超密集异构网络下的系统建模和时域干扰协调分析

采用基于随机理论的空间泊松点过程建立超密集异构网络的系统分析模型.在此模型下,通过分析异构网络中使用小区范围扩展技术和增强型小区间干扰协调技术引起的小区扩展区域和非扩展区域干扰类型不同的情况,分别推论出不同区域的中断概率和频谱效率等性能指标的表达式.针对异构蜂窝网络中存在几乎空白子帧(ABS)时,用户接入选择和资源分配方法过于复杂的情况,提出了一种动态分配几乎空白子帧算法.仿真结果表明:相较于固定几乎空白子帧算法,所提算法在兼顾各区域用户公平性的同时,可以使系统平均遍历容量提升10%~25%,同时也改善了扩展区域内的用户干扰问题.     

异构网络中下行链路的干扰抑制研究

针对蜂窝网与无线局域网(WLAN)共存的异构网络干扰问题,提出一种干扰抑制方案:在发送端加设预编码矩阵,最大化期望信号强度,减小干扰信号强度;在接收端加设干扰抑制编码矩阵,抑制蜂窝网络基站对无线局域网内用户设备的干扰及无线接入点(AP)对非期望用户设备的干扰.仿真结果表明:该方案可以抑制异构网络下行链路的干扰问题,提高异构网络用户的传输速率.     

基于集合覆盖的异构有向传感网寿命优化策略

在由感知半径、感知角度和携带能量不同的有向传感器节点组成的异构有向传感器网络中,对满足优先级不同的监测目标有不同覆盖要求条件下的网络寿命最大化问题进行研究。利用集合覆盖的思想,将有向传感器节点划分为满足目标覆盖要求的集合,通过集合之间的切换来达到延长网络寿命的目的。首先证明本文问题是NP-hard问题,然后利用改进的和声搜索算法进行求解,一方面引入带有混沌参数的微分变异因子,改进种群的多样性;另一方面,与模拟退火算法结合增强算法的局部搜索能力。同时为对比算法性能,提出一种贪婪算法。仿真结果显示:较之原始和声搜索算法和贪婪算法,改进和声搜索算法能有效延长网络的寿命,证明了改进算法的有效性。     

非均匀分布的异构传感器网络K覆盖调度算法

针对现有调度算法大多没有考虑监控区域内目标发生频率的非均匀性和节点异构的因素,导致无法适应异构无线传感器网络的特点,提出一种目标非均匀分布条件下K覆盖的异构无线传感器网络调度算法.算法从全网在所有时间片服务质量和节点能耗的角度建立节点调度模型,综合考虑节点异构和监测目标的非均匀分布等约束条件,以网络覆盖率最大和工作节点的数量最少为目标,构造非线性优化函数,提出一种控制参数自适应的微分算法求解节点的调度方案.仿真结果表明:相比典型算法,改进算法能够在满足节点异构和监测目标非均匀分布前提下增强网络的服务质量和降低网络的能耗.     

基于功率控制的异构蜂窝网络基站节能机制

针对移动网络中潮汐效应引起的能量浪费现象,提出一种基于功率控制技术的异构蜂窝网络基站节能机制.建立一个非合作博弈模型,以基站为博弈参与者,以能量效率作为收益函数,利用粒子群算法求次优解.该次优解逼近博弈模型的纳什均衡解,从而近似得到最优的功率控制结果.仿真结果表明,该机制能提升整个网络的能量效率,降低网络能耗,实现绿色通信.     

联合解耦上/下行链路级联和跨层双连接入技术的三层异构网设计和覆盖概率分析

研究了跨层双连接(dual-connectivity, DC)3层异构网络(heterogeneous network, HetNet)中上行链路(uplink, UL)和下行链路(downlink, DL)解耦级联(decoupled UL and DL association, DUDA)设计和网络覆盖概率问题。在该跨层DC DUDA模型中,一个用户的DL或UL同时与位于不同层的最佳和非最佳基站(base stations, BSs)级联,并且DL的接入基站可能与UL的不同。对此网络,获得了各种可能的跨层DC DUDA实现方案;利用实际的功率约束简化了每种案例的级联条件,获得了级联概率闭式解;利用随机几何方法获得了网络的覆盖概率。数值和仿真分析了系统参数对级联概率的影响,比较了耦合和解耦模型的级联概率和覆盖概率,发现提出的DUDA DC模型优于传统的耦合的UL/DL级联(coupled UL and DL association, CUDA)DC模型;给出了覆盖概率的数值分析和仿真比较,验证了文章所得结论。     

基于非泊松点过程的异构蜂窝网络能效优化

泊松点过程(Poisson Point Process,PPP)为异构蜂窝网络(Heterogeneous Cellular Networks,HetNets)的分析提供易于处理的结果,因此在无线网络建模和性能分析中得到了广泛的应用.然而,它不能准确反映实际基站的空间分布特征.考虑到宏基站(Macro Base Sta...     

基于改进樽海鞘群算法的认知异构蜂窝网络资源分配

针对认知异构蜂窝网络的上行资源分配问题,提出了基于带宽和功率约束的资源分配算法,并使用改进的群智能算法求解.根据认知无线电技术特性推导出认知家庭用户的带宽和功率分配取值范围,在满足用户服务质量（Quality of Services,QoS）的前提下将更多的资源分配给其他用户,以提升网络中用户的传输需求和缓解网络上行接入负载的压力.针对樽海鞘群算法存在收敛精度低、收敛慢等缺陷,将疯狂算子和动态精英学习因子分别引入领导者和跟随者中,以提升算法寻优效率和寻优精度.将改进的樽海鞘群算法求解基于带宽和功率约束的资源分配算法.仿真实验表明,引入带宽和功率约束的资源分配算法能有效提升网络性能,且在保证用户QoS条件下,能有效提升系统效益和用户接入公平性.     

基于差分算法的异构移动节点分布优化策略

针对监测区域中目标非均匀分布的情况,提出一种解决异构移动无线传感网络环境中节点布局的差分优化策略.该策略以网络的有效覆盖率为优化目标,指导种群进化,加快算法收敛速度.仿真结果表明差分优化算法能快速有效地实现异构移动无线传感节点布局优化.与虚拟力算法相比,差分优化策略不仅网络覆盖率高,且收敛速度快,耗时少.     

一种基于粒子群优化算法的神经网络训练方法

介绍了粒子群优化(PSO)算法的原理,研究了将PSO算法应用于神经网络训练的方法,给出了算法软件实现的基本流程,并对Iris分类问题做了仿真实验,通过与BP算法的比较,结果表明基于PSO的神经网络训练算法操作简单,易于实现,而且训练精度较高,有良好的收敛性.     

基于遗传算法的神经网络优化

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中,神经网络已被广泛应用于智能控制系统优化,信号及信息处理,模式识等领域,而遗传算法则是模拟生物的进化现象（处然淘汰,交叉,变异等）,不表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题。但神经网络和遗传算法目标相近而方法各异,因此,将这两种方法相互结合,必能达到取长补短的作用,近年来,在这方面已经取得了不少研究成果,形成了以遗传算法与神经网络相结合的进化神经网络（ENN）。本文以综述的形式总结了遗优越传算法在神经网络训练中的应用情况。     

基于新型进化规划的异构神经网络集成算法

提出一种基于新型进化规划的异构神经网络集成算法。首先利用改进的进化规划,克服传统的进化规划及EPNet模型的不足,生成多个异构的最优网络,然后对异构网络进行组合求解。该集成算法充分利用了Bootstrap采样的天然特性实现了网络间的异构和差异度,同时又保证了单个成员网络的精度,克服了传统Bagging,Boosting算法中成员网络结构固定,缺乏个体精度的缺点。通过仿真实验证明,该方法较传统集成算法具有更好的泛化性能并减少了传统集成算法中的随机不确定因素。     

量子进化算法在BP网络模型优化中的应用

BP网络的研究多年来主要集中于网络的结构与参数优化上,却忽略了对训练过的BP网络模型本身的优化.针对上述问题,提出了一种解决BP网络模型优化的量子进化算法.通过裙座锻造结构参数优化设计实例,表明量子进化算法较好地实现了BP网络模型的优化设计,可有效解决实际工程的优化问题.     

基于遗传算法的无向网络路径优化

为了解决无向网络的最短路径优化问题,采用遗传算法并使用可变长编码,在遗传算子操作中进行有效性判断,避免了传统交叉变异算子中无效路径的产生;网络数据存储采用链式存储结构,仅需存储各个节点信息,摒弃了传统的邻接矩阵方法.仿真试验表明,该算法可行性强,且可以找到最优路径.     

基于样本优化的神经网络方法在储层裂缝识别中的应用

常规测井资料解释应用于非常规储层裂缝识别时,存在裂缝识别率低,储层评价不准确等问题;而成像测井方法(FMI)识别效果好,但成本过高。为了提高常规测井裂缝识别的准确率,首先采用BP(back propagation)神经网络方法,建立常规测井参数与裂缝发育程度之间的非线性关系。在神经网络样本选取上,引入K-means聚类算法,依据不同样本特征对其进行优化分类。最后,利用聚类结果分别建立更为精细的神经网络模型,并用于实际裂缝预测。将该方法应用于塔河油田碳酸盐岩储层A探井,识别结果表明:基于样本优化方法的裂缝密度曲线拟合效果(相关系数R分别为0.84、0.89、0.76)明显优于未考虑样本优化方法(R为0.58),验证了本文方法的优越性,可以将其作为一种识别储层裂缝发育程度的新方法。     

基于混合编码的遗传算法在神经网络优化中的应用

提出了一种结合浮点数编码与二进制编码的混合编码遗传算法,该算法在同一条染色体上同时使用浮点数编码与二进制编码,有机结合了两者的优点,并与BP算法结合用于优化神经网络的结构和系数,获得具有更好泛化能力的神经网络.仿真实验结果证实了这种混合编码遗传算法的有效性和优越性能.     

基于用户体验的异构网络接入选择算法研究

随着网络异构化,随时随地为用户提供最好的连接是未来无线网络获得成功的关键.为了最大化用户的体验质量,文中提出了一种基于网络状态和用户偏好的接入选择算法.该算法由用户确定需要考虑的决策因素,在满足动态适用性的基础上,设计了统一的多属性归一化计算方法,并采用层次分析法确定接入判决因素的主观权重.仿真结果表明,文中所提算法能够有效提高用户满意度,降低业务阻塞率并均衡网络间负载.     

基于MEA的粗糙集神经网络研究及应用

将思维进化算法、粗糙集和神经网络相结合,提出一种基于MEA的粗糙集神经网络,用于变压器故障诊断。此模型采用思维进化算法全局寻优的特点,搜索粗糙集属性约简离散断点的位置以及神经网络的连接权值和阈值,避免了常规粗糙集属性约简时复杂的手工试凑以及BP神经网络收敛速度慢、精度不高等缺点,有利于更快地收敛于全局最优解,提高系统的诊断速度和准确率。仿真结果表明了方法的有效性。