基于改进量子遗传算法的WSNs多路径路由研究

最优路径搜寻和能量优化是无线传感器网络(wireless sensor networks,WSNs)研究的两大关键性问题,基于簇结构的无线传感器网络模型,将改进的量子遗传算法引入WSNs网络层节能路由算法研究中,选取多条较优染色体代替一条最优染色体指导群体的进化;采用动态的量子旋转门调整策略,避免算法收敛于局部最优解;利用球面坐标角度对量子遗传算法编码,降低算法的复杂度;以路由所耗能量为优化目标,构造适应度函数。与基于传统遗传算法（genetic algorithm, GA）、标准量子遗传算法(quantum genetic algorithms, QGA)的多路径路由进行比较,实验表明,该算法比基于GA,QGA算法的多路径路由具有更低的网络能量消耗,更长的网络生存周期。     

无线传感器网络中基于遗传算法的路径优化研究

随着社会经济不断发展进步,无线传感器网络的发展也是十分迅猛的,尤其是在现代科学技术和信息技术以及互联网技术发展的过程中,对无线传感网络的发展也起到了引导作用。对无线传感网络的相关研究也是比较多的,不仅在研究的过程中提出了新的想法和措施,而且还发表了大量的研究著作,大大的促进了无线传感网络的发展和进步。本文就主要是在相关研究的基础上,基于遗传算法对无线传感网络的路径进行优化,并且在分析研究的过程中也我们也是需要考虑到一些无线传感器的节点能量的损耗以及路由的恢复时间等一些现实的实际因素,并且我们在分析研究的过程中还需要将这些因素对无线传感器网络路径的优化进行处理。正是基于这些约束条件,就对遗传算法的各个条件进行了细致的分析和研究,基于遗传算法的无线传感器网络是路径优化是有效的,而且遗传算法也能够对无线传感器网络路径进行有效的优化。     

PSO-QGA在移动机器人复杂路径规划中的应用

量子遗传算法具有适应性强、收敛速度快、适合于全局搜索的特点,粒子群优化算法的优点是具有记忆能力,在智能搜索的实现上可以结合个体和全局的最佳位置实现位置定位,但粒子群优化算法在搜索速度和择优能力方面还有待提升.因此提出了一种改进的路径规划算法,即利用量子遗传算法结合粒子群优化算法的记忆功能和最佳定位能力,实现对移动机器人路径规划算法的改进.通过仿真实验已经证明,改进后的移动机器人路径规划算法在稳定性和路径优化选择上都优于单纯的粒子群优化算法和量子遗传算法,并且改进后的算法更适合于复杂路径中实现优化.     

基于量子遗传算法的无线传感器网络路由

提出了基于量子遗传算法的无线传感器网络的路由,利用量子遗传算法的高效搜索性,得到源节点和目的节点之间存在最佳路径,从而降低网络延迟,最大限度来保证网络总体能量消耗最少,延长无线传感器网络寿命.     

基于无线传感器网络的移动机器人路径规划

提出了一种k-TSPN算法,把k-TSPN问题分成k-TSP和TSPN两个子问题来处理.首先由随机递归算法生成k个机器人路径,得到了每条路径的传感器访问顺序;然后用遗传算法在每个传感器的通信范围内寻找路径交点对路径进行优化,缩短了路径.交点位置采用角度表示,使优化的变量减小了一半;压缩了交点角度的取值范围,使搜索空间和极值点大大减少,引进小生境技术以及增加杂交个体之间的海明距离对自适应遗传算法进行了改进;提高了全局搜索的速度和搜索全局最优解的概率.仿真得到了较好的结果.     

基于量子遗传算法的WSN三维定位方法

为了减小测距误差对无线传感器网络节点定位精度的影响,本文提出一种基于量子遗传算法(quantum genetic algorithm,QGA)的三维定位方法。该算法调整参数少,简单易实现。首先通过RSSI测量未知节点和锚节点之间的距离;然后使用新的量子旋转门及旋转角度解决多维空间的局部最优问题;最后根据量子遗传算法的快速收敛性和平衡的全局与局部搜索能力进行寻优,提高无线传感器网络的定位精度、仿真结果表明:算法的定位精度、稳定性及抗干扰能力相较于最大似然法有了明显的提高。     

量子遗传算法在永磁同步轮毂电机优化设计中的应用

量子遗传算法具有种群规模小而不影响算法性能、收敛速度快和全局搜索能力强等优点。为了获得高功率密度和低成本的电动车用轮毂电机,基于量子遗传算法,针对研究设计的一种外转子永磁同步轮毂电机,以电机有效质量、材料成本和功率损耗为优化目标,建立了包含8个设计变量和5个约束的数学模型,对电机进行优化设计。研究结果表明:永磁同步轮毂电机有效质量、材料成本和功率损耗降低,效率特性提升,有限元分析结果与量子遗传算法计算结果接近,能满足电动车对驱动轮毂电机的使用要求,因此,量子遗传算法对于轮毂电机优化设计是有效可行的。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向.将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型.仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能.     

基于量子退火算法的无线传感器网络节点定位

经典模拟退火、遗传算法等是无线传感器网络节点非测距定位广泛使用的方法,但是它们都存在:①容易陷入局部最优,难以实现全局最优,定位精度不高;②计算较复杂,能耗较多等问题.提出了基于量子退火算法的无线传感器网络节点定位方法,利用量子隧穿效应,可以较快地穿透能量势垒由局部最优到达全局最优,简化了计算,提高了计算速度.通过仿真实验验证,该算法与传统的遗传算法和经典模拟退火算法相比,提高了精度,降低了能耗.     

基于量子遗传算法的无线传感网络路由优化

考虑到无线传感网络(WSN)传感器节点的能量有限性,分析了WSN的网络模型和能量模型,提出一种基于改进量子遗传算法的路由优化算法.利用复杂连续函数测试,验证了算法的性能和可行性.经仿真分析,证明该算法应用于WSN路由优化问题时,能更快速和更稳定地求解最小能量代价的数据传输路径,从而减少WSN传感器节点的能量消耗,延长整个WSN网络的使用寿命.     

考虑节点能量消耗的无线传感网络平衡路由算法设计

传统方法设计无线传感网络路由中,往往忽略了节点的能量消耗以及不同节点能耗的差异性,导致出现节点分布不均匀、路由平衡度较差、整体开销成本较大、能耗高等问题。为此,提出了考虑节点能量消耗的无线传感网络平衡路由算法。构建节点能耗模型,建立无线传感网络梯度和传感器节点之间的信息素,结合蚁群算法求解整体能耗模型,实现无线传感网络平衡路由的算法设计。实验结果表明,所提方法可提高无线传感网络中节点的均匀分布能力,降低整体能耗开销,减少能量消耗,有效实现无线传感网络平衡路由的算法设计。     

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BQPSO的无线传感器网络节点调度算法

在多目标跟踪中,要求无线传感器网络在满足跟踪精度的前提下,最大限度地降低对传感器资源的使用。基于这一目的,适当选择节点避免共线度过高,并采用APIT实现精确定位,同时考虑跟踪簇总能耗设计节点调度目标函数,采用二进制量子粒子群优化算法解决传感器资源冲突问题。仿真结果表明:虽然基于BQPSO的节点调度算法比基于PSO的节点调度算法在能耗上增加了17.47%,但定位精度可以提高31.84%。算法在提高定位精度的同时最大限度地降低了对资源的使用,有效延长了无线传感器网络的工作寿命。     

基于基因位迭代映射的无线传感器网络能量优化分簇算法

摘要：针对无线传感器网络的节点能量利用率和网络寿命问题,引入一种基因位迭代映射思维进行改进,并构造新的无线传感器网络能量优化分簇方案生成方法,在此基础上提出了基于基因位迭代映射的无线传感器网络能量优化分簇算法。该算法将无线传感器网络节点路由能耗优化问题转化为网络系统簇内节点最优能耗进化激励的解空间最优解搜索问题,然后利用基因位长度自适应编码和迭代映射的进化算法进行候选解搜索,最后输出具有最优能耗的节点通信路径和簇头的下级跳节点。实验结果表明,该算法高效可行,能量均衡和优化能力较好,有效的降低了节点的能耗,延长了网络生命周期。     

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.     

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.     

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.