嵌入式Linux平台下电力载波路由器的软件设计

针对载波电表集抄系统中,电力载波通信距离有限、抄收率低等问题,提出了一种应用于载波电表集抄系统的中继转发技术,并设计出应用此技术的电力载波通信路由器。采用多叉树遍历寻优算法实现了用户节点路径的自动寻优及自动更新,并在此基础上提供了网络和串口两种通信方式,以方便采集站对用户节点进行快速、准确、无误的数据抄收。     

基于改进遗传算法的覆盖空洞修复优化

针对无线传感器网络虚拟修复节点位置的不确定性使网络拓扑结构随之变化,导致网络失去连通性的问题,提出一种基于改进遗传算法的覆盖空洞修复优化方法。首先,根据空洞类型采取不同的覆盖策略,确定虚拟修复节点的位置。其次,通过改进遗传算法对待修补节点序列进行编码与适应度函数的构造,对遗传算子进行改进,避免陷入局部最优,求出传输路径的最优解,提升全局寻优能力。最后,根据改进遗传算法找到某空洞内待修补节点之间的一条最短连通路径,该空洞区域内的感测数据在某一时间周期内沿该路径进行传输通信,仿真结果表明,将改进遗传算法应用到覆盖空洞修复中是可行的,网络覆盖率明显提高,具有更好的收敛性,通过算法多次迭代能够找到空洞内各修补节点间的一条最短路径,实现网络连通,节约节点能量,延长了网络生命周期。     

无线传感器网络路径寻优的仿真研究

研究无线传感器网络路径寻优问题.针对无线传感器网络路径寻优同时涉及到数据传输路径的长度、传感器节点能量以及整个网络的能量均量均衡,传统的数学模型对其进行求解存在求解时间长,速度慢,得到的路径并非最优,导致网络的能量不均衡,网络生命周期短.为了快速找到传感器网络最优路径,提出一种传感器路径混合寻优方法.算法首先利用遗传算法进行全局寻优,使网络最优路径稳定地分布在解空间区域,然后采用禁忌算法进行网络路径局部寻优,最后找到无线传感器最优路径.仿真结果表明,混合算法能快速找到无线传感器网络最优路径,且消耗的能量最少,有效实现了网络负载均衡,延长了网络的生命周期.     

动力载波传感控制网络通信优化模型设计北大核心CSCD

良好的动力载波传感控制网络通信质量可以保障传感控制网络的稳定运行。在动力载波传感控制网络通信中,信号在传输过程中会产生成反射、驻波、谐振,导致信号发射机和接收机的本地震荡频率间存在频率偏差。传统方法是在建立精确的震荡频率基础上,通过插入网络通信节点对网络通信优化,导致出现造成通信效率低的问题。提出了基于改进遗传算法的动力载波传感控制网络通优化方法。利用遗传算法对动力载波传感控制网络中所有的通信节点和通信路径进行全局搜索,将遗传算法与蚁群算法进行有效的融合,并利用融合后算法全局寻优的特性进行动力载波传感控制网络的组网,使其产生新的抗体,利用新抗体的交叉操作促进算法快速求解,完成了动力载波传感控制网络通信优化模型的建立。仿真结果证明,上述方法精准性强,且能够满足动力载波传感控制网络通信优化模型建立的实时要求。     

动态传感器网络区域受限的移动sink路径选择研究

针对sink区域受限及节点特征参数的问题,如何规划sink路径选择以满足动态传感器网络高效数据收集及低能耗的要求,提出了一种动态传感器网络区域受限的移动sink路径选择方法。该方法在缓存节点辅助通信模式下,建立sink受限区域图模型。针对不同应用情况,分别讨论了sink移动全局路径信息已知和sink移动局部路径信息已知这两种情况下的最优移动路径。在全局路径信息已知时,采用Vornon单元划分的思想求解总传输能耗和节点平均负载;在局部路径信息已知时,采用启发式策略进行路径寻优,并证明其路径寻优的正确性。最后通过仿真实验与理论计算来验证移动sink最佳路径寻优策略的有效性和可行性。     

一种配电网故障区间定位改进算法的研究

当前配电网故障定位的研究主要关注遗传算法等智能算法。本文着眼于常规遗传算法在局部收敛、寻优速度等方面存在的缺陷问题,提出了一种改进方法。该方法以遗传算法全局寻优能力为基础,通过引入自适应调整系数对参数进行优化编码,对种群多样性水平进行综合考量,在保持高收敛性和寻优能力的基础上,增强了全局寻优能力,有效规避了局部最优解,同时在变异操作过程中进行个体优选,提高了算法的寻优速度,减少了迭代次数,显著提升了寻优效率。通过最后通过对一个20节点的配电网络进行了故障定位实验仿真,证明了该方法该算法在信息完整与信息畸变的情形下都能完成准确的故障定位,并且寻优效果显著优于传统算法,具备很好的有效性与优越性。     

低压电力线载波通信组网的研究

为改善目前低压电力线载波通信在实际应用中通信距离短、通信效果差的现状,给出了一种动态组网方法。首先通过网络初始化过程获取终端之间的通信质量;然后以通信质量为依据,分别采用Dijstra和粒子群算法两种优化算法选取中继节点,获取集中器与通信终端之间的最佳通信路径,并对这两种算法进行对比分析;最后对该组网方法进行了实际测试。测试结果证实该组网方法是可行的,改善了系统的通信效果。     

电力线载波抄表系统的负载均衡算法研究

为提高电力线载波通信系统的可靠性和性能,论述了远程抄表系统的架构和特点,分析了路由算法研究的必要性,提出了基于遗传算法的负载均衡路由算法.该算法通过网络节点变化、拓扑结构动态优化目标并自动组网.仿真与试验结果表明,该算法能为电力线载波远程抄表系统提供有效的自动组网方式,保证系统通信的负载均衡,与传统编号顺序查询路由方式相比,减小网络延迟性达20%以上,提高网络联通性超过15%.     

IPv6的低压电力线载波通信组网与接入机制

针对低压电力线载波通信网络在数据传输过程中可靠性较低的问题,研究了电力线载波通信网络中现有的组网方法和接入策略,同时引入IPv6地址分配算法和节点接入策略,设计了基于层次树的低压电力线载波通信网络架构,并通过增加冗余节点的方式提高网络稳定性和通信可靠性.测试结果表明,提出的组网算法对于网络结构的鲁棒性和报文传输可靠性都有一定的提升.     

短波chirp探测的遗传退火频率分配算法研究

针对短波chirp探测系统的通信网络频率分配问题,建立了合理的干扰模型;利用系统所提供的测量参数,结合基本遗传算法,同时进行模拟退火操作以克服基本遗传算法易陷入局部最优解的不足,并最终趋于全局最优化;仿真结果表明,该算法在寻优性、收敛速度和稳定性等方面都要优于基本遗传算法。     

一种分布式数据库多元连接查询优化算法及改进

论文对于分布式数据库中的多元连接查询提出了一种优化算法。该算法产生的操作序列具有全局优化特征。在远程网中,采用最小生成树算法,生成最佳的连接序对能使得总的代价达到最小。而在局域网中,采用改进的最小生成树算法,生成尽可能多的并行连接序对,最大程度地应用并行性,使得响应时间最小。     

Macro/Femtocell异构网络基于能效的资源分配

能量效率(Energy Efficiency,EE)成为衡量网络性能新的指标,最大化网络能效已成为通信技术的研究热点。针对Macro/Femtocell异构网能量效率优化问题进行研究,首次将蝙蝠算法应用到能效优化问题中,并针对现有算法存在的收敛精度低,易陷入早熟等缺点,提出一种基于指数递减的惯性权重蝙蝠算法。以最大化异构网络能效EE作为优化目标,在满足异构网用户服务质量(quality of service,QOS)前提下,用改进蝙蝠算法进行频谱资源载波分配,并将算法跟标准蝙蝠、遗传算法进行性能比较。仿真结果表明,载波及用户的数量影响着网络系统能效,所提算法相比于遗传算法有效提高了系统传输速率,能效提高约11%。实验证明,在异构网络中,采用改进蝙蝠算法对载波分配可使能效得到改善。     

基于多目标满意优化的计算机通信网流量和容量分配

将满意优化理论应用到计算机通信网中，提出了基于多目标满意优化的计算机通信网优化设计方法，通过设计满意度函数，构造出计算机通信网的满意优化数学模型，并用改进遗传算法实现计算机通信网的容量和流量分配的满意优化设计。仿真结果显示，所设计的网络具有更满意的综合性能指标，证实了该方法的有效性和实用性。     

遗传算法在立体仓库货位优化分配中的研究

存储一定数量货物的自动化仓库中,以基于随机存储策略的库区和货位分配以及堆垛机行驶时间为优化控制目标,针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型。在库区优化基础上,进一步提出货位优化数学模型,将Pareto最优解的概念与遗传算法相结合,提出了一种解决多目标优化问题的Pareto遗传算法解决货位优化问题,给出了仿真实验及分析。结果表明采用遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

钢包炉配料PSO-BP-PID 控制研究

针对钢包精炼炉( Ladle Ｒefining Furnace) 又称LF 炉,配料加料过程的惯性、时滞、非线性等控制特性,设计了一种基于微粒群优化算法( Particle Swarm Optimization,PSO) 、误差反向传播( Back Propagation,BP) 神经网络以及比例－ 积分－ 微分( PID) 的复合控制算法PSO-BP-PID,并将该复合算法应用于150 t 钢包精炼炉配料称重控制系统中,实现配料称重过程的智能控制。PSO-BP-PID 算法利用微粒群优化算法的全局寻优特性,优化BP 神经网络的初始权值以提高神经网络的收敛性; 采用经微粒群算法优化后的BP 神经网络在线实时调整PID参数。通过基于PSO 和BP 网络的PID 控制器实时控制钢包精炼沪的配料过程。仿真实验和运行实验结果表明,PSO-BP-PID 算法的控制效果优于单一PID 算法的控制效果。采用PSO-BPPID算法的钢包炉配料系统后,明显提高了配料精度,有效地解决了配料称重过程中速度与精度的矛盾。     

计算机网络中容量与流量分配优化研究

计算机通信网络中的链路容量与流量分配(CFA)问题是一个极其复杂的网络优化问题。本文采用正交多主体遗传算法求解CFA问题,得到了满意的结果。大量的计算机仿真实验结果表明,与传统方法相比,本文的算法能迅速地求出全局近似最优解,解的质量也有大幅度的提高。     

基于融合算法的测试优化选择问题研究

测试优化选择是个集覆盖问题,而启发式算法是求解集覆盖问题的有效方法。文中将遗传算法、BP神经网络和模拟退火算法进行融合,提出了一种融合算法,该算法充分利用遗传算法全局搜索能力强、BP神经网络训练能力强和模拟退火算法搜索速度快的优点,既避免陷入局部最优的现象,又提高了搜索的效率和精度。该算法已应用于求解测试优化问题。实例证明,该算法能够快速有效地求得测试优化问题的最优解。     

基于鲸鱼优化改进算法的基站选址

基站选址优化是网络通讯中的重要优化问题,对网络通讯质量有着极大的影响。本文基于基站选址优化问题的约束条件,以网络覆盖率作为优化指标,构建一种基站选址优化模型。传统优化算法有着收敛速度慢、易于陷入局部最优等问题,为此本文提出一种鲸鱼优化改进算法。首先,引入收敛因子随着迭代次数非线性递减的自适应改变策略以提升算法收敛能力;然后,对部分个体施加服从正态分布的变异扰动,以避免算法早熟收敛。其测试函数和基站选址优化问题的测试算例的仿真结果表明,本文提出的改进算法能够获得更理想的优化解,且具有较快的收敛速度。     

随机流量网络中流量分配控制的多目标优化研究

现实世界的网络比如：物流网络、通信网络、交通网络,电网等可以被抽象成一个随机流量网络。以传输成功率和整个传输所花费的成本为目标,对随机流量网络上流量的分配控制的多目标优化问题进行了研究。采用MPs的概念对问题建模,大大简化了模型的复杂程度。最后提出一个多目标遗传算法,通过实例验证,该算法较好地解决了随机流量网络上的流量分配控制问题。