基于局部网络拓扑特征的鲁棒节点定位算法

针对无线传感器网络的较大测距误差严重影响定位算法精度和鲁棒性的问题,利用节点均匀部署网络的拓扑特征,提出了一种基于局部网络拓扑特征的鲁棒节点定位算法(LFLS算法).该算法通过构建节点测距高估粗差阈值参数和测距低估粗差阈值参数,在对未知节点1跳测距数据集进行粗差识别及剔除等预处理滤波的基础上,使用高斯加权最小二乘定位算法实现节点定位.仿真结果表明,基于局部网络拓扑特征的鲁棒节点定位算法的定位精度明显优于未采用局部网络拓扑特征进行粗差预处理的加权最小二乘定位算法,其中粗差测距直接相关节点的定位精度改进尤为明显.     

汽轮机热耗率多模型建模方法研究

针对汽轮机热耗率难以准确计算的问题,提出了核模糊c均值与混合蛙跳算法优化最小二乘支持向量机(LS-SVM)的汽轮机热耗率多模型建模方法,用来计算不同工况下的热耗率。该方法利用核模糊c均值算法对热耗率数据聚类,采用5折交叉验证平均误差作为LS-SVM参数选择的适应度值,利用混合蛙跳算法优化参数并建立局部模型,采用开关切换得到模型输出,以此实现热耗率的多模型建模。与单一的LS-SVM模型和BP网络热耗率预测模型比较,结果表明该多模型方法有更高的预测精确和更好的泛化能力,能更准确地计算汽轮机热耗率。     

基于时空滤波的无线传感器网络抗差节点定位算法

针对无线传感器网络的最小二乘定位算法抗差性的不足,提出了一种基于时空滤波(STF)的抗差性加权最小二乘(WLS)节点定位算法--STLS.该算法基于空间域滤波的数据一致性检测算法利用相邻节点间必须满足的几何约束关系,采用优化矩阵操作,剔除粗差邻居节点,其计算复杂度为多项式的平方.通过使用具有2步收敛特性的DFP算法,最小化目标代价函数,实现节点的快速定位.实验结果表明,在均匀网格拓扑或各向异性C型网格拓扑下,该算法均可有效识别和剔除测距低估粗差点,其定位精度明显优于未进行空间一致性检测的加权最小二乘定位算法,当网络平均连通度较低时,该优势表现得尤为明显.     

基于DV-Hop的无线传感器网络定位算法

针对无线传感器网络中DV-Hop经典算法定位精度低的不足,提出了一种改DV-Hop定位算法;改进后的算法对锚节点的选取进行了优化,并改进节点跳数,还采用平均计算方法计算节点平均每跳距离。仿真表明,改进的DV-Hop算法对未知节点的定位精度有显著提高。     

基于非对称往返测距的海洋无线传感网络节点定位算法

提出一种新的基于非对称往返测距的海洋无线传感网络节点定位(LMARR)算法,该算法利用节点间非对称的接收与发送测距信息的时间差,推算出节点间海水声速以及未知节点与其邻居参考节点之间的距离,将三维距离信息转换成二维,运用最小二乘法完成定位计算。与SWN和ARTL算法相比较,仿真结果表明:LMARR算法能有效地提高节点定位的精度,特别是在深度为20～120m海水声速持续变化的区域,定位精度比SWN算法提高了20%,比ARTL算法提高了33%;此外,LMARR算法还具有较高的稳定性。     

基于Chan与Geiger混合算法的声发射源定位方法

Geiger定位算法是一种广泛应用的岩石损伤声发射源定位方法,但该算法受初始值影响较大,直接影响了算法的应用效果。文章充分挖掘Chan算法的特性,提出了一种混合Chan与Geiger算法的优化算法,利用Chan算法对损伤声源进行初始定位,再融合Geiger算法进行迭代解算。通过数值计算和断铅实验对所提出的混合算法进行理论分析和实验验证,结果表明：该混合算法简便、易行、结果可靠,能够有效提升声发射源定位算法的收敛速度和定位精度;在传感器数量较少时,该混合算法具有较强的适应性;在布设4个单维传感器的条件下,Chan与Geiger混合算法较最小二乘法与Geiger混合算法,定位结果更加精确,且迭代次数更少,能有效提高计算效率。该研究对于提高岩石、混凝土材料的损伤定位和健康监测的测算精度以及工作效率具有一定的促进意义。     

改进人工蜂群算法优化的LSSVM在混合气体定量分析中的应用

针对在易燃易爆混合气体定量分析中因交叉敏感易产生测量误差以及最小二乘支持向量机（least squares support vector machine,LSSVM）参数难以确定的问题,提出一种改进人工蜂群（improved artificial bee colony,IABC）算法优化的最小二乘支持向量机。首先,在标准人工蜂群（artificial bee colony, ABC）算法中引入自适应递减因子以更新步长,并结合轮盘赌和反向轮盘赌改进待工蜂跟随概率公式,从而提高收敛精度;然后,利用改进后的人工蜂群算法对最小二乘支持向量机的惩罚参数C和核参数σ²进行优化;最后,利用优化后的参数重建最小二乘支持向量机定量分析模型,并与利用常用的混合气体定量分析方法——粒子群优化（particle swarm optimization,PSO）算法优化的最小二乘支持向量机定量分析模型进行对比。实验结果表明,在交叉敏感状态下,采用改进人工蜂群算法优化的最小二乘支持向量机时的建模总时间和各组分气体浓度测量的平均相对误差均低于采用粒子群算法优化的,有效提高了混合气体的浓度测量精度。研究表明,改进人工蜂群算法优化的最小二乘支持向量机可为混合气体定量分析提供理论支撑,具有一定的工程应用价值。     

B-样条曲面的局部形状改进算法

提出了一种双三次B-样条曲面局部形状改进算法。首先根据节点处三阶不连续性的近似局部光顺准则，选择曲面待光顺的节点；然后利用约束的最小二乘逼近法修改相应的局部控制顶点网，从而降低曲面局部的三阶不连续性，使局部形状得到改进。在详细描述算法原理后，给出了算法的实现步骤。     

基于遗传算法的三维无线传感器网络定位新算法

针对三维无线传感器网络节点自身定位问题,提出了一种基于遗传算法的新定位算法。该算法通过分析未知节点与它的无线射程范围内的已知节点之间的通讯约束和距离测量,对未知节点建立数学模型;针对此数学模型利用遗传算法求解,把该解作为未知节点的估计位置。理论分析和试验结果表明,该算法具有很强的健壮性,未知节点的失效和新节点的加入不会影响算法的性能,并且算法定位精度高,条件简单,适合各种规模的无线传感器网络的节点定位。     

微粒群算法在无线电干涉测距定位中的应用

节点定位是无线传感网络的重要支撑技术.无线电干涉测距虽然测距精度高,但用遗传算法和迭代最小二乘算法进行节点定位的误差较大,本文针对这一问题.提出了基于微粒群算法的节点定位.该算法能够解决连续空间多维函数的优化问题,满足了基于无线电干涉测距节点定位的需要.仿真证明:该算法具有实现简单,运行稳定,计算误差小等优点.与其他常用节点定位技术相比,无线电干涉测距定位技术具有定位精度高,传播距离远,所需硬件设备少等优点.     

二次误差修正的DV-Hop优化定位算法

介绍了无线传感器网络中DV-Hop定位算法的原理,分析了其误差产生的主要原因.针对传统DV-Hop算法在定位过程中求出的平均每跳距离值误差较大以及最终定位结果精确度不高的问题,提出了一种改进型DV-Hop定位算法.在改进算法中,信标节点通过计算一次误差修正了平均每跳距离值,通过计算二次误差修正了信标节点定位误差区域,从而使最终计算出的节点坐标更接近于真实值.仿真结果表明,改进算法在无需额外增加硬件开销的前提下,可以有效地提高定位精度.     

基于包装配送问题的混沌蛙跳布谷鸟算法研究

目的设计一种求解包装配送问题的混沌蛙跳布谷鸟算法(ChaoticFrogLeapingCuckooSearch Algorithm,CFLCSA)。方法对鸟巢个体进行实数编码,引入混沌机制和随机蛙跳算法,增强算法种群多样性和局部搜索能力,并利用E-n33-k4和E-n76-k8算例来验证算法的求解性能。结果 CFLCSA算法能够求得E-n33-k4已知最优解,求得E-n76-k8的最短配送距离与已知最优解的误差仅为5.03%,且算法求解结果及平均运行时间均优于混沌蚁群算法(Chaotic Ant Colony Algorithm, CACA)、改进遗传算法(Improved Genetic Algorithm, IGA)和禁忌搜索算法(Tabu Search, TS)。结论 CFLCSA算法求解性能优于CACA算法、IGA算法和TS算法,是一种较好的包装配送问题求解方法。     

基于改进蛙跳算法的图像自适应增强研究

为了提高图像增强的效果,提出改进蛙跳算法。首先对蛙群分组,一组采用群体智能算法,另一组用自适应算法;基于实数算法对图像像素映射编码;然后通过模糊集合对蛙跳微调更新;最后以均方误差函数作为评价函数,通过Beta非线性变换函数最优参数值实现图像自适应增强。实验仿真结果得出:改进蛙跳算法对图像增强对比度较高,处理时间少,像素数据求解精度高。     

混合教与学算法在空间直线度评定中的应用

在最小区域准则条件下,为了提高空间直线度的评定精度,将教与学算法运用于空间直线度的误差评定中。汲取混合蛙跳算法的种群分组策略、洗牌策略和局部更新策略等算法思想,并将其引入到教与学优化算法(TLBO)的班级初始化与教学阶段之中,从而设计了一种混合教与学算法(HTLBO),用以增加学生个体间的信息交互能力和局部搜索能力,进一步增强算法的寻优能力。最后,通过采用两组空间直线度误差算例对HTLBO算法进行实例验证,并将实验结果与其他常用算法计算结果进行了对比,结果表明:HTLBO算法在空间直线度误差评定过程中,搜索能力强,收敛速度快,能够对空间直线度进行较高精度的评定。     

蚁群循环定位算法在WSNs节点定位中的应用

针对无线传感网络中测距和定位算法复杂、精度不高的问题,提出了一种基于蚁群算法的循环定位算法。首先,利用接收信号强度指示(RSSI)方法测量距离,并建立信号衰减模型来计算测距公式。然后,利用循环定位算法对8个锚节点进行循环定位,将定位结果的平均值作为盲节点的最佳位置。最后,将该算法与加权质心定位算法和三边测量法进行对比,实验结果表明,循环定位算法的定位精度和稳定性更佳。     

Improved GNSS Cooperation Positioning Algorithm for Indoor Localization

For situations such as indoor and underground parking lots in which satellite signals are obstructed, GNSS cooperative positioning can be used to achieve high-precision positioning with the assistance of cooperative nodes. Here we study the cooperative positioning of two static nodes, node 1 is placed on the roof of the building and the satellite observation is ideal, node 2 is placed on the indoor windowsill where the occlusion situation is more serious, we mainly study how to locate node 2 with the assistance of node 1. Firstly, the two cooperative nodes are located with pseudo-range single point positioning, and the positioning performance of cooperative node is analyzed, therefore the information of pseudo-range and position of node 1 is obtained. Secondly, the distance between cooperative nodes is obtained by using the baseline method with double-difference carrier phase. Finally, the cooperative location algorithms are studied. The Extended Kalman Filtering (EKF), Unscented Kalman Filtering (UKF) and Particle Filtering (PF) are used to fuse the pseudo-range, ranging information and location information respectively. Due to the mutual influences among the cooperative nodes in cooperative positioning, the EKF, UKF and PF algorithms are improved by resetting the error covariance matrix of the cooperative nodes at each update time. Experimental results show that after being improved, the influence between the cooperative nodes becomes smaller, and the positioning performance of the nodes is better than before.     

Non-binary decomposition trees—a method of reliability computation for systems with known minimal paths/cuts

A coherent system with independent components and known minimal paths (cuts) is considered. In order to compute its reliability, a tree structure T is constructed whose nodes contain the modified minimal paths (cuts) and numerical values. The value of a non-leaf node is a function of its child nodes' values. The values of leaf nodes are calculated from a simple formula. The value of the root node is the system's failure probability (reliability). Subsequently, an algorithm computing the system's failure probability (reliability) is constructed. The algorithm scans all nodes of T using a stack structure for this purpose. The nodes of T are alternately put on and removed from the stack, their data being modified in the process. Once the algorithm has terminated, the stack contains only the final modification of the root node of T, and its value is equal to the system's failure probability (reliability).     

A three-step renumbering procedure for high-order finite element analysis

An efficient renumbering method for high-order finite element models is presented. The method can be used to reduce the profile and wavefront of a coefficient matrix arising in high-order finite element computation. The method indirectly performs node renumbering and involves three main steps. In the first step, nodes at corners of the elements are numbered using an existing renumbering algorithm. In the second step, elements are numbered in an ascending order of their least new corner node numbers. Finally, based on the new element numbers, both corner and non-corner nodes are renumbered using an algorithm that simulates the node elimination procedure in a frontal solution method. The method is compared to the algorithms that directly perform node renumbering. The numerical results indicate that the three-step algorithm presented here is an order of magnitude faster and the resulting renumbering produces excellent profile and wavefront characteristics of the coefficient matrix. © 1998 John Wiley & Sons, Ltd.