基于LBS的最优出行路径算法的研究与应用

文章是基于LBS移动二次定位位置服务平台进行最优出行路径的研究.研究的目的是在LBS移动定位平台上实现基于出行者决策的最优路径选取,对人们选择最佳出行路线进行导航;在最优出行路径方面将问题分为最短路径算法和路径的权值2个问题;在最短路径算法方面选取了Dijkstra算法,并采用分层搜索、动态限制搜索区域算法对Dijkstra进行辅助,提高算法响应速度;在路径权值的确定方面,采用基于出行者决策的理论模型,对该决策算法进行适当调整,对路径权值重新裁定.     

IPv6的宏、微移动协议的性能及最优区域大小的求解

通过研究IPv6的宏移动协议(MAMP)与微移动协议(MIMP)的性能,定量地指出了只有当区域大小增至某一程度时,MIMP才能比MAMP取得更好的注册性能,而MIMP比MAMP多付出的分组传输代价与区域大小密切相关并随其增加而增加.定义总代价函数为MIMP相对MAMP所获得的平均注册性能收益与多付出的平均分组传输代价之和,提出了最优区域大小的求解算法.所求的最优区域大小可使总代价函数最小,从而使MIMP以尽可能低的分组传输代价获得尽可能高的注册性能收益.分析指出:当移动主机(MH)在接入路由器的平均驻留时间以及MH的平均分组到达率增加时,总代价值增大而最优区域大小减小;当MH的当前网络和家乡网络的距离增大时,总代价值减小.     

基于分组光纤被动星型网的FFT算法及其选路

通过分析两类特殊置换———组内置换和组置换的特征 ,利用这两种置换存在无冲突路由算法的特性给出了FFT运算在分组光纤被动星型网上的实现及其路由算法 .在适当分组的情况下 ,本算法在n个处理器的分组被动星型网上计算n点FFT的总通信开销为T =2logn 1个时间片 ,此时硬件上需要n个连接器和 2n n个发送器和接收器 ,算法的时间代价和硬件代价平衡 ,算法性能达到最优 .     

基于代价敏感系数的混凝土抗压强度预测

针对传统自适应增强学习算法训练过程中只关注预测误差率最小的缺陷,本文提出了一种基于代价敏感系数的改进自适应增强学习算法并应用于混凝土抗压强度预测。首先考虑影响混凝土强度的8种参数作为特征变量,通过自适应增强学习算法集成回归树,依据样本权值抽样建立多个弱回归学习器。同时引入线性敏感系数与指数敏感系数来优化增强学习过程中样本权值的更新问题,采用引力搜索算法对代价敏感系数的基数进行最优选取。最后,根据权重比集成弱学习器得到最终预测模型。通过对所提出的两组不同代价敏感系数组合策略下的预测模型与随机森林、BP神经网络算法等模型的预测结果进行对比分析,验证了所提预测模型具有更好的预测性能。     

基于网格分组和属性权值的相似重复记录识别算法

针对在处理海量数据时,传统的相似重复记录识别方法具有检测效率不高、检测精度较低等缺陷,提出了一种基于网格分组和属性权值的相似重复记录检测算法。该算法采用分而治之的思想,使用网格法将海量数据进行分组,并为各属性设立相应的权值,然后进行相似重复记录的识别。理论分析和实验表明,网格分组有效减少了记录之间的比对次数,基于属性综合权值的方法更加准确反映各属性对记录的贡献度,两者结合能够有效解决大数据的相似重复记录的识别问题。     

链路优化时延约束组播路由的遗传算法

针对网络的瓶颈路径易造成网络拥塞的现象,分析了链路负载不平衡的原因,重新给出链路代价定义,提出一种遗传算法求解该类组播路由问题.算法从链路代价权值转化开始,以满意的时延树为遗传算法的初始解集,然后在交叉操作过程中不断地用低链路代价的边代替树中高链路代价的边,以求得满足链路代价最优的组播树.仿真结果表明,该算法在考虑网络的负载均衡情况下,选择链路代价较低的空闲路径,快速、有效地构建满足时延要求,链路代价最小的组播树.     

惯性权值和学习因子对标准PSO算法性能的影响

基于标准PSO算法,通过分析惯性权值和学习因子2类参数不同的取值策略对常用测试函数优化结果的影响,来探究2类参数对算法性能的影响.实验结果表明,2类参数恰当的动态改变不仅能明显提高单峰函数的寻优精度和收敛速度,而且能提高双峰和多峰函数的寻优概率;惯性权值主要影响算法的收敛速度,随着惯性权值的递增,算法收敛速度逐渐加快;学习因子主要影响算法的寻优精度,当反映粒子的自我学习能力和向群体最优粒子学习的能力的学习因子同增同减变化时,寻优精度提高;惯性权值递增结合2种学习因子的同增同减变化,或惯性权值递减结合2种学习因子的一增一减变化,均可使标准PSO算法性能得到显著提高.     

采用多目标差分进化的移动Ad Hoc网络节能路由算法

为了在节点的能量消耗和最优路由之间找到一个平衡,根据多目标差分进化算法原理,提出一种基于多目标差分进化的移动Ad Hoc网络节能路由算法.该算法把路由代价和网络生存时间作为2个优化目标,采用适应值变换的约束处理技术、非支配排序和拥挤距离技术进行优化.在优化过程中,提出适合差分进化算法的变异、交叉和选择策略.结果表明:该算法在网络生存时间和最优路由方面具有较好的优势,并保证了较高的包传递率.     

LTE系统基于移动用户分组的切换优化

针对长期演进(long term evolution,LTE)网络中由于用户移动速度不同导致系统切换失败率高的问题,提出了基于移动用户分组设置切换参数的优化方案.建立了用户移动模型,利用用户参考信号强度值来估算用户移动速度;利用遗传算法的编码、选择以及交叉变异3个步骤对移动特性相似的用户进行分组,得到不同的分组速度,对不同分组的用户设置不同切换参数.仿真结果表明,该优化方案可以获得良好的鲁棒性,减少了无线链路失败率和切换失败率,降低了用户掉话率.     

基于加权的具有相同移动特性的车载自组网分簇算法

针对战场环境下通信质量较低的问题,提出了一种基于加权的具有相同移动特性的车载自组网分簇算法。首先通过对移动节点的速度相似度和距离相似度进行计算,将具有相同移动特性且距离相近的节点分为同一个簇,并设置每个分簇中簇成员的最大阈值;计算移动节点的速度因子、距离因子和平均链路维持率,并在分簇中对每个移动节点的这3个因素进行加权,选取权值最大的作为首要簇头,权值第二大的作为次要簇头,首要簇头失效时次要簇头充当主要簇头角色,且主要簇头给每个成员分配了TDMA时隙,提高了通信质量。仿真实验结果表明:与WCA算法和WBACA算法相比,该分簇算法在簇结构的稳定性和分组投递率方面都有较大的改善。