群体智能的无线传感网路由算法

基于群体智能优化算法的自组织性,提出一种基于群体智能优化的无线传感网路由算法,提出系统能量熵的概念,并采用模拟退火算法对该群体智能路由算法优化.仿真实验表明,该算法收敛速度快,具有全局能量均衡等特点,优于Directed Diffusion路由协议,有助于延长网络生存周期,适应无线传感网能量有限、自组织、以数据为中心等要求.     

基于集束搜索的立体车库库位布局研究

为缩短堆垛机在巷道堆垛式立体车库内运行时间、顾客等待时间,提高立体车库效率,提出了一种集束搜索算法,用于优化堆垛机运行路径.通过对实体运行立体车库的分析,建立了立体车库排队等待的数学模型,再结合实际车库库位布局,以堆垛机运行距离、顾客平均等待时间和平均等待队长为衡量指标,采用MATLAB软件编写仿真程序,分析对比了在一定库位容量下不同库位布局方式对整体运行效率的影响,并与就近存取原则下各项运行指标进行对比.结果表明:在4层6列库位布局下,立体车库各项运行指标均最低,且使用集束搜索对最优库位进行选择时比就近存储运行距离缩短了约50%,顾客平均等待时间和平均等待队长缩短了约31%和76%.因此,集束搜索在对立体车库选择合理库位布局时有较好的效果.     

平面选址问题的萤火虫算法

平面选址问题是工程设计、线路布置、项目选址等工作中经常碰到的典型组合优化难题,根据群集智能优化原理,给出一种基于人工萤火虫群优化算法的求解方法,并针对平面选址问题进行求解.为避免算法陷入局部极值,将一种邻域搜索的局部搜索方法引入萤火虫算法中.通过对典型平面选址问题的仿真实验和与其它算法的比较,表明算法可行有效,且具良好的全局优化能力.     

基于大爆炸优化算法的结构参数识别

作为一种新颖的优化工具,大爆炸算法（Big Bang-Big Crunch optimization,BB-BC）被成功应用于很多复杂优化问题。结构参数识别一直是结构健康监测的核心问题,利用BB-BC算法进行结构参数识别的研究。该方法的基本思想是通过最小化识别模型与实际结构系统响应的误差,从而将参数识别问题转化成一个多峰值非线性非凸的优化问题,并利用BB-BC算法发现系统参数的最优估计。利用BB-BC算法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了参数识别,并与基于遗传算法（GA）、粒子群（PSO）的参数识别方法进行了比较。结果表明：该方法可以成功地应用于结构参数识别,识别效能更优越。     

无线传感器网络中免于测距的声音定位算法

为在无线传感器网络中实现声音定位,从降低计算复杂度和减小噪声干扰的角度提出了一种基于中垂线分割的免于测距的声音定位算法.该算法采用免于测距的中垂线分割法确定声源所在定位区间,时间复杂度为O(N2),低于时间复杂度为O(N3)的基于测距的传统定位算法.通过对测量噪声的深入研究,提出了噪声敏感区概念.该算法在针对噪声敏感区...     

Capacitated Dynamic Facility Location Problem Based on Tabu Search Algorithm

Facility location problem is a kind of NP-Hard combinational problem. Considering ever-changing demand sites, demand quantity and releasing cost, we formulate a model combining tabu search and FCM (fuzzy clustering method) to solve the eapacitated dynamic facility location problem. Some results are achieved and they show that the proposed method is effective.     

基于新型十字-菱形搜索的块匹配算法

指出了块匹配算法是运动估计的有效方法，搜索模板的类型、大小很大程度上影响了搜索的效果，对运动向量的分布进行了深入研究，提出了以新型非完全对称的搜索模板为基础的十字-菱形搜索算法，该算法以十字搜索模型对小运动矢量进行搜索，而使用非完全对称菱形对大运动矢量进行搜索．理论分析和实验表明：新十字菱形算法和原有的十字菱形算法相比，其搜索的速度可以提高20％左右．     

基于位置信息的WSN数据汇聚路由算法

文章以无线传感器网络在建筑环境下的应用为研究背景,根据建筑能耗监测系统中无线数据传输网络特性,按位置信息对网络节点进行分簇,设计网络2级结构模型;并设计适合该网络模型的基于位置信息的WSN数据汇聚路由算法,保证簇头节点从邻居列表中选择最佳下一跳节点,最终实现与Sink节点的数据通信功能。仿真分析表明所设计的路由算法具有低时延、高可靠性、节能等优点。     

基于线性搜索的快速运动估计算法

为了减小快速运动估计算法的计算复杂度和提高运动补偿的准确性,提出了一种新的块匹配运动估计算法,称为线性正方形搜索算法.该算法采用运动估计的线性搜索策略,对于不重要的搜索区域利用线性搜索技术进行快速搜索以减小算法的计算复杂度,而对于重要搜索区域,即最佳点所在区域,用9点的正方形模块进行精细搜索以提高算法的搜索精度.实验结果证明,该算法与菱形算法相比不仅计算复杂度减小了10%以上,而且视频编码效率可以提高约0 1dB.     

基于RSSI的无线传感器网络改进定位算法

节点定位技术是无线传感器网络的支撑技术,定位的准确性直接关系到传感器节点的采集数据的有效性.在基于RSSI的定位算法中,Euclidean算法由于通信开销小,但是定位精确性较低,对Euclidean算法进行了改进,改进算法无需增加额外开销,提高了定位精确性.     

M估计的稳健平面标靶中心定位算法

标靶在地面激光扫描仪多测站点云配准,以及在全球卫星导航信号不良状况下改善移动激光雷达系统精度具有重要作用,标靶的精确提取与定位是关键问题之一。本文提出基于M估计的标靶中心定位方法：先根据标靶与周围环境反射强度差异,构建强度变化率特征,提取标靶边缘点云;再对标靶候选区域点云进行主成分分析,计算标靶平面法向量,对标靶边缘点云进行投影变换;最后通过M估计选权迭代法,剔除标靶噪声与粗差点云,拟合标靶形状,精确定位标靶中心。试验表明,本文算法能够在标靶存在冗余、缺损状态时排除非标靶圆形边缘的粗差点,获得高精度标靶中心。     

基于自适应粒子群算法的重油热解模型参数估计

通过构造一个合适的目标函数,将化工模型参数估计问题转化为一个多维数值优化问题,然后提出一种参数自适应调整和维变异的改进粒子群优化算法来求解该问题。该算法首先利用佳点集方法初始化种群以保证粒子的多样性。惯性权重和学习因子随进化过程自适应调整,从而协调算法的全局和局部搜索能力。为了避免算法陷入局部最优,对收敛度最小的维进行变异。几个标准测试问题的实验结果表明该算法具有较强的全局寻优能力。最后将改进粒子群算法应用到重油热解模型参数估计中,并与基本遗传算法（SGA）和粒子群优化算法（SPS0）进行比较。研究结果表明：本文得到的平均相对误差为5．62％,比SGA和SPSO分别低1．08％和0．50％。     

WSN中基于多路径路由的拥塞控制算法

针对WSN多路径路由的拥塞问题,根据快速转发数据和节能的原则,提出了基于多路径路由的拥塞控制算法(CCAMR),CCAMR包含新路径建立、RBR与RER值获取及新路径撤销算法,通过建立新路径将拥塞区域的流量转移到负载较轻的区域,有利于避免和缓解重度拥塞.仿真结果表明,与CODA相比,CCAMR的丢包率和能耗更低,能够保证多路径路由下带宽分配的公平性,具有更高的拥塞解除效率.     

基于引力搜索算法的相干信号源DOA估计方法

针对最大似然(ML)DOA估计方法存在着运算量高且容易收敛到局部极值的问题。结合引力搜索算法(GSA)与最大似然方法,提出了一种GSA-ML方法。将最大似然函数作为GSA算法的适应度函数,在遵循ML方法的主体思想同时,利用GSA算法运算量低和收敛速度快的优点,成功地找到似然函数的全局最优解;并保存了ML方法的优点。仿真结果表明,GSAML方法不仅能有效估计相干信号源;并且相比MUSIC、ESPRIT和TLS-ESPRIT算法,拥有更高的精度和估计成功概率。     

基于Powell搜索法的混合微粒群算法

利用Powell搜索法求解精度高、收敛速度快和局部搜索能力强等优点,本文提出了一种与Powell搜索法相结合的改进微粒群算法实践.改进算法将微粒的搜索过程分为两阶段,第一阶段,将PSO算法的速度公式改进后进行搜索;第二阶段,将第一阶段的最后一代微粒作为Powell搜索法的初始点,让Powell搜索法与PSO算法交替进行.这样既克服了PSO算法易陷入局部最优的缺点,也大大提高了算法的求解精度和收敛速度,同时保持了微粒的多样性.仿真结果表明:同PSO算法相比,Powell-PSO算法具有较高的求解精度和较强的寻优能力,并且不论是对单峰函数还是多峰函数都能取得很好的优化效果.     

基于改进微粒群算法的非线性系统模型参数估计

将改进微粒群优化算法用于非线性系统模型参数估计,并通过对三种典型的非线性系统模型参数估计进行验证。实验结果表明:改进微粒群优化算法参数估计精度高,是一种有效的参数估计方法。     

混合策略改进的金枪鱼群优化算法

针对金枪鱼群优化(Tuna Swarm Optimization, TSO)算法前期收敛速度慢和容易陷入局部最优等不足,提出混合策略改进的金枪鱼群优化算法(Improved Tuna Swarm Optimization Algorithm Based on Hybrid Strategy, HTSO)。首先,用Circle混沌映射初始化种群,提高种群的丰富性;其次,利用莱维飞行(Levy flight)在空间随机游走的搜索特点,提高算法在螺旋式觅食时的幅度,减少算法陷入局部最优的次数,帮助其快速找到全局最优。通过14个基准测试函数,在不同维数下比较传统TSO算法、HTSO、鲸鱼优化算法(Whale Optimization Algorithm, WOA)、灰狼优化(Grey Wolf Optimizer, GWO)算法和哈里斯鹰优化(Harris Hawks Optimization, HHO)算法的性能。仿真结果表明,不管是在低维还是在高维的情况下,HTSO比其他4种算法有更好的寻优性能和鲁棒性。最后对HTSO进行wilcoxon秩和检验,验证结果表明,HTSO与其他对比算法存在显...     

基于粒子群优化的神经网络算法的英语翻译

近年来出现的粒子群优化算法与神经网络相结合,可以有效地提升全局搜索最优的能力,同时也提升了收敛的速度。将粒子群算法与神经网络结合应用于英语教学,通过对提取的学生翻译样本进行学习训练,用训练好的粒子群优化的神经网络模型对学生的英语翻译能力进行正确程度的分析,帮助教师估计学生的翻译能力水平,为下一步的教学提供参考。深入从粒子群优化算法的数学模型和算法流程何人工神经网络模型的基本原理出发,提出了学习能力分析模型,确定该模型的神经网络的拓扑结构和隐藏层的节点数。案例应用结果表明,该研究模型可以促进英语翻译教学质量的提高和教学相长。     

基于Matlab优化算法的物流中心选址

应用Matlab优化函数求解带时效性约束的物流中心选址问题。分析选址问题的时效性约束条件，构造带时效性约束的物流中心选址模型，利用Matlab优化工具箱中的“fmincon”函数，设计选址模型的精确算法，并给出具体算例，验证模型和算法的可行性。研究结果表明，基于Matlab函数的优化算法编程简单，运算速度快，既能够求解带时效性约束的选址模型，又能够求解不带时效性约束的重心选址模型，是一种比传统算法更有效的求解物流中心选址问题的算法。     

基于粒子群的彩色印刷品图像分层搜索定位算法

针对彩色印刷品表面质量在线检测过程中存在目标图像定位精度低、定位速度慢而导致检测误判率高、检测效率低等问题,提出了一种基于粒子群的彩色图像分层搜索定位新算法.首先采用图像金字塔结构在空间域中对彩色图像进行分层,分析尺度因子和层数的选择对提取目标图像关键特征的影响;其次,基于边缘特征建立各层的匹配模型,最后引入粒子群算法(PSO)求解每层的最优匹配参数,实现待匹配对象的快速定位.实验结果分析表明,该方法对宽幅面彩色印刷品像素大小为1024×454的目标图像平均校正偏差不超过0.1°,即水平方向上的定位误差可达0.017个像素;对角度偏移小于6°的图像,分3层搜索校正的最长时间仅为12.6 ms,以上实验结果显示出该定位方法具有较高的精度和较强的实时性.