基于ZigBee网络的自适应剪枝能耗均衡路由算法

在ZigBee网络中建立两个节点的通信时,为了既保证路径中总的能量耗费最低,又令路径中不包括剩余能量较少的节点,尽量延长网络的寿命,提出了基于ZigBee网络的自适应剪枝能耗均衡(AP-ECB)路由算法.该算法包括两个改进的策略:自适应剪枝策略和能耗均衡策略.自适应剪枝策略采用有效的剪枝策略令更多的节点进入休眠状态,节约了能耗;能耗均衡策略规避了将剩余能量较少的节点选入路径,保证了ZigBee网络的可用性.对AODVjr和AP-ECB路由算法进行了仿真验证,结果表明:AP-ECB路由算法选择的路径能耗更少,同时遇到的死亡节点更少.     

基于能耗均衡的改进分簇路由算法研究

针对簇头选举随机性带来的能耗不均和通信代价问题,提出了能耗均衡的动态分区路由算法(EBDPR),在无线传感器网络的分簇阶段引入了虚拟单元格动态划分方法,并对节点设置节点ID信息用以判别各自所归属区域,使无线传感器网络(WSN)内簇的分布更为均匀,此外,根据簇内通信代价分析结果,针对因簇头选举的随机性而带来的簇内通信代价影响,引入节点能量、位置调节因子,避免节点过早失效,并降低簇内通信代价.通过与其他无线传感器网络算法仿真结果对比,验证了EBDPR算法在延长网络生存周期,均衡了网络内节点能耗方面的有效性.     

能耗均衡无线传感器网络路由算法

针对现有无线传感器网络路由算法没有考虑数据接收能耗的问题,建立了一种考虑接收能耗的网络模型,在该网络模型基础上,提出了一种能耗均衡的无线传感器路由算法。该算法针对路径传输能力进行计算,通过设置能量阈值两次简化网络,设计了一个代价评估函数来重置能耗权值,以达到网络能量均衡消耗,并将该算法与CMAX算法应用于传感器网络数据采集和传输仿真。结果表明:网络在第一个节点失效时,该算法节点数据采集和传输次数比CMAX算法延长约4 000次以上,剩余能量减小20%左右;该算法更能保证网络有较长的生存期,并且可以保证能量均匀消耗和数据可靠传输。     

基于负载均衡的Min-Min任务调度算法优化

为了解决Min-Min调度算法中存在的负载不平衡问题,提高集群系统的负载均衡性,该文提出了一种基于Min-Min极限下压算法的负载模糊分类与局部重调度算法(Load fuzzy classification and local re-schedule algorithm,LFC-LRA)。引入模糊分类的思想,根据各节点的负载大小,将节点分成三种类型:重负载、中负载和轻负载;对负载较重和较轻的节点进行重新调度,使用Min-Min极限下压算法压缩这些节点的任务完成时间,改善算法的负载失衡问题。实验结果表明:改进后的算法具有较好的负载均衡性,能有效地提高资源的利用率,降低系统的任务完成时间。     

基于菌群优化算法优化生产车间传感网能耗

为了降低制造车间传感网能耗,采用基于菌群优化的径向基函数神经网络算法对传感网数据进行融合,去除冗余感知数据并降低数据维度;首先分析传感网节点的分簇及数据传输方式,然后建立基于径向基函数神经网络的生产车间传感网数据融合模型,引入菌群算法,利用菌群算法的趋化、复制和迁徙操作对神经网络的权重进行优化,获得稳定的径向基函数神经...     

WSN中基于负载均衡的EAMCT-G优化算法

针对EAMCT-G算法中个别簇头因成员过多使其能量过早耗尽的问题,基于负载均衡的思想,通过引入能量和距离的综合权值,对簇成员加入簇的选择策略加以改进,改善了个别簇头负载压力过大的情况．又通过引入双优化阈值,避免优化后新的负载不均衡情况出现,保证各簇头负载比较均衡,能量在各个簇间均匀分布,从而延长了整个网络的生存期．     

基于适应性均衡模型的CMAES约束优化算法

提出一种基于适应性均衡模型的协方差矩阵自适应进化策略(ATM-CMAES)用于求解约束优化问题。ATM-CMAES中的CMAES利用当前代最优子群与上一代分布均值之间的关系更新协方差矩阵来调整种群分布,将协方差矩阵秩1和秩μ2种更新机制相结合,克服了传统进化算法对种群大小的过分依赖;将ATM作为约束处理技术,针对群体不可行、半可行和可行这3种不同情形,采用不同的约束违反度与目标函数值之间的均衡机制来指导群体进化。对13个标准测试函数的实验结果表明:ATM-CMAES具有通用、稳健和高效性能。     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中, 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中， 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

基于马尔可夫链的主机负载预测能耗优化算法

现代服务应用对计算能力需求的快速增长导致云计算数据中心能耗加剧,为解决数据中心能耗问题,本文提出了一种新的融合马尔可夫链和能耗感知选择策略的能耗优化算法——基于预测的能耗优化算法(Prediction based Energy Consumption Optimization Algorithm,PECOA).实验结果表明,PECOA算法在保证服务质量的前提下,能耗与基于最小虚拟机迁移时间的本地回归算法(Local Regression based on Minimum Migration Time,lr_mmt_1.2)相比降低了约11.04%,验证了本文方法的有效性.     

能耗均衡的低功耗自适应集分区路由改进算法

针对LEACH算法簇头选取不佳、网络寿命过短问题,提出一种基于分区的LEACH改进算法。该算法根据节点剩余能量、邻居节点数及距基站距离对簇头选举产生的影响,对簇头选举函数进行优化;对监测区域进行分区,不同分区采取不同的数据传输方式,减少基站附近簇头节点转发信息的负载量,有效避免基站附近“能量空洞”现象的发生。实验结果表明,相比于LEACH和LEACH-EDP算法,本文改进算法第一死亡节点出现轮次分别推迟了23.32%、18.44%,网络寿命分别延长了32.27%、21.49%。     

基于博弈论的无线传感器网络能耗均衡

传输环境的异构特性使得无线传感器网络某些节点电源过早耗尽,为解决无线传感器网络中的多个节点间的能耗均衡问题,考虑到了节点能耗异构性,通过设计效用函数并设置系统参数,并建立起基于任务调度的完全信息静态博弈模型,获取每个节点的最优发送概率.通过在异构的环境中的大量仿真测试,结果表明:与传统的两种算法相比较,博弈算法被证明能有效地均衡网络节点的能耗,并延长网络的工作寿命.     

基于萤火虫群优化的小波常模盲均衡算法

提出基于萤火虫群优化的小波常模盲均衡算法(GSO-WT-CMA),利用萤火虫群优化(GSO)算法良好的全局搜索能力来优化均衡器的初始权向量,结合正交小波变换(WT)降低信号自相关性,有效改善了常数模盲均衡算法(CMA)容易陷入局部最小值、收敛速度慢、稳态误差大等问题.水声仿真结果表明,新算法具有收敛速度快,均方误差小,能获得全局最优解等优点.     

基于蚁群优化算法的云计算资源负载均衡研究

针对云数据中心虚拟机分配物理机时存在负载不均衡的问题,提出了一种基于蚁群优化算法的资源调度算法.对问题场景进行了分析,提出了数据中心负载不均衡度以及物理机与虚拟机之间不匹配度的概念,并给出了问题的形式化描述.在蚁群算法选择概率规则中参考了用户对虚拟机资源的需求,尽量避免对相同类型虚拟机部署在一台物理机上,同时对信息素的初始化、信息素的更新进行了改进.通过CloudSim模拟平台进行仿真实验,并与其他的分配算法进行了比较,实验结果表明:该调度算法能够快速地完成虚拟机的放置,并且使云数据中心的物理机具有较低负载不均衡度,提高了资源的利用率.     

基于人工鱼群算法刨煤机比能耗最低参数优化

为了减少滑行刨煤机无用功率,提高刨煤机运行能耗利用率,选择刨煤机的刨削深度、刨刀间距、一次循环刨头采高、刨刀宽度为设计参数,以刨煤机刨削机构比能耗最低为优化目标,采用人工鱼群算法对刨煤机刨削机构进行参数优化,优化结构表明:在刨削结构刨头外形尺寸不变且结构强度满足的条件下,刨煤机刨削结构的比能耗减少了7.89%,破碎率上升了1.45%,达到了节能降耗的目的。     

基于分布式算法在WSN中的能耗最小化优化研究

如何有效利用节点能量并延长网络的生存期是研究无线传感器网络的一个核心问题.在已有的集中式算法的基础上,提出了一种分布式优化的方法,使无线传感网络中无损数据收集时的能量消耗最小化,此方法主要是通过将传输功率和压缩传输速率进行合理的配置来实现,运用拉格朗日对偶分解法,可以把能量最小化这个问题分解为能够被传感节点本身分布式解决的子问题.通过仿真结果可得,分布式算法相比集中式算法能使目标函数更快收敛从而达到能耗最小化.     

基于功率配置和关联管理的WLAN能耗优化算法

为实现WLAN节能并保证网络性能,研究并提出了一种基于功率配置和关联管理的WLAN能耗优化算法.首先,采用细粒度的能耗模型来定义AP功率,并利用整数线性规划(ILP)对能耗优化问题进行形式化描述,即通过调度射频接口的活跃/休眠状态,配置AP的信号发射功率,以及管理AP与用户的关联关系,在保证用户带宽需求的前提下,降低网络能耗.然后,提出一种高效的启发式算法,以迭代的方式选择开启的AP及功率级,并确定所关联的用户.在每次迭代中,以最大化能效的策略进行AP及其功率级的选择.实验结果表明,该算法能有效实现WLAN节能,并具有较高的运行效率,能够适用于大规模的WLAN.     

负载均衡的分布式系统任务调度优化算法

针对当前分布式系统任务调度算法存在节点负载不平衡,资源利用率低等缺陷,提出一种基于负载均衡的分布式系统任务调度优化算法.首先分析了当前分布式系统任务调度优化算法的研究现状;然后对节点的实时性能指标进行估计,并根据估计结果分配不同的任务;最后通过仿真实验与其他算法进行对比.实验结果表明,相比于经典分布式系统任务调度算法,该算法缩短了任务完成时间,使得系统各节点的负载更均衡,提高了节点资源的利用率.     

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率, 实现虚拟机资源合理调度, 提出一种基于猫群优化算法的虚拟机资源调度优化方法. 首先根据虚拟机资源调度优化目标构建数学模型; 然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数, 并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优; 最后在CloudSim平台上对该算法的有效性进行测试. 测试结果表明, 该算法能获得更优的虚拟机资源调度方案, 保证了虚拟机资源的负载均衡, 可以满足用户需求的偏好性.     

基于WSN分布式聚类均衡路由算法的优化研究

有效减少网络能耗,从而提高整体网络寿命是无线传感网领域中的关键问题,LEACH和DEBR等分簇路由算法可以初步提高网络寿命和网络延展性.研究了簇头选择、簇的形成和数据路由3个阶段,提出了一种基于能量均衡的分布式聚类均衡路由算法,通过传感节点的剩余能量、邻居个数以及簇头能耗的混合权重来选择簇头和分簇,考虑每条路径的消耗来选择最佳路径,有效改进了LEACH随机选择簇头节点和DEBR传送延迟导致的网络分割和能耗不均等问题.仿真结果表明,该算法有效平衡并降低了节点能耗,使得网络中生存节点数在相同周期内有较大提升,从而延长了整个网络的生命周期.