒子采用新颖的榜样学习机制更新,以便提高全局搜索能力,避免算法陷入局部最优;其次,对粒子群中最优粒子采用反向学习混合机制更新,提升该粒子的搜索能力,进一步避免算法陷入局部最优;最后,对粒子群中的最优粒子还采用了自身变异机制更新,有利于搜索前期的全局搜索和后期的快速收敛.在15个不同维度的基准函数上进行了仿真实验,实验结果表明,与最先进的PSO改进算法ELPSO、SRPSO、LFPSO、HCLPSO相比,EOPSO优化性能更好.     

基于自适应变异二进制粒子群算法的WSN区域覆盖问题研究

为最大限度休眠冗余节点,减少无线传感器网络节点能耗,保证网络覆盖率,提出了一种基于自适应变异二进制粒子群的WSN区域覆盖控制算法(BPSO-G)。将二进制粒子群算法(BPSO)应用到WSN区域覆盖优化问题求解上,并针对BPSO算法不能收敛于全局最优解的缺点,利用自适应变异策略,将节点最优位置以一定的概率进行动态变换,该变换有助于粒子跳出局部最优解,提高搜索新解能力,有效防止算法早熟。仿真结果表明:改进算法收敛速度很快,其连续最优解接近于全局最优解,WSN冗余节点能够最大限度进入休眠状态,且当监测区域面积一定、节点感知半径相同时,其活动节点数基本不随总节点数的增加而增加,始终保持在一定区间内。     

基于频域滤波模型的PSO算法

当前对于粒子群优化算法(简称基本PSO)的改进主要从控制参数与数学模型入手,但这可能导致会陷入局部最小值。针对这个问题,本文提出一种基于频域滤波模型的PSO算法(简称FPSO)。FPSO是对粒子种群多样性进行定量分析,当粒子集中度低于设定阈值时,以当前最优粒子为中心,在一定半径范围内进行傅里叶变换,通过预设的低通滤波器,削弱当前找到的最优值;然后对当前粒子群施加以最优粒子为势能中心的辐射力,所有粒子在滤波范围外部的空间以较大的速度继续搜索。结果分析表明：基于频域滤波模型的PSO算法提升了种群多样性,有效的提高了全局搜索能力,在求解多峰函数问题的解的精度上优于带电PSO算法与变异PSO算法。     

一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

粒子群算法在求解优化问题中的应用

粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.     

一种启发式粒子群优化算法(HPSO)及其在结构优化设计中的应用

在介绍了标准的粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC)的基础上,指出了两者使用"回飞技术"(fly-back mechanism)方法处理约束条件的不足之处,在基于"和谐搜索"算法(harmony search)产生新解的思想基础上,提出了一种新的启发式粒子群优化算法(HPSO),该算法可以明显提高离子群算法的收敛速度和稳定性.应用PSO、PSOPC及所提出的HPSO三种算法分别对两个桁架结构进行了截面优化设计,并对算法的收敛性和稳定性进行了分析.结果表明,本文提出的启发式粒子群优化算法(HPSO)可以有效地搜索到最优解,并且比PSO和PSOPC两种算法拥有更高的收敛速度和稳定性,尤其在迭代计算的初期,收敛效果非常明显.     

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)
     

Research on virtual node placement optimization strategy of cloud platform for information acquisition

A virtual node placement strategy based on service-aware is proposed for an information acquisition platform. The performance preferences and types of services in the information acquisition platform are analyzed as well as a comparison of the running time of services both in virtual node centralized and decentralized placing. All physical hosts are divided into different sub-clusters by using the analytic hierarchy process( AHP),in order to fit service of different performance preferences. In the sub-cluster,both load balance and quality of service are taken into account. Comparing with the heuristic algorithm,the experiment results show that the proposed placement strategy is running for a shorter time. And comparing with the virtual node placement strategy provided by OpenStack,the experiment results show that the proposed placement strategy can improve the execution speed of service in the information acquisition platform,and also can balance the load which improves resources utilization.     

基于阈值的车联网信标传输功率控制算法

研究了基于阈值的车联网信标传输功率控制算法.在保证网络最大连通性前提下,通过预设信道负载阈值,规定信道负载的合理区间,根据阈值调整目标节点载波侦测范围内所有车辆的信标传输功率,将信道负载控制在一定范围内,从而避免信道拥塞.通过仿真八车道高速公路基本路段和实际行车实验,对算法进行了验证及相关分析.结果表明该算法能有效地控制信道负载,避免信道拥塞,增强了车载网络无线信标传输的稳定性和健壮性.     

基于 VANETs 下的决策树多副本机会路由协议

在车载自组织网络（vehicular Ad hoc networks,VANETs）中,当节点缓存和消息副本数目被限制的情况下,如何合理地选择车载网络的路由节点是实现VANETs高效转发和投递的关键问题。为此提出了一种基于学习方法的决策树理论的多副本VANETs机会路由协议（D-Tree）。D-Tree将VANETs中节点间的传输和连接因素看做多个属性的集合,并与决策树方法得到一个消息转发规则,同时结合多副本路由与机会路由的“存储─携带─转发”优势进行消息投递。真实数据集上的实验结果表明,在场景密集的情况下,D-Tree相比于Bubble和S＆W路由算法投递成功率提高了近10％,同时在投递延迟等方面也具有明显优势。     

Efficient Conditional Privacy-Preserving and Authentication Scheme for Secure Service Provision in VANET

Vehicle Ad hoc NETworks(VANET) can enhance traffic safety and improve traffic efficiency through cooperative communication among vehicles, roadside infrastructure, and traffic management centers. To guarantee secure service provision in VANET, message authentication is important. Moreover, a vehicle user's private information can also be leaked during service provision. A protection mechanism is needed to prevent such leakage. Therefore, we propose a conditional privacy-preserving and authentication scheme for secure service provision in VANETs. The proposed scheme not only satisfies the security requirements of VANETs, but also optimizes the calculation process of signature generation and verification. We carry out a detailed comparative analysis. The result shows that the proposed scheme is more efficient than existing schemes in terms of communication overhead and computational cost. Therefore, our scheme is suitable for secure service provision in VANETs.     

ROGR:基于定向道路的地理位置路由

地理位置路由协议被广泛应用于车载网络VANETs(vehicle Ad Hoc networks),然而在真实的城市场景中,由于复杂的道路拓扑和车辆移动,网络拓扑呈动态变化,给地理位置路由协议提出了挑战。传统的基于定向节点地理位置路由遭受可达性和可扩展性的折衷问题。为此,提出面向VANETs城市场景基于定向道路的地理位置路由ROGR(road-oriented geographic routing)协议。ROGR协议利用道路数字地图信息,并结合了基于源节点转发和基于接收节点转发机制。在每一跳中,利用数字地图信息和周期的beacon包,源节点计算各路段的权值;并选择具有最大权值的路段作为数据包传输路段,再将该路段上的车辆作为下一跳转发节点的候选节点。然后,这些候选节点利用基于退避时延机制竞争转发数据包。仿真结果表明,提出的ROGR协议具有好的可达性和可扩展性。     

车联网中一种面向路侧单元的自组网路由协议

提出一种面向路侧单元的自组网路由协议．该协议采用树形拓扑结构,路网分为若干交通控制子区,各子区设有交通控制子中心,网络采用无线或有线方式与控制总中心相连,各子区内以交通控制子中心作为根节点,路侧单元作为路由子节点,通过自组网路由协议,构建路侧单元自组网络．实验仿真表现,借助路侧单元自组网络,实现相互车路通信和车车通信,很大程度上改善了车载自组网的信息发布与数据聚合．     

基于模型分析的城市环境下车载移动Ad hoc网络路由协议改进策略

在Manhattan移动模型的基础上,深入分析了车载移动Ad hoc网络路由协议的性能问题. 结合AODV路由协议,提出了一种可以量化分析车载Ad hoc网络路由断链率和路由负载的模型. 模型分析指出,传统的移动Ad hoc网络路由协议应用于车载Ad hoc网络时性能会严重下降. 针对这一问题,提出了一种基于车辆运动方向信息的类AODV路由协议DBAP,将车辆的运动方向信息作为其路由发现过程中的辅助参数,从而显著地增强了路由稳定性. 仿真结果验证了模型的正确性,同时证明了本文所提出的DBAP路由协议在城市车载环境中具有较低的路由负载和路由断链率,在协议性能等方面相对于AODV协议具有显著提高.     

VANET中基于合作式的ADHOC MAC协议

由于车载网VANETs(Vehicular Ad hoc Networks)在道路安全、车流量管理和娱乐应用具有广阔的前景,VANETs的数据传输技术成为研究的焦点。然而,VANETs的拓扑动态变化、车辆快速移动加速了车间通信链路的断裂,降低了链路的可靠性。为此,提出合作式通信机制以提高通信链路的可靠性,并缓解因车辆移动引起的无线道路的恶化。基于ADHOC MAC 方案,提出合作式的ADHOC MAC方案 ,记为CAH-MAC。在CAH-MAC中,一旦发现数据包未能成功传输到目的节点,邻居节点使用未占用的时隙提供合作模式重传数据。通过理论分析,得出合作模式的概率。理论分析和仿真表明,CAH-MAC提高了成功传输数据包的概率,提升了系统吞吐量。     

ATM网络中突发业务处理模型

根据不同业务特性设立四种优先级进行管理，采用轮询方式进行各优先级队列信元的发送处理。设计了ＡＴＭ网络中突发业务处理模型。用Ｍ／Ｍ／１／Ｎ数学模型对突发业务的信元丢失情况进行分析。该模型使突发业务得以公平传输，同时确保服务质量并适用于ＡＴＭ网络节点的信息处理。     

基于方向矢量角簇群和桥节点的车间通信协议

在车载自组织网(vehicular ad hoc networks,VANET)中,高动态的拓扑结构和频繁断裂的链路给车间通信提出挑战。为此,针对VANET城市场景,提出基于方向矢量角簇群和桥节点的路由(vector-angle-cluster and bridge nodes-based routing,VAC-BNR)协议。VAC-BNR协议将城市道路划分为十字路口区域和十字路口间的直线路段区域。在十字路口区域内,选择合适的车辆作为桥节点;并由桥节点连通断裂的链路。而在直线路段区域,利用矢量角将车辆划分不同的簇群,然后计算每个簇群内节点的效用值;并选择效用值最高的车辆传输数据。仿真结果表明,提出的VAC-BNR协议能够有效地降低端到端传输时延、提高数据包传递率。与AMD相比,VAC-BNR协议的平均端到端传输时延下降了约30%,当车流密度大于80辆/km~2时,数据包传递率提高了约50%。