基于Gossip算法的无线传感器网络时间同步

将Gossip算法用于实现无线传感网络的分布式时间同步,提出单Gossip同步算法和多Gossip同步算法,解决传统无线传感器网络时间同步算法中存在的计算复杂度高和同步收敛速度慢等问题.单Gossip同步算法首先利用构造生成树算法得到一个生成树,然后,依次对生成树每条边的两节点时钟信息进行Gossip运算,反复循环,最终可使网络各节点的时钟信息收敛于它们初始时钟信息的平均值.多Gossip同步算法对生成树进行边染色,相同染色的边可以同时进行Gossip运算.这2种同步算法减小了消息交换数,降低了计算复杂度,提高了同步的收敛速度.用随机矩阵理论和图论进行了理论证明,通过计算机仿真对理论分析进行了数据验证.     

基于CSD量化编码的FIR滤波器优化设计

目的 针对ADC设计中滤波器功耗过大,遗传算法收敛速度慢,以及遗传算法操作可能破坏CSD编码要求等问题,对FIR滤波器设计进行优化研究.方法 采用CSD(canonic signed digit)编码控制加法器数量,通过改进遗传算法交叉、变异等操作提升算法收敛速度,对FIR滤波器进行有限精度优化设计.结果 优化算法可在降低功耗的同时,可有效减小通带波纹.加快寻优速度.算法应用于级联滤波器设计,可使其通带纹波大部分抵消.结论 给出基于CSD编码的FIR滤波器优化设计方法,以及遗传算法收敛速度慢,交叉、变异破坏算法编码要求的简明处理方法.仿真结果表明优化算法是有效的.     

实数编码遗传算法的改进及并行化实现

针对实数编码的遗传算法容易掉入局部极值、收敛速度慢等缺点,提出一种改进的实数编码的遗传算法,并对其进行了基于GPU的并行化实现.通过4个典型的遗传算法性能测试函数进行测试,结果表明,改进后的算法可以有效地跳出局部极值点,并能加快算法的收敛速度;在求解复杂的高维函数时,并行化后的改进算法可以显著减少算法的运行时间.     

一种基于混合智能体系统的Flocking算法

对由多个具有二次积分动态、通信半径不同的智能体组成的混合群体跟随领航者取得flocking运动进行研究.针对不同智能体的通信半径存在个体差异这一现象,提出一种分散控制算法.该控制策略能够保证混合智能群体跟踪一个速度固定的虚拟领航者,形成紧凑、无碰撞的队列且各智能体的速度最终收敛于领航者的速度.最后给出了算法可行性的理论分析,并针对20个具有不同通信半径的智能体跟随一个速度固定的虚拟领航者的情形给出了计算机仿真,验证了算法的可行性.     

基于不完备信息系统的分配约简的启发式算法

研究了不完备信息系统下的属性约简,基于相容关系提出一种遗传算法的分配约简算法,算法编码采用了二进制一维编码形式,比较适合地表达了遗传算子.为了加快算法的收敛,在适应值函数中引入了惩罚函数,可以保证所求约简既含较少属性又有较强支持度.在交叉规则中,采用了单点交叉,最大迭代代数被作为停止准则,算法获得较佳的搜索效果.通过实例分析,可以证明该算法是求解知识约简问题的快速有效方法.     

基于克隆选择算法的优化迭代学习控制

将改进的克隆选择算法用于求解迭代学习控制中的优化问题,提出一种基于克隆选择算法的优化迭代学习控制.通过一个特殊设计的高斯变异操作,采用实数编码的克隆选择算法不但可以解决迭代学习控制中的非最小相位和非线性问题,而且可以很好地处理系统输入的约束问题.此外,由于更多的先前信息被编码进克隆选择算法中,减小了搜索空间,从而大幅提高了算法的收敛速度.仿真结果表明,对于所选线性和非线性被控对象该策略都能够取得满意的收敛效果.     

一类基于最小二乘法的声发射源组合定位算法

介绍了声发射源时差定位方法的基本原理及其常用的声发射源定位方法.针对声发射源三维定位常规算法中初始值的选取影响算法收敛速度和定位精度的问题,充分利用最小二乘算法的估计特性,改进定位算法,提出一类基于最小二乘法的Geiger优化迭代组合定位算法.数值仿真算例表明:该方法能有效解决迭代法的初始值问题,保证算法的收敛并且提高迭代算法的收敛速度.     

具有遗传特性的粒子群优化算法及在非线性盲分离中的应用

粒子群优化算法是一种新的基于群智能的随机优化进化算法.文章将变异和交叉思想引入到粒子群优化算法中,其基本思想是利用粒子群优化算法每次迭代的最优粒子位置及速度为基础对部分粒子进行变异,然后对变异前后粒子的分量进行随机交叉操作,从而产生新一代粒子群.通过这种处理使得粒子群体的进化速度加快,从而提高了算法的收敛速度和精度.该算法应用于盲信号分离中而获得一种非线性盲信号分离算法.计算机仿真结果表明该算法的收敛性能优于粒子群优化算法,并且在非线性盲信号分离中是有效的.     

Lyapunov方程迭代解的指数收敛性

对于在状态估计和多传感器信息融合领域遇到的Lyapunov方程,用矩阵理论证明了Lyapunov方程迭代解的指数收敛性,且证明了收敛速度被Lyapunov方程中的两个矩阵的谱半径决定。当谱半径明显小于1时,可实现得到Lyapunov方程解的快速算法。     

基于神经网络控制的共轭梯度法

共轭梯度法中搜索步长是通过某种搜索策略得到,许多情况下的收敛速度较慢.为了加快其收敛速度,提出了通过引入具有“先验知识“的神经网络对共轭梯度算法中的搜索步长进行控制.实验结果表明,该模型实现的共轭梯度法对于加快收敛速度有效.     

非线性互补问题的改进超松弛迭代算法

运用松弛迭代算法与矩阵分裂理论,提出了求解非线性互补问题的改进超松弛迭代算法.这类算法设计了两个参数:第一个参数控制了迭代阵的谱半径,从而使算法收敛,适当选取第二个参数,加快了算法的收敛速度.在一定条件下证明了算法的全局收敛性.     

农业大棚应用环境下网络能耗算法的最优化分析

在传感器网络能耗算法基础上,以农业大棚为背景,通过调节传感器的位置与感知半径对一定体积空间内总能耗最优化问题进行分析.利用传感器改变自身半径所消耗的能耗与传感器在不同半径通信时所消耗的能耗之和来计算总能耗,结合不同传感器个数及不同通信半径情况,分析不同大棚体积内节点能耗的最优化问题.通过对不同传感器节点情况下的分析、对比,证明该算法在不同体积农业大棚环境下,很好地解决能耗消耗问题.     

GVGBC:全视图情形下基于Gossip协议的拜占庭共识算法

共识算法是区块链技术的一个核心组成部分,但现有的共识算法还存在某些不足.针对基于Gossip协议的拜占庭共识算法(GBC算法)的局限性,提出了一种基于全视图通信情形下的GBC算法——GVGBC算法.通过改进通信方式、数据结构和内部算法,使系统快速实现分布式节点间的数据更新和共识达成.通过实例依次证明了GVGBC算法的3个优点:节点间通信的轮数降为一轮;单节点对错误信息不会多次叠加;减少了系统承担的数据量.总之,在通信可靠的情况下,GVGBC算法减少了节点数据更新所需要的通信轮数,减少了系统承担的数据量,从而提高了算法的性能.     

基于编码辅助和过采样的成对载波多址信号盲分离算法

针对对称通信模式下成对载波多址(PCMA)信号的非协作盲分离和解调问题,提出了一种基于编码辅助与过采样相结合的信号盲分离算法.针对两路正交相移键控(QPSK)信号叠加的情况,推导了过采样条件下的信道参数估计表达式,利用加权递归最小二乘法提高信道参数估计的收敛速度,利用编码辅助降低计算复杂度和误码率,以改进已有的逐幸存路径(PSP)算法,并提高低信噪比条件下的信号分离性能.仿真结果表明,与无编码辅助和过采样的信号盲分离算法相比,所提出的基于编码辅助和过采样的算法可使误码率降至20dB.     

一种改进的遗传算法及其在结构优化设计中的应用

通过对遗传算法的二进制编码和实数编码的机理分析,结合2种编码的优点,从工程结构优化实际问题出发,提出了一种可以任意控制离散度的改进实数编码遗传算法.该算法利用实际工程结构问题中对尺寸设计变量精度要求的放松,在编码过程中加上"隐约束",缩小了搜索空间,减少了结构重分析次数,提高了收敛速度.该算法的优点是可以根据实际问题的需要任意选择变量的精度.实例计算表明,该算法对复杂结构的优化设计是有效的.     

无线传感器网络中基于双向分工蚁群的QoS路由算法

无线传感器网络中的Qos路由虽能提供有保证的差别服务,但却是一个NP完全问题,而蚁群算法能有效解决该类问题．针对基本蚁群算法在无线传感器网络QoS路由应用上收敛速度慢和易陷入局部最优解的不足,提出了一种基于双向分工蚁群的QoS路由算法．该算法通过采用局部更新与全局更新相结合的规则,并使用双向分工蚁群搜索机制有效提高收敛速度,从而获得全局最优解．仿真结果表明,该算法能快速获得有效的QoS路径．     

引入随机子群蚁群算法的JSP仿真与研究

针对标准蚁群算法易于出现早熟停滞等缺陷,在原有算法基础上引入一定比例的随机蚁群.在优化过程中随机蚁群以一定概率做随机搜索,以扩大了解的搜索空间;在信息素更新策略上,为了兼顾当代和历代的搜索成果,采取了信息素混合更新策略,同时增强随机子群的最佳路径信息及剩余全部蚁群路径信息,有效抑制了收敛过程中的早熟停滞现象,提高了算法收敛速度.通过典型作业车间调度问题(JSP)实例进行了仿真实验,表明该算法不仅能够克服早熟现象,而且能够加快收敛速度.     

基于网络编码的无线传感器网络广播节能算法

针对无线传感器网络中多汇聚节点同时向网络中广播不同查询信息所带来的多余能量损耗问题,提出了一种利用网络编码技术在部分传感器节点对数据包进行编码一转发的广播节能算法,节点是否参与编码转发依赖于本地邻居节点的信息,接收到编码包的节点对数据包解码即可恢复出原始信息.仿真结果表明,依网络规模和节点密度不同,该算法有效减少广播中...     

求解最短路径路由蚁群算法的改进

针对标准蚁群算法易于出现早熟停滞等缺陷,在原有算法基础上引入一定比例的侦查蚁群.在优化过程中侦查蚁群以一定概率做侦查搜索,以扩大解的搜索空间;在信息素更新策略上,为了兼顾当代和历代的搜索成果,采取了信息素混合更新策略,同时增强侦查子群的最佳路径信息及剩余全部蚁群路径信息,有效抑制了收敛过程中的早熟停滞现象,提高了算法收敛速度.通过对最短路径路由算法的仿真实验,并与标准蚁群算法进行性能比较,结果表明该算法不仅能够克服早熟现象,而且能够加快收敛速度.     

无线传感器网络中的能量有效空时分集算法

为了有效利用协作分集和选择分集提高无线传感器网络的能量效率,通过结合空时编码和选择合适的发射、接收协作节点,提出了适合大量节点协作的节点选择空时编码算法。通过分析总能量消耗中发射能量消耗和电路能量消耗与发送距离之间的关系,提出了继承多种分集算法优点并适用于网络拓扑动态变化的广义节点选择算法。仿真表明,提出的两种空时分集算法能够有效地提高无线传感器网络的能量效率,从而延长无线传感器网络的寿命。