基于细菌趋药性优化的QoS组播路由算法

引进细菌趋药性算法(BCO),用于QoS组播路由问题.BCO是一种新型的对细菌觅食行为进行模拟的优化算法.对不同节点的网络结构图进行仿真,表明在同等条件下,BCO收敛时间低于流行的和谐搜索(HS),人工免疫遗传算法(AIGA)等算法.节点规模越大,优势越明显.当节点规模高达60时,BCO消耗时间仅有HS的35%,AIGA的42.5%.     

基于细菌觅食优化算法的WSNs节点部署策略

为了提高传感器节点的有效覆盖率,提出了一种基于细菌觅食优化(BFO)算法的节点部署策略。以网络覆盖率为目标函数,在细菌觅食算法的趋向操作过程中,引入碰壁策略,对细菌初始位置进行优化,从而提高算法的收敛速度。算法中的每个细菌都代表一只传感器,多个细菌组成的一个菌落代表一种传感器的部署方案。算法以菌落为单位做复制操作和迁徙操作,按照菌落适应度值大小选出较为优越的部署方案。通过仿真实验,分析了参数对算法性能的影响,并与其他方法的优化结果进行比较,结果表明:该算法有效地提高了传感器节点覆盖率。     

基于传感器节点优化的物联网信息采集系统设计

对物联网信息采集问题进行了研究,以实时监测城市道路中消防栓的情况入手,设计了一种基于传感器节点优化的物联网信息采集系统。首先,设计了消防栓在线监测系统,并对其核心的物联网信息采集系统进行详细设计;然后,对传感器节点部署优化方案进行了研究与探讨,包括网络系统设计、节点部署优化问题的条件设定、节点部署优化问题数学模型的构建,其具体优化方法是利用改进后的PSO算法寻找最优传感器节点部署方案;最后,在Matlab仿真平台上对传感器节点部署优化过程进行模拟实验,分别采用标准PSO算法与改进后PSO算法对传感器节点初始布局进行优化。实验结果表明：改进后PSO优化布局的评价函数值较初始布局提高了3.57%,覆盖冗余度较初始布局提高了4.88%,优化布局的通信强度都较初始布局提高了6.2%,改进后PSO优化布局的邻居节点个数分别较初始布局和标准PSO优化布局增加了7.61%与2.6%,总体性能评价函数值比标准的PSO优化布局评价函数值提高了0.21%,表明改进后PSO搜索的传感器节点分布方案更为优越,优化布局的连通性更好,适用于本次研究的传感器节点优化,获取最优节点部署方案。     

基于节点剩余功率的多中继选择算法

提出一种基于节点剩余功率的多中继放大转发协同节点选择算法,根据节点信道状态信息(CSI)和剩余能量信息对网络生存时间进行优化,使用加权函数和信道容量增益门限进行多协同节点选择。仿真结果表明,对于动态和固定功率分配,该算法选择三四个中继可使协同通信系统性能达到最优;相对基于CSI的单中继选择算法,当中继数为4时,其在动态功率分配时的网络生存时间最高可延长82%。     

含分布式发电的改进BFO算法配电网无功优化

在含分布式电源的电网无功优化研究中,为了更有效地提高配电网性能,提出了一种改进细菌觅食算法(CP-BFO).以电网网损最小、负荷节点电压和发电机的无功出力约束作为综合目标函数,采用细菌觅食算法,在聚焦操作中引入粒子群变异算子,使算法具有良好的全局搜索能力,提高了算法的寻优效率.同时利用混沌原理对改进的细菌觅食算法的参数进行自适应调节,改善了算法的收敛性能.通过节点系统的仿真表明,CP-BFO算法在提高含分布式电源的智能电网电压质量与减少功率损耗的优化过程中具有可行性和有效性.     

协同干扰节点资源优化分配模型及算法

针对协同干扰节点资源优化分配问题,通过引入协同干扰组的概念,建立了协同干扰节点优化分组模型,将系统有效干扰时间优化简化为协同干扰节点分组数优化,并考虑了协同干扰组对目标通信压制的误码率约束,保证有效压制干扰下系统工作时间最长。结合智能优化算法,提出了基于遗传算法的干扰机节点分组优化求解方法,给出了具体的求解步骤,并与贪婪算法结果进行比较。最后通过实例仿真验证了方法的有效性和优越性。     

基于细菌趋药优化的传感器节点定位算法

主要研究分析分布式加权多维标度定位算法,针对该定位算法的不足提出基于细菌趋药优化的传感器节点定位算法。所提出的算法主要做两方面的改进：一方面,对其加权机制做修正;另一方面引入收敛速度较快且适用于多峰函数优化的细菌趋药优化算法对其局部目标代价函数进行优化。仿真实验结果表明：所提出的dw MDS（BC）定位算法在节点分布稀疏或网络拓扑不规则的环境中仍有较好的定位精度,而且算法的收敛速度也有提高。     

基于能量与能耗速度的WSN分簇算法

无线传感器网络的最大局限是能量有限.为了高效利用网络能量、均衡网络负载,提出了一种基于能量与能耗速度的分簇算法.其中节点能耗速度是一个带有能耗预测信息的参量,利用它可以更有效地优化簇头选择与簇规模,该算法根据这两个参数来优化簇头的选择,能有效地延长节点的生存时间;同时,根据簇头节点与基站的距离、当前能量和能耗速度对簇规模进行约束和优化,进一步保证了簇之间的负载均衡.仿真实验表明改进后的算法有效地延长了网络的生存时间.     

基于弹簧粒子模型的大规模WSN定位算法的衍生算法

为了提高基于弹簧粒子模型的大规模无线传感器网络定位算法(LASPM定位算法)的鲁棒性,将对LASPM基本定位算法进行优化及改进,并提出一系列的改进衍生算法.针对弱节点将设计简单的迭代定位方法,提出了3个补丁算法,分别用于处理局部极值、剔除坏节点和处理节点动态变化等问题.仿真实验结果表明,新算法的节点计算复杂度、通信复杂度在网络规模增大时仍然保持常量,节点计算步数不随网络规模变化而变化,时间复杂度也保持常量.实验研究结果表明,本文的定位算法具有良好的鲁棒性.     

无线网络安全通信加密算法仿真研究

网络通信加密时,为了保证加密的复杂度只能对所有数据进行加密,没有考虑节点的有效性和无用性。一旦网络规模较大,存在大量无效节点的情况下,传统的对称密码技术进行安全通信前,需要对所有节点以安全方式进行密钥交换,一旦节点过多。会造成加解密速度慢、密钥尺寸大的缺点。提出改进椭圆曲线密码的无证书公钥密码体制下的加密优化算法。针对需要加密的网络通信系统进行初始化操作,得到符合算法需求的系统初始状态信息,构建改进椭圆曲线密码理论加密模型,以排除的形式获取合法有效的节点私钥,简化加密过程,然后对系统的各个节点安全属性进行评析、验证密钥的安全性。实验结果表明,利用改进算法进行大型网络通信中无证书公钥体制下的加密优化,能够简化密码系统部署,提高了加密系统的效率。     

混沌优化细菌觅食算法的传感器节点部署策略

为了增加节点的有效覆盖率,设计一种混沌优化细菌觅食的节点部署策略.首先使用节点有效覆盖率、节点闲置率和剩余能量均衡函数作为优化因子构造目标函数综合优化模型.在优化阶段,设置菌群密度函数因子、细菌碰壁反弹因子、混沌扰动的趋向序列、动态趋向步长、菌群交叉和变异算子及动态细菌迁徙概率等机制改进细菌觅食算法以提升优化效率.仿真实验表明,使用改进后的混沌细菌觅食优化策略能够有效优化无线传感器网络的节点覆盖,使优化后的无线传感器网络具有更高的网络综合利用率及更长的监测寿命.     

Borrowing channel assignment strategies based on heuristictechniques for cellular systems

The demand for more efficient and fast channel allocation techniques in cellular systems increases day by day. Borrowing channel assignment (BCA) was introduced in the literature as a compromise between the classic fixed and dynamic channel allocation schemes. This paper examines the behavior of three heuristic BCA techniques based alternatively on a Hopfield neural network, an efficient evolutionary algorithm named combinatorial evolution strategy (CES) and a third heuristic which combines the basic advantages of the two above computational intelligence methods. By considering some specific assumptions that follows an ideal cellular mobile model, BCA is formulated as a combinatorial optimization problem. The above heuristics have been extensively applied to solve efficiently such problems in the past. Simulation results, derived for uniform and nonuniform traffic load conditions, are used to compare these BCA schemes each other as also with other well-established allocation techniques.     

细菌趋药性算法理论及应用研究进展

细菌趋药性算法是优化领域一种新的仿生进化算法。该算法利用细菌在引诱剂环境下的应激反应动作来进行函数优化。针对细菌趋药性算法,首先介绍了其基本原理;然后讨论了近年来对该方法的若干改进;最后详述了细菌趋药性算法未来的研究方向和主要研究内容,该方法是具有实际研究价值的函数优化算法。     

A Novel Statistical Manifold Algorithm for Position Estimation

In this paper, a novel statistical manifold algorithm is proposed for position estimation of sensor nodes in a wireless network, making full use of distance information available among unknown nodes and simultaneous localization of multiple unknown nodes. To begin, a ranging model including the distance information among unknown nodes is established. With the reparameterization of the natural parameter and natural statistic, the solution problem of the ranging model is transformed into a parameter estimation problem of the curved exponential family. Then, a natural gradient method is adopted to deal with the parameter estimation problem of the curved exponential family. To ensure the convergence of the proposed algorithm, a particle swarm optimization method is utilized to obtain initial values of the unknown nodes. Experimental results indicate that the proposed algorithm can improve the positioning accuracy, compared with the traditional algorithm.      

距离寻优中Dijkstra算法的优化

Dijkstra算法在求解两指定顶点间最短距离时,对两顶点之间最短路径以外的大量顶点进行了计算,而影响了算法的速度。在对Dijkstra算法分析的基础上,结合网络模型的特点,对Dijkstra算法进行了优化。优化算法基于两点之间直线最短的思想,改变了对顶点处理顺序的规则。在算法流程中只对最短路径上及其附近的顶点做了处理。而与最短路径相距较远的顶点基本不涉及。因此,在优化处中计算的顶点数量大幅减少,提高了算法的速度,给出了优化算法的正确性证明,对优化算法的实用性和效率加以讨论,优化算法在实际中已经得到应用。     

基于智能估计的无线传感器网络定位算法

节点定位是无线传感器网络的基本机制,位置数据是监测事件不可缺少的信息,传感器节点必须首先确定自身的位置.针对无线传感器网络的节点定位问题,提出了基于Free Search优化的智能定位算法,介绍了Free Search优化算法和智能估计的模型.该算法的基本思想是将参数估计问题转化为非线性函数的在线优化问题,利用Free Search获得未知节点坐标的最优估计.仿真结果证明,与最小二乘估计定位算法相比,新算法定位精度显著提高.     

一种新的基于Agent的神经网络隐层节点数的优化算法

本文提出了一种新的基于Agent的神经网络隐层结构的优化算法(OHA)。该方法包括两个部分,分别由RLAgent和NNAgent合作完成。RLAgent根据强化学习算法找到一个比当前节点数更优的解,并反馈给NNAgent。NNAgent据此构建相应的网络,并采用分层训练的算法对该网络进行优化,训练结果再发给RLAgent。在多次循环后,OHA算法就可以找到一个训练误差最小的全局最优解(权值及隐层节点数)。本文讨论了有关的算法、测试和结果分析。Iris数据集和危险评估数据集的测试结果表明,算法避免了盲目搜索造成的计算开销,明显改善了优化性能。     

WSN中基于非线性自适应PSO的分簇策略

如何更大程度地延长网络的生命周期是设计无线传感器网络路由协议时需要考虑的重要因素。针对此问题,提出一种新型的基于改进粒子群优化的分簇算法。该算法调整了传统粒子群优化算法的惯性权重系数,能够避免其过早陷入局部最优;同时考虑到能量均衡和传输路径,将转发节点与簇头协作,以减轻簇头的能耗。仿真对比实验表明,改进算法在合理分配节点和平衡簇结构系统方面具有良好的性能。     

一种改进细菌觅食优化算法及其在软测量建模中的应用

针对软测量建模中模型参数的优化需求,在分析细菌觅食优化算法(BFOA)和粒子群优化(PSO)算法的基础上,将二者有机结合,提出了一种新型细菌觅食粒子群混合优化算法(BSOA)。该算法将PSO粒子移动的思想引入BFOA,有效解决了BFOA趋向性操作中细菌位置更新的盲目性。将其分别用于典型函数的寻优与成品油研究法辛烷值最小二乘支持向量机(LSSVM)模型参数的优化,仿真结果表明:该方法有效增强了算法的全局寻优能力与收敛速度,并在一定程度上改善了模型的预测精度与泛化能力。     

基于近似结构风险的ELM隐层节点数优化

隐层节点数是影响极端学习机(ELM)泛化性能的关键参数,针对传统的ELM隐层节点数确定算法中优化过程复杂、容易过学习或陷入局部最优的问题,提出结构风险最小化-极端学习机(SRM-ELM)算法。通过分析VC维与隐层节点数量之间的关联,对VC信任函数进行近似改进,使其为凹函数,并结合经验风险重构近似的SRM。在此基础上,将粒子群优化的位置值直接作为ELM的隐层节点数,利用粒子群算法最小化结构风险函数获得极端学习机的隐层节点数,作为最优节点数。使用6组UCI数据和胶囊缺陷数据进行仿真验证,结果表明,该算法能获得极端学习机的最优节点数,并具有更好的泛化能力。