动态联盟中盟员选择的评价体系及优化决策研究

动态联盟是 2 1世纪信息社会生产的主流组织形式 ,选择和确定联盟伙伴是建立动态联盟伙伴是建立动态联盟的关键环节之一 .盟员的正确选择对提高联盟企业的总体竞争力有着极其重要的作用 .在构建动态联盟盟员的实施评价体系基础上 ,提出一个修正的AHP算法 ,并利有该算法对盟员的优化决策进行了定量研究 .     

考虑风险的模糊Shapley港航联盟收益分配

针对盟员投入不确定会导致联盟收益模糊性问题,提出模糊Shapely收益分配策略.构建不同竞合情形下的合作博弈双层规划模型,以模型输出结果构造三角模糊数支付函数,并进行模糊Shapely收益分配.考虑盟员面临的风险程度不同,运用模糊层次分析法测算成员的风险因子,并基于该因子对模糊Shapely收益进行修正.算例结果表明,新策略满足联盟形成机制,同时保证收益分配更加科学合理.提出的分配策略解决了联盟收益不确定性时收益分配不合理的问题.     

基于遗传算法的动态联盟伙伴选择过程及优化模型

动态联盟中的伙伴选择和优化是动态联盟组建过程中的一个关键问题。该文对动态联盟中伙伴选择问题的复杂性进行了分析 ,指出已有定量方法存在的局限性 ,在对伙伴选择过程进行数学描述的基础上 ,提出了一个基于遗传算法的联盟伙伴选择优化模型 ;并对该模型的算法进行了设计和改进 ,最后给出了一个典型算例 ,以说明该模型和算法的有效性。     

基于自适应遗传算法的网络化制造盟员选择研究

针对网络化制造中动态联盟盟员选择优化问题,分析了盟友的评价指标体系,建立了盟友选择的多目标优化模型,并在此基础上提出一种自适应遗传算法.该算法设计了自适应交叉和变异概率, 使其在遗传过程中根据适应度自动选择, 从而使群体中每个个体对环境的变化具有自适应调节能力.通过保持迭代过程的最优解, 加快了搜索速度, 并保证收敛于全局最优解.     

遗传算法与传统优化方法应用于电力负荷建模的比较研究

将遗传算法应用于电力系统综合负荷建模．以三阶感应电动机为综合负荷模型,以待辨识参数为未知向量,以系统实测与模型响应误差平方和为目标函数;以随机初始种群为基础进行交叉一变异一选择运算并产生下一代种群;通过若干代进化即可获得具有足够精度的辨识结果．通过实验数据将遗传算法与传统模式搜索算法的建模结果比较,表明遗传算法所得模型的描述精度比模式搜索法高10倍,其模型参数呈现很好的稳健性,从而有效地克服了传统优化方法的模型参数分散性。     

基于遗传算法寻优的PID控制与仿真

目的:本文中介绍了遗传算法和基于遗传算法寻优的PID控制设计。方法:采用误差绝对值时间积分性能指标作为参数选择的最小目标函数,利用遗传算法的全局搜索能力,使得在无须先验知识的情况下实现对全局最优解的寻优。结果:并将结果与常规的PID控制方式进行比较,通过MATLAB仿真结果表明。结论:根据遗传算法寻优设计的PID控制器具有较好的动态品质和稳态精度。     

网络化协同工作联盟的组建策略

实现敏捷制造的一个关键就是组建联盟制造企业。文章首先分析了企业资源要素及其需求，利用资源指数概念和模糊综合评判的方法，建立了基于企业资源要素的资源模型。讨论了企业之间建立协同工作联盟的过程及其机制。并利用COBRA技术的多层次网络体系结构，给出了组建协同工作联盟的网络通讯框架。结合企业资源需求，给出一种资源优化的盟员选择策略。     

基于模糊层次分析方法（F—AHP）的盟员优化选择算法

为了解决敏捷制造（ＡＭ）中组织动态联盟时的盟员选择问题,提出了一种基于模糊层次分析方法的盟员选择算法,首先根据ＡＨＰ方法确定模糊评价矩阵和权重矢量,再通过模糊运算求出决策矢量,最终实现对侯选盟员的排序和盟员选择。     

基于企业核心能力的动态联盟评价体系研究

在研究基于企业核心能力的制造资源综合评价模型、综合评价指标体系和模糊综合评价算法的基础上,构建动态联盟评价指标体系;提出了应用模糊综合评价算法对动态联盟评价体系,形成基于模糊算法的动态联盟制造资源综合评价模型和算法。它减小了编程量,并可根据实际需要,不断提高评价精度。     

基于GA和PS的不同权重的半变异函数球状模型优化算法研究

为了精确描述适用于区域化变量理论的自然现象的空间随机性和结构性,运用遗传算法和模式搜索法分别对不同权重的半变异函数球状模型进行了优化,并进行了对比分析,得到结论:权重基于滞后距倒数的优化算法比基于采样点对数的优化方法具有更好的拟合精度。     

融合信任机制和HBMO算法的WSN能耗均衡分簇方法

针对无线传感器网络(WSN)中的能耗和安全问题,提出一种融合蜜蜂交配优化(HBMO)算法和轻量级信任机制的WSN分簇方法(LWT-HBM).首先,将WSN分成若干个小区,通过HBMO算法选择各自最优的簇头;然后,构建分簇结构,根据簇头和基站的距离设置簇的大小.在簇头能量消耗殆尽前,会利用HBMO选择替代簇头,以此均衡网络能源.在选择簇头的同时,融入轻量级信任机制,根据直接信任和间接信任值来评估节点的可信任度,避免恶意节点被选择为簇头.同时给出了一种精确能耗模型用来计算系统的整体能耗.通过实验将此方法与LEACH和TBCMA方法进行比较,结果表明LWT-HBM方法具有更低的能耗,有效的延长了网络寿命.     

基于阶梯式拓扑结构的WSN半动态路由算法

针对全动态路由算法随着网络规模的增大其拓扑管理能耗剧增的不足,提出一种半动态路由算法.该算法创建了以簇为基本单元的阶梯式网络拓扑模型,根据无线信道传输模型确定簇的覆盖并建立簇到基站的多跳梯度场,在梯度场中采用有序、定向的数据传送方式,实现信息以链路最短的距离向基站汇聚,并在簇内创建了一套簇头轮转机制,以实现簇内能耗平衡.对该算法能耗的定量分析和具体场景的仿真结果表明,该算法大大减少了拓扑管理和数据传送过程中的通信能耗,尤其是随着网络规模的增大,与LEACH算法相比具有明显的节能效果.     

无线传感器网络中改进的EEUC路由协议

基于对无线传感器网络LEACH(low-energy adaptive clustering hierarchy)协议与EEUC(energy-efficient une-ven clustering)协议的研究,针对EEUC协议中存在的候选簇首选择未考虑当选最终簇首次数、下一跳簇首选择主要考虑网络能量开销指标和频繁构造簇浪费能量问题,提出了改进的EEUC(improved-EEUC,I-EEUC)协议。I-EE-UC协议中,借鉴LEACH协议中簇首选择策略对EEUC协议中候选簇首选择进行改进,并且在选择下一跳簇首时综合考虑网络能量开销指标,下一跳簇首剩余能量与簇内成员数目等因素。为减少传输控制信息能耗且不降低网络能量效率,采用每2次数据收集后重新构造簇。仿真结果表明,新改进的协议让节点轮流担任最终簇首,有效地均衡了网络中节点的能耗,延长网络的存活时间。     

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.     

基于混沌遗传算法的无线传感器网络改进LEACH算法

针对传统LEACH协议及其改进方法能耗过高和负载不均衡的问题,提出一种采用混沌遗传算法最小化无线传感器网络能量消耗的算法CGA-LEACH.该算法通过构建新的考量能耗和负载的适应度函数,采用条件约束的混沌映射生成实数编码染色体,并用混沌遗传选择、交叉和变异操作提高收敛速度,找到最优簇头,从而形成分布均匀、能耗和负载均衡...     

基于改进的AP和遗传算法的能量感知分簇路由协议

针对无线传感器网络中存在的节点能量受限问题, 提出一种结合近邻传播算法(AP)和遗传算法的分簇路由协议(EAPGA). 该协议首先根据剩余能量、 节点间距离、 节点到基站的距离和节点中心度确定最优簇头; 然后在信道选择上, 通过簇头之间能耗偏差构建适应度函数, 并且利用遗传算法对每个信道进行寻优. 实验结果表明, 该协议保证了能量平衡和负载平衡, 使网络寿命达到最大化.     

改进LEACH的传感器网络分簇路由算法

针对当前无线传感器网络分簇路由算法存在的节点能耗不平均、 节点过早死亡等缺陷, 提出一种改进低功耗自适应分簇(LEACH)的无线传感器网络路由算法. 首先针对无线传感器节点过早死亡的问题, 引入簇半径动态确定方式, 将整个无线传感器网络划分为多个不均匀的簇; 然后考虑簇首能量消耗过快的问题, 结合簇首所在位置和节点剩余能量选择每轮中的簇首; 最后改进数据传输机制保证节点能量消耗均衡, 并在MATLAB 2014平台上对无线传感器网络分簇路由算法的性能进行测试. 测试结果表明, 改进LEACH算法较好地解决了节点过早死亡的难题, 延长了无线传感器网络的寿命, 平衡了各节点能量消耗, 整个无线传感器网络的性能显著优于其他对比算法.     

基于移动预测的集群组网分簇路由协议

针对无人机集群组网中拓扑结构更新快、网络通信效率低的问题,提出了基于移动预测的分簇算法MPC,并提出了一种分簇路由协议MPC-R。灰色-WNN联合预测模型的基础上,通过将预测结果运用在方向、速度、位置评价因子上,得出移动状态评价因子。综合计算移动因子和链路保持时间进行簇头选择,路由协议簇间采用被动路由发现机制,簇内采用主动路由发现机制。通过仿真,对预测准确性、分簇算法、路由协议进行验证,结果表明:WNN提高了预测的准确性,分组投递率提高了3%～4%。该分簇算法延长了簇头持续时间和平均链路保持时间,能够提高分簇稳定性。相应的路由协议与其他同类协议相比降低了端到端时延,提高了数据包分组投递率和路由性能。     

基于动态可调簇的无线传感网络能量感知数据存取算法

针对无线传感网中数据收集、存储和查询的需要,提出了一种基于动态可调簇的能量感知数据存取算法ACEDBA(Adjusted Cluster-based energy-aware Data Brokerage Algorithm).该算法将网络节点分成许多簇结构,簇内节点负责数据采集,簇首节点负责簇内数据的收集、汇聚和转发,数据可以集中存储,也可以分布存储在各簇首节点或本地存储.算法引入能量分级消耗机制,可动态选择和调整簇首节点,保证各簇首节点簇内数据存储和簇间数据转发查询的能量平衡.实验结果表明,与典型数据存取算法相比,该算法的节点能耗均衡、生命周期和查询成功率方面具有优势.     

基于距离和分布的无线传感器网络分簇算法

考虑随机分布节点的剩余能量以及节点相对基站的位置,针对基站位置的非均匀无线传感器网络,提出了一种基于节点位置和分布密度的多跳自组织分簇算法．该算法在分簇准备阶段,根据节点分布密度和相对基站的距离确定分簇的半径,均衡分簇能耗;在簇头选举阶段,利用节点的剩余能量和节点连接密度信息,选择最优的节点成为簇头;在分簇建立阶段,限制分簇跳数,有效降低簇内通信量．通过一系列的仿真实验,验证了算法在节点均匀和非均匀分布情况下均能取得较好的性能,建立更为均衡的分簇结构,显著提高网络生存周期．