基于逻辑分区的仿箱鲀鱼群负载均衡分簇控制算法

为实现水下仿箱鲀鱼群体协同控制, 并降低网络节点间负载的不均衡性导致的能量损耗, 提升群体续航能力, 提出一种基于逻辑分区的负载均衡分簇控制算法. 首先实现局部快速分簇, 减少节点间维护报文数量, 降低系统整体开销; 然后基于簇内逻辑分区策略, 实现监测、 保障和侦察多区域协同控制, 并结合最小响应时间整编零散鱼群, 优化网络控制体系的同时提高组网灵活性; 最后在维护过程中采用区域节点角色转换机制, 实现网络负载均衡. 通过仿真分簇实验验证了算法的有效性, 并结合网络能量消耗、 网络生命周期和能量均衡性3个指标验证算法的可行性.     

综合负载均衡与能量消耗的无线传感器网络分簇算法

针对目前无线传感器网络分簇算法的能耗不均衡、网络生命周期短等问题,设计一种综合负载均衡与能量消耗的无线传感器网络分簇算法.首先根据传感器节点与基站节点间的距离,将节点合理划分到相应的簇中;然后引入负载均衡因子,建立无线传感器网络的数据聚合路由,节约数据传输能量;最后采用MATLAB2014工具箱进行性能分析.结果表明,该算法的节点能量利用率较高,能保持传感器节点能量消耗的均衡,且网络生存时间较长.     

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.     

大规模卫星集群网络自适应加权分簇算法

针对平面管理结构在大规模卫星集群网络中的缺点,提出了一种自适应分布式加权分簇算法（adaptive distributed weighted clustering algorithm,ADWCA）,该算法根据卫星网络运行的可预测性,在初始化阶段由地面计算各卫星节点综合权值并划分簇首和成员节点,完成之后上注到星上,之后集群中卫星节点根据邻居及自身信息完全分布式地执行维护进程.仿真分析表明,与最小标识优先分簇算法和最大连接度优先分簇算法相比,该算法生成的簇结构具有更少的簇数量、良好的稳定性,且能够有效均衡簇头节点的负载.      

负载均衡算法综述

概述了负载均衡面临的三大问题,根据实现层次不同,对负载均衡技术进行了分类,从应用范围、运行原理的角度出发,重点分析并比较了8种基本的负载均衡算法,对负载均衡技术的未来发展趋势进行了展望。     

基于内容的Web集群系统负载均衡策略

Web集群技术解决了Web服务器系统容量问题，其核心思想是负载均衡策略和算法。传统的策略对某些站点类型有效，而不能满足各种类型站点的要求。笔者分析了各种类型站点的负载特点，讨论了负载均衡需要解决的主要问题，提出了一种基于内容的Web集群负载均衡策略和相应的负载均衡算法，并通过仿真实验验证了该策略和算法的有效性。     

基于簇的可动态调整的分层负载均衡算法

为了提高分布式系统的性能,设计了能根据节点当前任务负载强度和调度能力,动态地改变集群的逻辑控制结构的2层负载均衡算法.算法把系统中的节点分成多个簇,每个簇有1个调度节点和若干个工作节点,簇内工作节点形成算法的第1层,执行用户提交的任务;簇间的调度节点形成算法的第2层,调度节点间通过相互协作,均衡簇间的负载.算法可以通过分裂簇增加调度节点的方式来提高系统的调度能力;通过合并簇增加工作节点的方式来提高系统的执行能力.对于不同类型任务,算法能根据任务到达流的速度调整逻辑控制结构,从而提高CPU利用率.测试结果表明,该算法不仅能提高系统性能,而且经过调整后的系统会进入稳定状态.     

无线传感器网络分区能耗均衡的非均匀分簇算法

针对在无线传感器网络中分簇算法采用多跳通信方式时,靠近汇聚节点的簇头节点由于转发大量数据而导致自身能量消耗过快且节点易失效,从而造成网络分割,形成"热区"的问题,提出了一种新颖的基于分区能耗均衡的多跳非均匀分簇算法(CEB-UC).其核心思想是:将传感器网络合理分区,使得在靠近汇聚节点分区内的簇数量较多,各簇内传感器节点数较少;在远离汇聚节点分区内的簇数量较少,各簇内的传感器节点数较多,从而保证承担数据中继转发任务的簇头节点能减少自身的簇内通信开销,节约的能量可供簇间数据转发使用;任意分区的簇头节点在选择下一跳中继节点时可综合考虑候选节点的位置及剩余能量.实验以HEED、LEACH、PEGASIS、EAR-ACM等协议为参照,结果表明,当节点使用不同的数据融合策略时,CEB-UC算法能有效平衡网络节点能耗,延长网络部署半径,降低17%～41%的簇头节点能耗,提高24%～53%的网络寿命.     

适于异类传感器网络的分簇拓扑控制算法

提出一种基于异类传感器网络的分簇拓扑控制算法.该算法通过在成簇的过程中计算各个超节点的覆盖密度,控制节点的覆盖密度在合适的范围,使得各个簇的覆盖范围大致均衡.最后通过实例与传统的LEACH算法进行比较.结果表明,该算法在覆盖密度方差值和平均链路长度这2个性能指标上具有更好的优越性,可以更好地节约能耗和延长网络的生存周期.     

一种多簇头的Ad Hoc分簇算法

随着个人无线通讯设备的发展,Ad hoc网络已经成为网络发展的趋势.分簇算法作为一种划分网络结构的方法,有着重要的意义.本文提出了一种Ad hoc网络的分簇方法:首先,基于地理位置信息将网络划分成网格,每个网格为一个簇.其次,规定网格中的某区域为簇首生成区,每个簇生成多个簇首,即一个簇由多个簇头生成的三层树结构组成.文中对簇头个数的确定以及节点在簇与簇之间移动时产生的信息开销进行了计算,并给出了仿真结果.     

基于启发式群聚算法的机器人全局任务调度策略

提出了一种基于启发式群聚算法的机器人全局任务调度策略，在任务划分阶段采用一种启发式群聚算法对随机划分的各子任务按能否使总的运行时间缩短进行各子任务间的聚合，以使各子任务粒度和相互之间的通讯量达到一种优化状态，并在此基础上对群聚之后的各子群任务采用集中式动态调度策略，在程序运行过程中实现各处理器的负载平衡，提高各处理器的利用率，缩短总的运行时间．在一个由5个DSP（digital signal processor）处理器组成的同构型松耦合MIMD（multi instruction multidata）并行处理平台上，对平面四自由度连杆机器人在关节锁定下的运动控制任务采用上述先随机划分，再聚合，最后集中式调度的方法进行了并行实时仿真实验，取得了满意的并行性能指标．     

基于模糊系统聚类学习的自适应控制算法

在自适应控制最小方差自校正控制器设计中，当被控对象的数学模型未知时，可采用模糊系统代替实际系统。提出了一种新的模糊系统的聚类学习算法，根据初始聚类中心的选取原则，可以使最终获得的聚类结果是全局近优解。该方法只需计算一遍样本间的广义距离，即可完成初步的聚类，通过迭代运算可以使聚类结果得到进一步优化。仿真结果证明了自适应控制器的控制效果。     

The Effective Clustering Partition Algorithm Based on the Genetic Evolution

To the problem that it is hard to determine the clustering number and the abnormal points by using the clustering validity function, an effective clustering partition model based on the genetic algorithm is built in this paper. The solution to the problem is formed by the combination of the clustering partition and the encoding samples, and the fitness function is defined by the distances among and within clusters. The clustering number and the samples in each cluster are determined and the abnormal points are distinguished by implementing the triple random crossover operator and the mutation. Based on the known sample data, the results of the novel method and the clustering validity function are compared. Numerical experiments are given and the results show that the novel method is more effective.     

一种基于集合划分的鲁棒性自适应模糊聚类分割算法

模糊C均值算法(FCM)是图像分割最常用的算法之一,这种方法需要提前确定初始聚类中心和聚类数.为此,提出了一种新的自适应模糊聚类算法(AFCM),AFCM算法中构造的观察矩阵、判断矩阵和集合划分可以自动确定合适的聚类数.为了得到更好的图像分割效果,采用核距离作为相似性度量,提出了一种鲁棒性自适应模糊C均值算法(RAFCM).实验结果表明,与FCM算法相比,AFCM和RAFCM算法不仅能自动地确定聚类数目,还可以得到更好的图像分割质量.     

一个基于谱图分割的简单聚类算法

目前谱聚类在文本分类、图像分割和信息检索等领域的应用越来越引起研究者的重视,并取得了一定的成果、但是,大多数已有的谱聚类算法需要事先给定聚类数．在k-means算法、EM等聚类方法中也存在相似的问题、在此介绍了一种简单的容易实现的谱聚类算法,可以自动确定合适的聚类数．实验表明本算法结果很好、     

基于聚类及优化集成神经网络的地铁车站空调负荷预测

分别从优化算法集成神经网络及将数据聚类后按类建模两方面建立3种模型对地铁车站空调负荷进行逐时预测,结果表明：同一物理量对地铁车站空调负荷所产生的影响程度随时间呈现某种动态变化特征,根据历史数据定量分析这些特征,对精准筛选模型输入参数、提高模型预测精度大有裨益。在3种模型中,粒子群优化算法-神经网络（PSO-BPNN）和果蝇优化算法-神经网络（FOA-BPNN）预测的平均相对误差（MAPE）较单纯神经网络（BPNN）分别降低25.87%和40.08%,聚类-神经网络（Kmeans-BPNN）预测的MAPE比PSO-BPNN及FOA-BPNN分别降低61.12%和51.90%。说明在同等情况下,优化算法集成模型比单纯BPNN预测精度更高,而当区分实际负荷变化特点后,采用聚类后建模比优化集成建模效果更佳。     

基于量子和克隆策略的负载均衡算法

针对网格计算中多个独立任务在多个异构的资源上处理时,资源的负载均衡为最小非抢先调度的问题,建立了一类资源负载均衡问题的优化调度模型.该模型将量子算法、克隆算法和遗传算法结合起来,提出一种新的混合量子克隆遗传调度算法.仿真实验表明在网格环境下,该算法全局寻优能力强,能有效地实现资源的负载均衡,并具有合理性和高效性.     

基于遗传算法的Web集群负载均衡方法

Web集群技术解决了Web服务器系统的容量问题,其核心思想是负载均衡策略和算法。在此对Web集群中的负载均衡技术进行了分析和探讨,并提出一种混合遗传算法。仿真实验表明,这种算法能有效解决Web集群的负载均衡问题,并且能避免标准遗传算法的早熟收敛现象,同传统的负载均衡方法相比,降低了任务执行时间。     

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.