基于压缩感知的土壤呼吸监测传感网动态采样调度策略

土壤呼吸监测传感网通常部署在野外,无法直接访问电力,并且土壤呼吸测量过程比较复杂、能耗较高,因此在满足重建准确度要求的前提下,希望以尽量少的采样次数来进行测量.利用土壤呼吸真实物理过程中时间序列的相关性,可以采用压缩感知理论来实现采样调度.本文提出了一种基于压缩感知的分段动态采样调度策略:利用前期测量数据进行分析得到的先验知识,对测量时间区间的数据序列进行分段线性拟合,依据分段数据子序列的线性程度度量指标,动态确定各段的采样率.土壤呼吸测量仪在进行监测时,按照分段动态变化的采样率构造压缩感知采样和重建所需的测量矩阵.实验结果表明,相比平均采样率相同的固定采样策略,本文提出的分段动态采样策略能够得到更好的重建质量,即如果以确定的重建误差阈值作为需求,则本文的动态采样策略具有更小的采样率.虽然计算动态采样率会带来一定的计算开销,但减少的采样次数可以节省更多的能量.本文提出的基于压缩感知的分段动态采样策略,虽然在土壤呼吸监测传感网的应用场景中进行了实验和分析,但其思想对于其他类似应用的采样调度和节能问题也具有借鉴价值和潜在的可应用性.     

基于遗传算法的城市交通运输网优化问题研究

香港是一个市区人口相对集中的城市 ,公路和公共交通运输网的优化非常重要 ,随着经济的发展 ,人口的增加 ,对公共交通设施的需求越来越大 ,每年香港政府都要投资三亿港币建设新的公共交通设施 ,满足日益增长的需求 .这些新的交通设施要从许多公路和公共交通的规划项目中选择 ,这个问题数学上归结为一个 0 -1规划问题 .本文用遗传算法对这一 0 -1规划问题进行了求解 ,这是第一次将遗传算法应用于实际的网络设计问题 ,这一模型将有助于香港政府进行交通规划 ,香港 2 0 0 6年规划数据被用于进行实例研究.     

基于遗传算法的约束优化方法评述

用遗传算法求解无约束优化问题已经取得了成功 ,但如何处理有约束优化问题是其面临的问题之一 .目前处理这一问题没有一致适用的方法 ,最常用的处理约束方法是惩罚函数法 ,也有一些其它方法 .本文对近几年出现的几种方法进行了介绍 ,并评述了它们的优缺点 .     

基于GATS算法的城市交通网优化问题研究

遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法是求解大规模任意目标函数优化问题的强有力工具,二者各有优势,又都存在不足,本文根据香港城市交通网优化问题的特点及遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法自身的优势与不足,提出一种将二者混合使用的求解网络优化问题的算法．这是第一次将遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法应用于实际的网络设计问题．最后用香港２００６ 年规划数据进行实例研究．     

多目标0－1线性规划的交互式算法

提出一个求解多目标０－１线性规划问题的交互式算法，并分析了该算法的特点，即有很强的搜索功能和很宽的适用范围，最后将此算法用于实际，得到了满意的结果。