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.     

基于机器学习的无线传感网络室内定位研究

无线传感网络在能耗量化传导过程中具有随机分布性,导致网络节点的室内定位精度不高,为了提高网络的室内定位准确性,提出基于机器学习的无线传感网络室内定位方法.构建无线传感网络室内定位的节点优化部署模型,采用能量负载均衡控制方法进行无线传感网络的路由探测协议设计,建立无线传感网络节点传输的链路均衡配置模型,采用机器学习算法进行无线传感网络室内定位过程中的自适应寻优,提取无线传感网络节点输出信号的能谱特征量,根据能谱的聚类属性进行无线传感网络室内定位优化.仿真结果表明,采用该方法进行无线传感网络室内定位的精度较高,能量开销较小,网络节点的组网部署能力得到提升.     

基于多信息素蚁群优化的WS N节能路由方案

针对当前无线传感器网络节能路由算法中出现的计算效率低和节能效果不佳等问题,本文提出一种基于多信息素蚁群优化的节能路由方案.该方案通过综合考虑节点剩余能量、相邻节点数和节点间距离等因素,在节点能量利用率较低的情况下,利用多信息素蚁群优化算法寻找传感器节点到基站的最佳路由,以经济的能耗将传感数据传输到基站.实验结果表明:与...     

能量采集WSN中的自适应机会路由算法研究

能量采集技术可以使无线传感节点脱离化学电池容量的限制,通过均衡布局能量采集节点的优化,在一定程度上可延长网络寿命,然而环境能量采集的不确定性可能导致能量采集节点能量供应不稳定,使网络的吞吐量和稳定性受到影响.为了让能量采集无线传感网更充分地利用环境能量,提出了自适应机会路由算法.算法根据网络条件与可用能量程度对节点进行区域划分,再分配传输优先级,进行优化路由处理,确保环境能量采集节点的高效利用.仿真结果表明,该算法对比类似方案的GR-DD算法和EHOR算法表现了更高的吞吐量和稳定性.     

基于上下文认知的高能效路由算法

针对由智能移动通信设备组成的、支持网络富媒体应用的无线Ad hoc网络环境,提出了一种基于上下文认知的高能效路由算法.该算法使用上下文认知自学习方法监测设备运行过程中的上下文信息,计算节点上各类应用对应的能量效用值,然后综合利用节点上与应用相关的能量效用、剩余能量和信号强度等上下文信息自适应地调整路由,为资源受限的移动节点节约能量.仿真结果表明,与一些经典路由算法相比,文中路由算法能有效地提高网络的能量使用效率和网络生存时间,减少网络的时延开销.     

基于粒子滤波的分布式智能故障诊断系统研究

针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点.     

基于混合PSO的无线传感网安全分簇算法

为了合理有效地管理和维护无线传感网络中的节点,提出基于混合粒子群算法的安全无线传感网分簇算法,基于网络的安全性和节点的信任度问题,在分析粒子群优化算法的基础上,引入局部最优解对最优解搜索过程的影响。在适应度函数中,该方法将节点剩余能量、与其他节点的连接性能以及安全信任度作为主要评价指标,把粒子群算法多次迭代得到的适应度值最高的节点作为簇首节点。通过实验对比了该算法与LEACH和MCBMC算法对节点生命周期的影响。结果表明,在不同恶意节点数量和不同节点密度的情况下,该算法能使无线传感网络具有较长的生命周期。     

基于信任云的簇化层次式WSN安全路由方法

如何能量高效地保障无线传感网的路由安全一直是一个巨大的挑战。提出一种基于信任云的簇化层次式无线传感网安全路由算法(trusted cloud-based secure routing algorithm,TC-SRA),建立基于信任云的无线传感网安全骨架,通过簇化层次式拓扑实现网络节点的高效管理,从兼顾能效和安全的角度提升无线传感网的路由性能。仿真测试结果表明,所提出的算法不仅为无线传感网的路由安全实现提供了新思路,而且能有效控制网络节点的能耗,保障网络生命周期。     

基于能量阈值自感分区机制的无线传感网簇路由算法

针对当前部署无线传感网中存在的成簇机制僵化、簇头节点难以进行周期性选举且存在簇区域结构难以动态更新的难题,提出了基于能量阈值自感分区机制的无线传感网簇路由算法.首先在初始化的过程中依据能量阈值进行动态初步的节点分割,形成初步的簇头-簇成员的区域结构;然后按照节点归一化能量剩余水平决定在更新周期内是否进行簇头节点的更换,从而实现了簇头节点按能量最优原则的动态周期性的更换;最后通过簇头节点与簇间汇聚节点形成的传输链路实现信息的协同传输及簇间交汇,有效改善了网络数据的传输质量.仿真实验表明:与RMCRW算法、CMEDD算法等相比较,本文提出的新无线传感网簇路由算法能够有效提高无线传感网的生存周期,减少网络控制开销,改善传感数据的传输质量.     

异构传感网中一种能量均衡非均匀分簇算法

分簇路由协议是无线传感网中减少能量消耗、延长网络寿命的一种重要手段.大部分分簇路由协议基于均匀分簇算法,却忽略了无线传感网单跳路由协议中远离基站的簇头需要消耗更多能量,从而导致整个网络能量消耗不均匀.针对以上问题,提出异构传感网中一种能量均衡非均匀分簇算法.一方面,簇头选取阶段,在考虑节点剩余能量的同时,引入非均匀竞争机制;另一方面,簇构建阶段,为节点选取簇头时,不仅考虑簇头剩余能量、节点与簇头间距,也考虑节点与基站间距.仿真结果表明,与LEACH,SEP,DEEC分簇算法相比,该算法有效均衡了簇头的能量消耗、延长了网络寿命.     

智能家庭用电多目标优化方案研究

分析了家庭用电的微电网系统,研究了粒子群算法以及多目标优化理论. 在此基础上,设计了一种面向家庭用电的多目标优化模型,利用人工智能粒子群算法处理多维目标函数,制定了用电优化策略. 计算机仿真结果表明,该策略有效优化了家庭能耗,达到了节能减排的目的.     

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.     

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.     

图像分割背景下群体智能优化算法的性能对比

 针对目前研究相对薄弱的群体智能优化算法的性能对比问题,搭建数字图像为生命栖息环境的群体智能优化算法的性能对比平台,提出基于最优个体变化的收敛关联度和收敛面积的新型性能评价指标,并具体进行了遗传算法、粒子群算法、人工鱼群算法、细菌觅食算法等多种群体智能优化算法的性能比较与测试.实验结果显示,所提出的评价平台和性能评价指标能够合理有效地对比不同搜索机制下智能群体的寻优能力.     

基于群体智能的蚁群算法研究

群体智能是指任何启发于群居性昆虫群体和其它动物群体的集体行为而设计的算法和分布式问题解决装置,群体智能现正在成为人工智能领域和相关领域的一个研究热点;该文首先介绍了群体智能中的两个重要算法:蚁群算法和粒子群算法的基本思想,然后重点探讨了蚁群优化算法,对基本蚁群算法和改进的蚁群算法进行了深入的分析和评述。     

一种带自适应飞行时间因子的粒子群算法

作为一种新型智能算法,粒子群算法具有概念简单、易于实现等特点,但也存在容易陷入局部最优的缺点。为了尽可能找到问题的最优解,提高粒子群算法的收敛速度,提出一种带自适应飞行时间因子的粒子群算法,在算法中引入种群多样性和种群进化度两个参数,并根据这两个参数对算法性能的影响,让飞行时间因子随着这两个参数自适应改变。通过对4个基准函数的测试表明,改进后的粒子群算法较其他几种粒子群算法在收敛速度和收敛精度上都有一定提高。     

平面选址问题的萤火虫算法

平面选址问题是工程设计、线路布置、项目选址等工作中经常碰到的典型组合优化难题,根据群集智能优化原理,给出一种基于人工萤火虫群优化算法的求解方法,并针对平面选址问题进行求解.为避免算法陷入局部极值,将一种邻域搜索的局部搜索方法引入萤火虫算法中.通过对典型平面选址问题的仿真实验和与其它算法的比较,表明算法可行有效,且具良好的全局优化能力.     

采用群智能算法的多约束问题优化

为了解决约束优化问题,采用一种基于群智能算法优化的多约束问题优化方法.首先构造同时计及约束条件和优化适应度的目标函数,然后分别利用粒子群算法和人工蜂群算法优化其函数,从而获得约束条件下的优化解.仿真结果表明,该多约束问题优化方法是可行性的,人工蜂群算法比粒子群算法具有更好的搜索和收敛能力.     

一种改进PSO算法在经济调度中的应用研究

粒子群优化算法是一类新的基于群体智能的启发式全局优化技术,群体中的每一个粒子代表待解决问题的一个候选解,算法利用粒子之间的相互作用发现复杂问题解空间的最优候选区域.综述了算法的基本形式及其多种改进形式,通过比较提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法,用于求解复杂的非凸、非线性电力系统经济负荷分配问题.仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题的有效手段.     

基于分群式粒子群算法的压裂水平井试井曲线自动拟合

为提高压裂水平井试井多参数自动拟合的计算精度、速度和稳定性,将传统方法、智能算法和并行算法相结合,提出并行分群式粒子群优化算法,并将高斯-牛顿法与粒子群算法相结合,同时采用OpenMP并行算法求解。结果表明:在粒子群优化算法中,通过粒子分群使粒子搜索方向趋近于线性,避免了粒子群算法易陷入局部最优的问题,加快了搜索速度;与高斯-牛顿法相结合保证了计算的稳定性;采用OpenMP并行算法求解降低了模型的复杂度,提高了计算效率;分群式粒子群优化算法比其他优化算法计算速度更快,计算精度更高,并可在一定程度上为多裂缝水平井试井解释划分流动阶段。