混沌逃逸粒子群优化算法在WSN覆盖优化中的应用

为了寻找最优的无线传感器网络(wireless sensor networks,WSN)覆盖优化算法,保持整个网络能量的平衡,提高无线传感器网络覆盖率,在基本粒子群优化算法的基础上,提出一种基于混沌逃逸粒子群优化算法(chaotic escape particle swarm optimization,ECPSO)的WSN节点覆盖优化方法。ECPSO算法以覆盖率为优化目标,建立WSN覆盖优化数学模型来描述节点覆盖问题,利用混沌逃逸粒子群算法对数学模型进行求解,实现节点覆盖优化。仿真结果表明,ECPSO算法加快了WSN覆盖优化速度,节点分布更加均匀,提高了传感器节点的覆盖率,是一种高效的WSN节点覆盖算法。     

重采样和天牛须协同演化粒子群的WSN覆盖控制算法

为了最大程度提升无线传感器网络(WSN)的覆盖范围并降低能耗,延长网络生命周期,提出了基于重采样技术和天牛须搜索的协同演化粒子群优化(RBASPSO)算法来优化WSN的覆盖控制问题。重采样技术平衡了粒子群算法的全局搜索能力和收敛速度,增加了粒子群整体多样性,防止算法过早收敛,加强粒子在搜索过程中跳出低质量谷底的能力; 天牛须搜索依靠个体的两个触角搜索其邻域,增强了粒子群中单个粒子的搜索能力。RBASPSO算法采用覆盖率和节点休眠率的加权作为优化WSN覆盖控制的目标函数,通过重采样技术和天牛须搜索的协同演化,既加强了单个粒子的搜索能力,又确保粒子群的多样性及活跃性,提升WSN覆盖性能。实验结果表明,RBASPSO算法不仅能有效处理复杂多峰问题; 而且可以有效提高WSN网络覆盖率,延长网络生命周期。     

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。     

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...     

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.     

基于改进粒子群算法的无线传感器网络覆盖策略

针对粒子群算法在无线传感器网络优化方面存在收敛速率慢、容易陷进"早熟"等缺点,本文提出一种基于动态加速因子的粒子群优化算法(PSO-DAC)。该算法主要采用呈线性变化的加速因子以及引入递减的惯性权重系数。实验结果显示,该算法的网络优化覆盖率相比粒子群算法提高了34.6%,比基于递减惯性权重系数的粒子群算法提高了29.3%,证明PSO-DAC算法可有效提高收敛速度以及移动节点覆盖率,从而改善了整个网络的覆盖效果,延伸网络生存周期。     

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ODER的节能无线传感器网络覆盖控制

针对无线传感器网络(WSN)覆盖协议设计中的网络存在冗余节点以及在能耗、计算方面复杂程度较高等的问题,将分组思想引入到节能覆盖研究中,在ODER覆盖协议的基础上,提出一种权衡网络覆盖率和计算能耗的折中方案EB-ODER.利用HEED思想对传感器节点进行预处理,选取能量以及位置较优的节点进行覆盖节点的竞争,解决了ODER...     

寻优能力增强型越界免疫粒子群算法

PSO算法是提高WSN覆盖的一种全局优化算法。针对布尔感知模型与实际情况有所差别,且存在粒子搜索速度变慢的问题。提出了一种寻优能力增强型越界免疫粒子群算法(optimized ability enhancement and out of bounds immune PSO,OAEBI-PSO),采用概率感知模型,在粒子越界和粒子更新两方面做出了改进,得到了更高的覆盖率,并且避免陷入局部最优。仿真表明,该算法能够平均提高11%的覆盖率,并且通过50次的蒙特卡罗实验,表明该算法具有较强的稳定性。     

改进粒子群算法的传感器网络覆盖分布优化

为解决基于粒子群算法的传感器网络覆盖分布中存在的收敛速度慢和指定目标点不能保证覆盖等问题,采用了一种基于虚拟势场法的改进粒子群算法.在传感器节点之间建立虚拟势场,推导出相互作用的连续虚拟力,减少了引力和斥力边界的振荡,加快了算法的收敛速度.增加指定目标点的势场,以提高目标点对粒子的吸附力,保证了目标点始终处于传感器的感知范围之内.研究结果表明:改进粒子群算法具有更快的收敛速度,提升了在保证指定目标点完全被覆盖的条件下区域覆盖率.研究结论有助于布置关键区域的传感器网络.     

基于混沌粒子群算法的Ad Hoc网络优化研究

基于混沌理论提出了混沌粒子群算法C-PSO（chaotic particle swarm optimization）,C-PSO算法针对Ad Hoc网络提取的优化指标进行优化处理,在网络优化过程中,C-PSO算法充分利用了混沌系统的随机性、遍历性、敏感性等特性,避免了PSO算法“早熟”现象的出现,避免了陷入局部最优区,增强了全局收索能力。基于网络模拟器NS-3仿真系统对C-PSO算法和PSO算法进行了仿真实验测试,通过对丢包率、网络生命周期和网络吞吐率3个网络性能指标的对比分析和评估,结果表明C-PSO算法优于PSO算法,从而验证了C-PSO算法对Ad Hoc网络优化的有效性与可靠性。实现了对Ad Hoc网络优化。      

WMSNs中粒子群优化的多径流量分配路由算法

针对无线多媒体传感器网络(WMSNs)节点能耗问题,提出了一种基于粒子群优化的多路径自适应流量分配路由MATDR-PSO算法。通过建立能效优化模型,将最小能耗和能耗均衡2个特性转化为多目标优化问题;利用粒子群优化算法动态分配多路径上各条链路流量来实现网络的能效优化。仿真实验表明:MATDR-PSO算法能够在降低全网节点消耗总能量的同时保证能耗的均衡特性,显著提高了网络的生命周期。     

基于粒子群优化和SOM网络的聚类算法研究

利用改进的粒子群优化算法(PSO)的优化性能,结合SOM网络模型,提出了一种基于粒子群优化算法和SOM网络的聚类算法(PSO/SOM),使用PSO对SOM网络进行训练来代替SOM的启发式训练方法.将PSO/SOM算法用于对Wine和Iris等数据集进行模式聚类识别,可以得到较优的聚类识别效果.相比标准SOM算法能有效提高网络映射的准确程度,降低网络的量化误差和拓扑误差,同时也降低了错聚率,实验结果验证了本算法的有效性.     

基于移动性优化PSO的LEACH路由算法

针对LEACH算法存在随机选择簇首、没有考虑节点剩余能量对节点地位的影响以及节点位置和密集度不同造成节点能量失衡的问题,研究使用移动性优化PSO来改进LEACH算法以均衡不同位置簇头间的能耗.移动性优化PSO使粒子根据速度信息自适应调整参数进行搜索,可避免因PSO算法早熟收敛、易陷入局部最优而导致的不能有效控制网络分簇均匀性的问题.理论分析和仿真结果表明,基于移动性优化PSO的LEACH路由算法可以有效地提高节点能量利用率,均衡网络能耗,延长网络生命周期.     

基于无线传感器网络的优化点集覆盖算法

针对无线传感器网络对目标区域覆盖过程中会产生大量冗余节点,从而导致网络能量消耗过快以及节点覆盖的不完全性等不足,提出了一种基于优化点集覆盖算法.该算法利用高斯正态密度函数和覆盖区域的概率函数对点集进行优化,通过节点感知半径与节点数之间的定量关系给出满足一定覆盖率要求下最优节点集,进而优化了网络资源,提高了网络生存周期和...     

基于动量粒子群优化的社会网络分析

针对社会网络分析中的社区发现问题,在原有的粒子群优化算法的基础上,提出了一种基于动量粒子群优化算法,并且将此算法应用于社会网络分析中的社区发现研究中,提出了一种自适应社区发现方法.利用Newman提出的模块度作为适应度函数,在优化过程中自动获取社区数目,在Karate网络上的实验结果表明,所提出的算法能够有效地进行社区...     

无线传感器网络中移动节点的分布优化问题

为了降低无线传感器网络的总体能耗,保证信息的有效采集,针对无线传感器网络节点的分布优化问题进行了研究.给出了无线传感器网络覆盖控制模型的精确数学定义,并利用节点的移动性,提出了一种基于遗传算法的分布优化机制.仿真结果表明,该方法能够在目标区域内以相对较小的代价完成传感器网络节点的分布优化,降低网络的能耗,提高网络的整体覆盖率.     

速度自适应粒子群优化算法在故障诊断中的应用

在原始粒子群优化算法(PSO)中设置动态最大限制速度基础上,提出一种速度自适应粒子群优化算法。经过神经网络的测试表明,该算法在收敛速度和精度上都优于原始算法,并且参数选取灵活,容易实现。将改进算法应用于实验室变速箱的神经网络故障诊断系统中,并与PSO和BP算法进行了比较,得出该算法不仅对变速箱故障的识别准确率比较高,而且故障诊断的精度和效率也较高。     

时序电路SACO和PSO混合算法的测试矢量生成

提出了一种新的测试矢量生成算法,其使用SCOAP测度对蚁群算法进行参数调整,并在粒子群算法的框架下进行测试矢量生成,再使用调整后的蚁群算法进行测试矢量优化。该算法不仅克服了粒子群算法的容易陷入局部最优等缺点,而且利用电路本身的特性来确定蚁群算法的参数。以国际标准电路为例,实验验证本文的算法,结果表明本算法应用于时序电路的测试矢量生成时,相对于粒子群算法提高了其收敛性,提高了故障覆盖率;相对于蚁群算法压缩了测试矢量集,减少了测试诊断时间。