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)
     

感知无线电网络中考虑节点数据延时的分布式功率控制算法

研究感知无线电网络中分布式功率控制问题.为保证对主用户的干扰低于阈值,提出一种节点本地估计和信息交换的策略,不需要中心控制节点和辅助测量节点.优化目标是在满足数据传输延迟约束条件下最小化节点的发射功率,并证明此功率控制是凸优化问题.基于拉格朗日对偶分解原理,构造了次梯度迭代的分布式算法,并证明了分布式算法的收敛性.计算...     

一种基于群智能仿生优化的WSNs节点调度方法

为了解决物联网感知层无线传感器网络(WSNs)的节点调度问题,使网络能量总消耗最小化、网络生存周期最大化和网络性能最优化,该文将问题转化为一个约束条件下的组合优化问题,利用元启发式蝙蝠算法在求解复杂组合优化问题中参数设置少、快速收敛等优点,提出一种非均匀条件下的基于蝙蝠算法的WSNs节点调度算法。仿真对比和结果分析表明,在无线传感器网络节点调度过程中,蝙蝠算法效率最高,能耗最低,时延最短,可靠性好。与人工免疫算法和粒子群算法相比,该方法的网络节点平均能耗分别降低10.8%和3.5%。     

基于跨层设计的传感器网络寿命最大化算法

面向监测应用的无线传感器网络,当链路存在干扰时,节点在传输数据时会对位于其干扰范围内的节点造成信号干扰,从而使得这些节点不能正确收到其它节点传输的数据.针对这种场景下的网络寿命最大化问题,分析了网络流量和节点能耗,提出了一种将功率控制和数据聚合路由相结合的非凸优化模型.通过对数转换方法将非凸优化问题转化为凸优化问题,利用优化理论和方法将凸优化问题分解为聚合数据率分配子问题和功率控制子问题,最后给出了联合优化问题的分布式解法.仿真实验表明,使用该方法可以有效减少数据通信量,均衡各个节点的能量消耗,有效延长网络寿命.     

一种无线传感器网络自身节点定位算法

基于无线传感器网络定位中半定优化算法的特点,提出了一种基于信号到达角信息的无线传感器网络节点自身定位算法,将所有节点之间的角度关系表述为凸规划约束条件,从而将定位问题转化为一个凸集优化问题,节点间的几何关系也相应地转化成为线性或二次约束条件.在理想情况下,该算法将定位问题转化为一个线性规划问题.实际情况中考虑到测量误差,通过引入辅助变量,将定位问题转化为一个二次规划问题.仿真结果表明,当信号到达角测量误差增加10°左右时,该算法仍可取得满意的定位精度.     

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...     

非均匀分布的异构传感器网络K覆盖调度算法

针对现有调度算法大多没有考虑监控区域内目标发生频率的非均匀性和节点异构的因素,导致无法适应异构无线传感器网络的特点,提出一种目标非均匀分布条件下K覆盖的异构无线传感器网络调度算法.算法从全网在所有时间片服务质量和节点能耗的角度建立节点调度模型,综合考虑节点异构和监测目标的非均匀分布等约束条件,以网络覆盖率最大和工作节点的数量最少为目标,构造非线性优化函数,提出一种控制参数自适应的微分算法求解节点的调度方案.仿真结果表明:相比典型算法,改进算法能够在满足节点异构和监测目标非均匀分布前提下增强网络的服务质量和降低网络的能耗.     

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C（S_i,p）{=0,ifd（S_i,p）≥r—r_e E_ir/E_i0-e-λσ,if d（S_i,p）≤r＋r_e 1,ifr—r_e≤d（S_i,p）≤r＋r_e,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。     

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。     

基于能量预测的无线传感器网络节点覆盖调度算法

针对无线传感器网络中存在的热区问题,采用非均匀部署方案,并在此基础上提出基于能量预测的无线传感嚣网络节点覆盖调度算法.并对算法进行了仿真实验和性能分析.结果表明该算法可以延长的网络生命周期并在较长的时间里保持较高的网络覆盖率,能够达到网络内大多数节点能耗均衡的设计目标.     

基于信息熵和粒距双约束的无线传感器网络节点感知进化算法

摘要：针对无线传感器网络中节点感知精度低和算法收敛慢问题,引入了信息熵和粒距约束条件进行改进,构造了新的进化学习算法,并在此基础上提出了基于信息熵和粒距双约束的无线传感器网络节点感知进化算法。该算法将节点感知问题转化为满足约束条件的解空间寻优问题,然后利用粒距和信息熵计算机理对进化算法的搜索能力进行增强,最后通过增强的学习算法对最优的节点坐标进行计算。实验结果表明,该算法高效可行,具有更好的抗误差性、较强的收敛性和执行效率,且在节点稀疏时可以获得较好的感知效果。     

基于遗传优化的WSNs多源单汇路由算法

针对无线传感器网络中的多源单汇路由问题,综合考虑无线传感器网络中链路带宽、延迟和路径节点最小剩余能量三种度量,建立了多源单汇路由问题的系统模型,将其转化为求解多约束最小Steiner树问题,已知该问题是NP难的问题,给出了基于遗传优化的求解算法,采用基于备选路径集的整数序列编码表示一棵生成树,设计相应的交叉和变异算子,以及对非法染色体进行修复的机制,最后在遗传算法的计算过程中选择合理的适应度函数,找到一棵满足多约束的能耗趋于最小且状态稳定Steiner树.理论分析和数值试验结果表明所提出的遗传求解算法收敛速度快、可靠性高,为无线传感器网络中的多源单汇路由提供了一种新的有效途径.     

传感器饱和约束下非线性切换系统鲁棒 L 1 滤波

为解决传感器饱和约束问题, 研究了一类非线性时滞切换系统的鲁棒 L 1 滤波。 所考虑的非线性时滞切换 系统具有满足李普希茨约束条件的非线性和范数有界不确定性。 基于平均驻留时间法(ADT: Average Dwell Time), 通过构造一个时滞依赖的 Lyapunov 函数, 建立传感器饱和约束下非线性切换系统的时滞相关峰值鄄峰值 (L 1 )性能判据, 并将滤波器的设计转化为求解一组线性矩阵不等式的凸优化问题。 最后, 通过仿真算例验证 了该方法的有效性。     

区域极点指标约束下的优化可靠保性能控制

利用矩阵不等式和LMI方法,研究了一类传感器故障下的不确定离散系统在闭环区域极点指标约束下的鲁棒优化可靠保性能控制问题。分析了故障闭环系统满足区域极点约束和具有较优的保性能上界的充分条件,给出的保性能函数指标上界优于已有的结果。得到了使故障闭环系统满足上述性能约束的可靠状态反馈控制器设计方法。最后通过仿真示例证明了本文方法的有效性。     

一种基于遗传算法的无线传感器网络路由算法

针对传感器节点在能量储备、计算能力、通信能力方面制约性强等问题,采用进化算法理论,提出一种适用于无线传感器网络的移动Agent路由选择算法.该算法能为移动Agent探测具有最小能耗的路径,同时保证信息收集的完整性.实验结果表明,该算法自适应性强,可减少传感器节点的能量消耗,满足无线传感器网络在实际应用中对移动Agent路由算法的需求.     

无线传感器网络中任务调度算法的研究

近几年,无线传感器网络能够实时监测和传输环境数据信息变得日益重要,尤其在民用和军事领域得到很广泛的应用.无线传感器网络具有传统网络无可比拟的优势,每个传感器节点用来感知周围环境事件和采集数据,并将采集的数据通过一跳或者多跳路由传给簇头节点或者接收器节点,然后发送到基站或数据中心进行处理.假定每个节点对信息的处理看作是一个任务,考虑节点能量限制,节点采用唤醒/休眠机制,在唤醒期间确保节点任务完成,簇头节点能够调度处理多个传感器节点的任务.文中解决的问题:在满足多个传感器节点任务处理的截止期失效前,簇头节点如何合理的调度任务,提出了改进的 RM(rate-monotonic) 调度算法和动态的抢占式最早截止期优先任务调度算法 (Preemptive Earliest Deadline First Algorithm,PEDFA).通过具体任务实例说明算法的实现过程,结果表明该算法运行简单,能够很好减少节点任务的延迟时间,实现节点任务的合理调度.     

求解复杂约束优化问题的演化多目标算法

在分析了传统的求解带约束的单目标优化问题存在的问题的基础上,利用多目标优化算法的框架,把单目标优化问题中的软性约束化为新增的目标,把原问题化为一个多目标优化问题,然后利用演化多目标优化算法求解转化后的问题,分析了该方法处理约束的优势,并给出了初步实验结果.     

无线传感器网络中一种改进的DV-Hop定位算法

针对 DV-Hop 算法在无线传感器网络节点分布不均匀时定位误差比较大的问题,提出了一种针对 DV-Hop 的改进定位算法。该改进算法主要是利用 RSSI 测量技术增加锚节点;在给定约束下引入“可能存在区域”这一概念,并以该可能存在区域的面积作为目标函数,对未知节点的位置利用非线性共轭梯度法进行逼近,从而使节点定位误差达到最小。通过仿真验证了节点通信半径和锚节点比例对定位误差的影响,结果表明,该改进算法将节点定位精度提高了5％～10％。     

具有机会约束的多阶段可信性M-AD投资组合优化

本文基于可信性理论,考虑交易成本、借贷约束、阈值约束和基数约束等现实约束,我们提出一种新的具有机会约束的多阶段可信性均值绝对偏差(M-AD)投资组合优化模型。该模型在给定的置信水平下,运用可信性均值和绝对偏差衡量资产的收益和风险,通过对终期财富的最优化实现投资者的预期收益。运用可信性理论,该模型被转化为确定型的动态优化问题。由于交易成本和基数约束的存在,该模型为具有路径依赖的混合整数动态优化问题。文章提出一种新的前向动态规划方法求解。最后,文章通过实证研究验证了模型和算法的有效性。     

Developing rigid constraint for the estimation of pose and structure from a single image

Pose and structure estimation from a single image is a fundamental problem in machine vision and multiple sensor fusion and integration. In this paper we propose using rigid constraints described in different coordinate frames to iteratively estimate structural and camera pose parameters. Using geometric properties of reflected correspondences we put forward a new concept, the reflected pole of a rigid transformation. The reflected pole represents a general analysis of transformations that can be applied to both 2D and 3D transformations. We demonstrate how the concept is applied to calibration by proposing an iterative method to estimate the structural parameters of objects. The method is based on a coarse-to-fine strategy in which initial estimation is obtained through a classical linear algorithm which is then refined by iteration. For a comparative study of performance, we also implemented an extended motion estimation algorithm (from 2D-2D to 3D-2D case) based on epipolar geometry.