WSN中多跳均匀分簇路由算法的设计与仿真

针对传统LEACH协议的不足,提出一种改进的多跳均匀分簇路由（EMR：Equal-cluster-based Multi-hop Routing）算法。EMR算法从剩余节点中随机选择候选簇头,通过候选簇头的竞选半径和节点剩余能量来确定分布相对均匀的簇头,从而完成整个无线传感器网络的簇头确定,簇头之间采用以簇头节点剩余能量和链路传输代价的权值为依据的多跳路由协议。实验仿真结果表明,EMR算法相对LEACH协议、LEACH-E协议和MTE协议更有效地节省了节点的能耗,能显著地延长网络的存活时间。     

基于事件驱动的无线传感器网络动态分簇路由算法

为了降低应用于突发事件监测的无线传感器网络的能量消耗,设计实现了一种基于事件驱动的动态分簇路由算法.在人体神经系统工作机制和传感器网络分簇路由协议的基础上,建立了基于人体神经系统的传感器节点模型,提出簇的生存时间和覆盖范围依据事件情况而动态调整,以有效提高数据融合性能,避免冗余分簇.仿真实验结果表明,该算法与TEEN相比消耗的能量更少,可以有效延长网络的生存时间.     

一种应用于二进制传感器网络的目标跟踪算法

针对采用集中式粒子滤波方法解决二进制传感器网络目标跟踪问题存在的实时性较差和网络能量消耗大的缺点，提出了一种基于动态分簇的分布式粒子滤波算法。以随着目标运动而动态变化的簇为信息处理结构，簇头节点收集簇成员的单跳测量信息，实时对目标状态进行估计，非簇内节点进入休眠状态以节省能量。仿真表明，合理设置簇转换距离和激活半径，算法的跟踪精度与集中式粒子滤波方法相当；在不影响跟踪效果的情况下，可适当减小簇转换距离和激活半径，从而节省网络能量。     

基于蚁群策略的无线传感器网络能量有效路由算法

从无线传感器网络自身的特点出发,提出了一种基于蚁群策略的无线传感器网络能量有效路由算法(energy efficient routing algorithm based on ant colony optimization for wireless sensor network,EEAWSN).该算法设计了一个新的能够均衡传输能量消耗和节点剩余能量的蚂蚁前向移动的选择概率模型,并给出路径最优度的概念来评价路径的最优性.仿真结果表明,与其他蚁群策略的路由算法相比,该算法找到了一条路径最优度最优的路径,在此路径上传输能量消耗最小,并且兼顾了节点的剩余能量,从而延长了整个网络的生存时间.     

基于模块度的无线传感器网络分簇算法

提出了一个新的基于模块度的无线传感器网络分簇算法.该算法是先在传感器网络本身结构的基础上形成簇,同时应用了一个新的参数一模块度来评估所形成的簇结构是否与真实的网络结构相匹配.基于上述所得到的一个稳定的簇结构,在每个簇内依据节点的剩余能量和簇内能量分布情况来选取簇头.仿真结果表明,与LEACH等分簇算法相比,该算法能够获得一个更合理和更稳定的簇分布,并且有效的提高传感器网络的寿命.     

基于蚁群优化算法的无线传感器网络路由协议

提出了一种基于蚁群优化算法的无线传感器网络路由协议RPBAA.该协议通过修改蚁群优化算法以适应无线传感器网络无全局标识、节点较少移动、资源受限等特性,提供了一种智能、动态、可扩展的多径选路传输方法来获取有效且健壮的通信,并通过全网能量均衡使用以最大化网络生命期,另外引入了数据分片机制来进一步优化选路效率.最后通过仿真验证了RPBAA协议的有效性和数据分片机制带来的好处.     

带有群体智能的能量感知分层数据转发机制

无线传感器网络层次型数据转发过程中,分层和路由构建是两个典型的待优化问题。为了有效延长网络生存期,提出了一种能量感知的分层数据转发机制。利用粒子群优化算法,结合多目标函数进行智能搜索,通过粒子进化不断地优化簇头选取和路由构建,以低复杂度的方式得到分层部署的网络结构,进而实现了能量有效的数据转发。数值结果表明所提机制与现有机制进行对比,可以显著地提高网络能量使用效率,改善网络性能,延长网络生存期。     

传感器网络中一种能量高效的数据收集算法

为了在无线传感器网络中降低能耗和最大化网络生存期,提出一种能量高效的数据收集算法(energy efficient data gathering algorithm, EEDGA)。该算法利用移动代理模型在网络中进行数据收集。首先,EEDGA根据监测精度的要求控制活动节点的数量;然后,通过求最小支配集得到具体的工作节点;最后,利用蚁群算法规划移动代理迁移的最优路线,移动代理以渐进方式收集活动节点的监测数据。仿真结果表明,与典型算法相比,该算法具有更低的能耗和更长的网络生存期。     

无线传感器网络的重叠分簇与边界搜索

无线传感器网络（wireless sensor networks, WSNs）由大量微小的传感器节点组成,分簇的网络架构能较好地处理大规模网络的自组织问题,因而成为WSNs提升性能和扩展性的标准方法。在拓扑发现、地理路由和目标追踪等应用中,重叠分簇能更好地满足要求,同时,辨别出WSNs的边界节点是重要的任务。与先前的基于节点的边界搜寻算法不同,提出了一种应对节点随机分布情况的自组织分簇算法。建立了重叠分簇,进而对重叠分簇进行分簇的边界融合,最后形成整个WSNs网络边界。仿真结果表明,该算法能够生成更为均衡的分簇,显著提高网络生存周期,并能有效的实现网络边界节点的搜索。     

基于自适应果蝇优化算法的加权分簇算法

针对无人机编队网络管理问题，提出了一种基于自适应果蝇优化算法的加权分簇算法，利用分簇结构进行网络优化。该算法使用了基于离差标准化的数据归一化方法对各性能指标进行处理，并根据整体能耗改变权值分配规则，共同提高了簇头选举的客观性；分析了未定节点调整准则，提出了应用自适应果蝇优化算法进行簇的规模优化，消除了孤立节点和小规模簇；引入了剩余能量阈值和安全距离阈值约束维护条件，并分析了阈值的最优取值，减少了簇的维护次数。仿真结果表明，所提算法能够有效提高无人机编队各方面的性能，与现有算法相比，能够获得更好的网络管理效果。     

人工神经网络的改进训练学习算法BPGA

本文通过引进神经元增益参数和记忆上一次网络状态改变量的冲量参数,设计了BPGA,对标准的BP算法进行了改进,提高了网络的学习速度和收敛性,并与标准的BP算法进行了比较.     

基于MAPSO算法的小波神经网络训练方法研究

为提高小波神经网络(Wavelet Neural Network,WNN)的建模质量,针对标准粒子群(Particle Swarm Optimization,PSO)算法优化WNN存在的早熟和局部收敛问题,提出一种基于多粒子信息共享(Multi-particle information share)和自适应惯性权重(Adaptive inertia weight)策略的PSO方法(MAPSO)用于WNN训练。多粒子信息共享采用多粒子信息来修正各粒子下一次的行动策略,以降低粒子陷入局部最优的可能性;惯性权重自适应调整根据群体早熟收敛程度,按个体适应度自适应调整惯性权重,以使陷入局部最优粒子跳出。同时,给出了算法实现的基本流程。仿真结果表明MAPSO算法既具有PSO算法的简捷性,又能够提高WNN学习速度和精度及全局搜索能力,是小波网络的有效训练方法。     

对GALT算法的理论性分析

GALT(Greatest Available Logical Time，最大可能逻辑时间)算法是HLA(High Level Architecture，高层体系结构)接口规范中时间管理服务能否实现的关键技术。不合理的GALT算法会导致死锁或破坏HLA时间管理的原则，从而导致整个仿真无法向前推进，或产生过去时刻的消息。分析了Frederick算法和身高测量法的死锁问题，给出了Frederick算法造成死锁的一个充分条件，重点讨论了它们遵守时间管理原则的情况。一个好的GALT算法，必须在确保不违反时间管理原则的基础上，才能最终解决死锁问题。     

协同粒子群-模拟退火算法求解VRPSPD问题

研究逆向物流车辆路径(VRPSPD)问题,建立了VRPSPD问题的混合整数规划模型.利用启发式算法的特点构造求解VRPSPD问题的一种协同PSO_SA算法,设计了该算法初始种群的编码规则、信息交换策略、2-opt邻域解生成策略和SA算法中的冷却进度表规则.实验过程以典型算例为例进行了实验,并对重要参数进行了分析.实验结果表明,该算法对于求解VRPSPD 问题,可以有效提高车辆的负载使用率,避免因负载波动和最大负载能力约束而增加车辆总行程,在可以接受的迭代次数限制内可以收敛到满意解.     

一种复数球形译码算法的仿真

球形译码算法作为实现最大似然检测的一种有效快速算法受到了学者们的广泛关注。在通信理论中经常使用到复数信号模型,但目前尚未有文献给出在该模型下明晰的算法流程。利用信号星座图的几何特点,推导了一种保持原信号维数的复数球形译码算法;考虑到算法中涉及对整数环的特殊处理,给出了清晰的算法流程。该流程适用于各种复数矩阵信道模型与典型二维信号星座图,为复数模型下球形译码算法的研究提供了一个有效的仿真平台。     

一种适用于移动OFDM系统的迭代均衡算法

在下一代高速宽带无线应用中,通信终端的高速移动引起的多普勒效应恶化了OFDM系统接收机的性能.现存的补偿多普勒效应的均衡方案或需较高的计算量,或以性能为代价而获取低复杂度.在充分利用ICI功率分布特性的基础上,利用部分信道信息提出了-种新的基于软符号的低复杂度迭代MMSE均衡算法.理论分析及计算机仿真表明,该方案能够灵活可控地获得复杂性与性能的折衷,从而有效克服了ICI的影响,提高了接收机的BER性能.     

一种融合遗传算法和粒子群算法的改进模糊C-均值算法

针对模糊C-均值(FCM)算法必须预先给定聚类数c和容易陷入局部极小的缺点,提出了融合遗传算法和粒子群算法的GA-PSO-FCM算法.遗传算法(GA)嵌套在FCM算法的外层,用于自动寻找最优聚类数,并把有效性准则函数作为其适应度函数;粒子群(PSO)算法嵌套在FCM算法的内层,用于优化类中心向量,提高算法的全局搜索能力.最后,运用GA-PSO-FCM算法对Iris data、Wine data、Zoo data、WPBC data和WDBC data进行仿真实验,并与基于有效性准则函数改进的FCM算法、GA-FCM算法的仿真结果进行比较,表明GA-PSO-FCM算法能在预先未知聚类数的情况下,提高分类结果的精确性和稳定性.     

基于自适应蚁群算法的组合式特征选择算法

提出一种基于自适应蚁群算法的组合式特征选择算法.将自适应蚁群算法用于特征选择,以特征作为位置点,采用支持向量机分类器评价特征子集的性能,指导特征进行信息素的计算和更新,为特征与特征子集的选择提供了依据,避免了盲目搜索,使搜索算法能够快速收敛.在8组实际数据集中的实验结果表明,从分类正确率、特征子集大小以及运行时间三个角度考察,该算法具有良好的综合性能.同时,给出了该算法应用在孤立肺结节CT图像的检测和诊断中的分类结果.     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。     

UWB多目标异步定位及算法

基于到达时间法(TOA)和超宽带信息帧往返传输(RTT)原理,提出一种新的UWB多目标异步定位及其算法.系统节点均具有收发功能,在测量某个节点时,往返传输(RTT)的UWB帧只需使用一次,也不需要保证接收节点时钟严格同步的光纤连接等系统条件的限制.与同步方法相比较,本方法和算法具有低复杂性、一般性和实用性.仿真结果也表明其定位精度完全可以与同步TOA法或TDOA法相媲美.