物联网感知层多路径传输策略研究

多路径数据传输是无线传感器网络亟需解决的一个关键问题.本文针对节点故障、链路失效和外界干扰影响网络稳定性和可靠性,提出一种基于混合蛙跳算法的无线传感器网络多路径传输策略.首先我们详细介绍了蛙跳算法及其原理,之后我们将其应用到无线传感器网络多路径传输策略之中,接着运用混合蛙跳算法对传感网络节点其进行更新、划分、重组以便选择出最优节点建立传输最优路径,提高网络的稳定性和可靠性.通过算法仿真与结果对比提出的算法与AODV、粒子群PSO算法相比,在网络能耗、传输时延、丢包率、连通率和可靠度等方面都具有较好的性能.其中网络能耗比AODV、PSO算法降低了62.5％和35.8％.     

混合蛙跳在网络编码协作系统资源分配中的应用

网络编码协作中继技术能合理分配IMT-Advanced的资源,从而提高系统性能,受到了广大学者的关注。针对基于网络编码的双向多中继协作系统,提出基于混合蛙跳的资源分配方案。以最小化系统传输功率为优化目标,在满足用户QoS下,推导每个节点的最优化功率,建立最优化资源分配模型,利用混合蛙跳算法解决系统资源分配问题。仿真结果表明,在满足单节点QoS下,所提出的基于混合蛙跳的资源分配方案能有效减小系统的总功率,提高了系统性能。     

改进蛙跳算法的多中继协作系统最优功率分配

协作通信与直接通信相比能够显著地提高系统性能,功率分配是协作通信中的一个关键问题。为了获得合理的协作中继通信系统功率分配方案,提出一种基于改进蛙跳算法的多中继节点功率分配方法。首先对功率分配问题进行分析,将其转换为一个非线性优化问题,然后将青蛙表示为源节点,中继节点的功率,以平均信噪比作为青蛙的食物,并通过青蛙的信息交流和协作找到最优的功率分配方案,最后采用仿真对比实验对本文算法性能进行测试。仿真结果表明,相对于其它功率分配方法,改进蛙跳算法有效地提高了系统的信道容量,降低了中断概率,以较低的复杂度提高了系统的性能。     

基于改进混合蛙跳算法的SVM分类算法

支持向量机的训练需要求解一个带约束的二次规划问题,但在数据规模很大情况下,经典训练方法将变得很困难。本文提出一种基于改进的混合蛙跳算法的SVM训练算法。针对混合蛙跳算法搜索速度慢且容易陷入局部极值的缺陷,将模拟退火思想引入到混合蛙跳算法中,提出一种改进的混合蛙跳算法。该算法保持了混合蛙跳算法参数少和容易实现的特点,同时通过模拟退火的降温过程来提高算法的进化速度和精度。实验结果表明,该算法能显著提高收敛速度,并能有效克服局部极值,在SVM训练中具有良好效果。     

基于改进混合蛙跳算法及SVM的耳语情感语音识别方法的DSP实现

提出了一种基于改进混合蛙跳算法的SVM训练算法。该算法保持了混合蛙跳算法参数少和容易实现的特点,同时通过模拟退火的降温过程来提高算法的进化速度和精度。并用耳语情感语音识别实验来验证提出的基于改进混合蛙跳算法的SVM的有效性。实验结果表明,提出的新的模型的实验结果明显好于传统的SVM方法,证明了该方法的有效性。     

基于智能算法的PID励磁控制器优化设计

作为电力系统的重要一部分,发电机励磁控制系统能够保证维持端电压稳定以及提高电力系统整体运行的稳定性。针对电力系统越来越复杂,维持电力系统稳定性尤为重要,文章提出用混合蛙跳算法、权重改进蛙跳算法、遗传算法整定PID参数。最后实验结果表明,权重改进蛙跳算法能有效地获得最优的参数组合,使PID控制效果能够满足系统性能要求。     

无线供电混合多址接入网络的最优能效资源分配研究

在能量受限的通信系统中，能量效率是衡量系统性能的关键指标.本文研究由一个基站和多个分簇用户组成的无线供电混合非正交多址接入系统.在该网络中，基站通过无线能量传输方式给用户供能，用户则利用收集到的能量向基站传输各自的信息.为降低基站的接收解码复杂度，用户采用分簇的方式进行信息传输：簇间用户的信息传输采用时分多址方式，而簇内用户的信息传输采用非正交多址方式.通过联合分配能量传输与信息传输的时间长度以及控制基站和用户的发射功率来实现网络能量效率的最大化.由于涉及的优化问题是非凸的，本文先通过寻找问题最优解的结构，然后根据分式规划理论，提出了一种新的迭代资源分配算法来求解该问题.仿真结果表明，与"吞吐量最大化策略"和 "固定时间分配策略"两种基准策略相比，所提出的算法显著提高了网络的能量效率.     

基于节点持续传输准则的认知传感器网络信道分配策略

在异构分级式认知传感器网络中,为提高数据分组的传输成功率,提出将节点划分为具备持续传输条件和不具备持续传输条件两类,两类节点分别以牺牲较多能耗和分配较优信道的方式提高数据分组的传输成功率,并由此得到一种集中式信道分配策略.为了降低节点在信息传输过程中每比特平均能耗,对数据分组自适应调节机制进行了优化,确保不具备持续传输条件的节点得到最优的传输数据分组大小.仿真结果证明,提出的分配策略和优化机制能够有效提高能量的使用效率,改善网络性能.     

改进混合蛙跳算法求解旅行商问题

以旅行商问题(TSP)为例,引入调整序思想设计了局部搜索策略,同时在全局信息交换过程中加入变异操作,提出一种改进混合蛙跳算法求解TSP问题.实验结果表明,与遗传算法和粒子群优化算法相比较,改进混合蛙跳算法在求解TSP问题上具有更好的搜索性能和顽健性.     

用混合蛙跳算法的智能防空火力分配

结合混合蛙跳算法对防空作战火力分配问题进行了探索。在火力分配建模的前提下,应用改进的混合蛙跳算法求解模型。首先根据空袭目标特点,采用十进制编码方式设计模型求解矩阵,由该矩阵可直接得到火力决策阵,其特点是求解精度高,可锁定任意火力单元的打击对象。在原混合蛙跳算法的基础上,通过引入一个与迭代次数相关的可变步长σ,使算法的执行过程从多点变异方式转换到单点变异方式,从而使算法具有更强的健壮性。在满足单个火力单元射击约束的前提下,根据算法原理给出具体的求解方案和步骤。通过实例仿真验证了算法的可行性和有效性。与遗传算法及改进的遗传算法相比较,混合蛙跳算法具有更快的收敛速度和精度。     

基于混合蛙跳算法的移动机器人路径规划

针对移动机器人路径规划中算法搜索能力不强且易陷入停滞的问题,文中提出了一种基于混合蛙跳算法的移动机器人路径规划方法。首先利用蚁群算法在栅格地图中生成一定数量的路径,然后引入混合蛙跳算法,子群内进行Memetic进化,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格进行路径更新,并对最终生成的最优路径进行优化处理,以消除不必要的拐点,保证机器人路径运行的安全性。二维环境下的仿真实验表明,提出的混合蛙跳算法能在有效避开障碍物的同时快速地规划出一条通往目标点的优化路径,且效果令人满意。     

改进混洗蛙跳算法的软硬件划分方法研究

本文将混洗蛙跳算法应用于软硬件划分,提出一种新型的软硬件划分方法。针对混洗蛙跳算法应用于离散型问题时普遍存在的种群更新过慢、算法寻优方向盲目等问题,本文采用随机步长来改进青蛙种群的迁移行为,采用子种群内进化与全局混洗进化相结合的策略改进盲目全局寻优的情况,并根据无效迭代次数来提前终止迭代以提高算法效率。在划分实验中,改进后的算法的平均最优解比原始算法减小了17.4%～73.3%,平均硬件面积比原始算法大对不同结点数的随机DAG图4.32%～5.81%,平均仿真执行时间只有原算法的42.7%～64.0%。改进后算法在寻优能力和收敛速度上均优于原始算法,可更高效地完成软硬件划分任务。      

混合蛙跳算法的Markov模型及其收敛性分析

 本文就混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)建立了Markov链数学分析模型,详细分析了该Markov链的性质,证明青蛙族群状态序列是齐次Markov链.在此基础上,通过分析族群状态序列的转移过程,指出序列必将进入最优状态集.同时证明混合蛙跳算法满足随机搜索算法全局收敛的两个条件,能够保证全局收敛.     

多目标混合蛙跳算法中改进的种群分割方法

种群分割方法是混合蛙跳算法最重要的组成部分之一,直接影响算法的性能。针对多目标混合蛙跳算法,提出一种新的种群分割方法。该方法将代表潜在最优区域的非支配个体集合通过聚类的方式划分族群,目的是使不同族群在不同区域进行局部搜索,避免算法早熟。被支配个体则根据其与非支配个体集合的近似度分配到族群中,并通过随机加入其他族群个体的方式提高本族群的多样性。实验结果表明,本文的方法在提高多目标混合蛙跳算法的收敛性和收敛速度方面都具有优势,而且对于目标个数较多的优化问题（最多10个目标）仍能获得令人满意的结果。      

求解旅行商问题的改进混合蛙跳算法

混合蛙跳算法（Shuffled Frog Leaping Algorithm,SFLA）是解决组合优化问题的有效方法,’但是应用于TSP问题时,由于SFLA没有充分利用最佳个体的优良信息,导致收敛速度太慢。文中把遗传算法（Genetic Algorithm,GA）的交叉和变异引入SFLA,提出了一种针对旅行商问题（Traveling Salesman Problem,TsP）的改进混合蛙跳算法（Improved Shuffled Frog Leaping Al—gorithm,ISFLA）。应用于TSP的实验结果表明：ISFLA的收敛速度明显高于SFLA,同时优于GA和简单翻转算子。ISFLA不仅表现出了更快的收敛速度,而且能有效地缓解局部早熟收敛。     

基于可见光的自适应混合蛙跳定位算法

可见光通信具有绿色、节能、成本低等优点,比较适合应用于室内定位。提出一种基于可见光通信的自适应混合蛙跳室内定位算法,该算法通过到达时间(TOA)算法和最小二乘算法进行初始定位,得到未知定位点的估计位置解集,再利用自适应混合蛙跳算法搜索未知定位点的最优位置。该算法具有较强的全局搜索能力,不易陷入局部最优,能够得到较高精度的定位结果。仿真结果表明,该算法比传统TOA定位算法的定位误差小,说明该算法提高了室内定位的精度。     

Multi-constraints QoS routing optimization based on improved immune clonal shuffled frog leaping algorithm

Aiming at the multi-constraint routing problem,a mathematical model was designed,and an improved immune clonal shuffled frog leaping algorithm (IICSFLA) was proposed,which combined immune operator with traditional SFLA.Under the constraints of bandwidth,delay,packet loss rate,delay jitter and energy cost,total energy cost from the source node to the terminal node was computed.The proposed algorithm was used to find an optimal route with minimum energy cost.In the simulation,the performance of IICSFLA with adaptive genetic algorithm and adaptive ant colony optimization algorithm was compared.Experimental results show that IICSFLA solves the problem of multi-constraints QoS unicast routing optimization.The proposed algorithm avoids local optimum and effectively reduces energy loss of data on the transmission path in comparison with adaptive genetic algorithm and adaptive ant colony optimization algorithm.     

基于自适应蛙跳算法的图像增强研究

针对图像增强的特点,提出自适应蛙跳算法。首先通过自适应调整惯性权重策略确定个体选择的概率,适应度值越小,被选择的概率越大;接着将青蛙位置差值来动态扰动群体,在较优族群内进行精细搜索,在较差族群内进行广泛搜索来加快找到全局最优解;最后采用非完全Beta函数来确定图像增强过程。实验仿真结果得出:该算法对图像增强具有清晰度高、抑制噪声能力强等特点。