基于细菌菌落算法的电力系统无功优化

电力系统无功优化具有非线性,多控制变量,多约束条件,连续变量和离散变量混杂的特点,针对现有算法或容易陷入局部最优解或收敛速度慢的缺点,提出了一种细菌菌落(bacterial colony optimization,BCO)优化算法,将BCO优化算法首次应用于电力系统无功优化问题。BCO算法将问题的解空间视为细菌培养液,在其中放置单个或少量细菌个体,模拟细菌菌落的生长进化过程,该算法本身具有进化机制,并且提出了一种新的结束准则。BCO算法通过繁殖适应度高的个体,死亡适应度低的个体,可以尽快的获得适应度更优的个体,从而可以避免算法陷入局部最优解,同时也加快了收敛速度。用BCO算法对IEEE14节点标准测试系统进行无功优化计算,实验结果表明,细菌菌落(BCO)优化算法较其他算法具有较强的全局寻优能力,且收敛速度快,鲁棒性好,可以作为求解电力系统无功优化问题的一种新途径。     

细菌趋药性算法用于软硬件划分

引进细菌趋药性算法（BCA）,用于嵌入式系统和片上系统的软硬件双路划分。BCA是一种新型的对细菌觅食行为进行模拟的优化算法。对不同节点的控制数据流图进行仿真,表明在同等条件下,BCA收敛时间低于模拟退火算法、禁忌搜索与蚁群算法,节点规模越大,优势越明显。当节点规模高达100时,BCA消耗时间仅有常用优化算法的40%～60%。     

一种无线传感器网络分簇规模约束算法

针对无线传感器网络节点能耗受限和不同节点能量开销不平衡的问题,对于分层结构的无线传感器网络提出了一种分簇规模约束算法.该算法是通过对簇内节点数量设置上下限的方式,对簇规模大小进行限制.如果簇中节点的数量超过上限(U),该簇就被划分为两个簇;如果簇中节点的数量低于下限(L),该簇就会和邻居簇相结合.在自组簇的形成过程中采用该算法,可减少节点能量开销和增加簇的稳定性.     

基于退火免疫遗传算法的测试用例生成研究

在软件测试技术中,高效的测试用例生成是简化测试工作、提高测试效率的必要手段.提出了一种应用于软件测试中的基于退火免疫遗传算法(AIGA)的测试用例自动生成算法,介绍了AIGA测试用例生成模型和AIGA算法的基本思想.算法融合了模拟退火算法和免疫算法在避免陷入局部最优和保持种群多样性方面的优势,克服遗传算法局部搜索能力差及其早熟现象和模拟退火算法全局搜索能力差、效率不高的问题.实验结果表明,算法在测试用例自动生成的效率和效果方面.优于传统遗传算法.     

基于改进双系统协同进化算法的无线传感器网络节点定位

为进一步提高无线传感器网络(WSN)中节点的定位精度,提出了一种双系统协同进化(BCO)算法。改进算法利用粒子群优化(PSO)算法快速收敛的特性和混合蛙跳算法(SFLA)较高的寻优精度的特性,在较少的迭代次数内快速收敛且实现深度搜索达到较高的精度。仿真实验结果表明:在应用双系统协同进化算法对测试目标函数进行求解时,能非常接近最优解;同时将该算法应用到基于接收信号强度值(RSSI)测距的节点定位中,预测位置与实际位置的绝对误差在0.05 m范围内;相比基于RSSI的分步粒子群算法(IPSO-RSSI),其定位精度至少提高了10倍。     

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.     

基于固定邻域规模的动态网络影响力最大化探测算法

以往对影响力最大化问题的研究大多是基于静态图进行优化研究,但在现实中,网络数据量随着时间不断增加,系统不可能实时获取到整个网络中节点之间的连接情况.在传统MaxG探测模型的基础上,采用固定邻域规模和节点邻域层级相结合的方式计算节点影响力大小,提出了新的动态网络探测算法RAS-MaxG(regular area scale-MaxG),解决了传统探测算法由于采用度来衡量节点影响力值所导致的节点之间区分性差的问题.最后通过在真实数据集上的实验对比,验证了所提算法在最终影响力覆盖范围方面具有更好的性能表现.     

基于能量效率的无线传感网络分簇算法

由于无线传感网络中传感器节点能量受限,提出基于能量效率的无线传感网络快速分簇算法(EECA),在系统初始化阶段把部署区域快速分成多个簇,随后以权衡节点自身能量消耗比和度作为选择簇头节点的依据,这时候的重新选举簇头节点变成了一种局部触发的行为,由于重新选举簇头节点只在簇内进行,这大大减少了重新选举簇头节点的复杂性和计算负载.理论分析表明EECA簇形成算法的消息和时间复杂度均为O(1),说明算法的开销较小,与网络的规模n无关.仿真实验结果表明EECA具有良好的负载平衡性能和较小的协议开销,与LEACH协议相比,能够减少能量消耗,延长网络生存期.     

基于抗体注射的免疫遗传算法

标准遗传算法存在收敛速度慢、过早成熟等缺点。借鉴生物免疫系统中抗体注射免疫的理论,提出了一种基于抗体注射的免疫遗传算法(AIGA)。该算法在保留了标准遗传算法随机全局搜索能力的基础上,引进了生物免疫系统的免疫应答、抗体注射和免疫选择等机制。结合旅行商问题(TSP),给出了示范抗体的提取和注射方法,并给出了算法收敛性的理论证明。最后,用AIGA对100个城市的TSP进行了仿真计算,并将其计算过程与标准遗传算法进行了对比,结果表明该算法能有效地改善遗传算法不成熟收敛的缺陷,使收敛的速度有较大的提高。     

基于时间权重值的共识算法研究

针对联盟链中广泛应用的PBFT算法网络复杂度高、共识速度慢以及查询速度上的不足进行了研究,并提出了一种基于时间权重值(time-weighted value,TWV)的共识算法.首先,针对网络复杂度高和共识速度慢的问题,TWV共识算法通过节点的时间权重值选择合适的共识节点缩小了共识节点的规模,并且结合PBFT算法中的视图更换协议,将此时的共识节点替换为具有较高时间权重值的节点;其次利用共识节点延迟低、在线时间长以及数据存储量的特点,提升了数据查询和同步的效率;最后,通过本地多节点的仿真对比实验证明,TWV共识算法的数据查询效率以及吞吐量较PBFT共识算法有所提升,并且有效降低了节点达成共识的时间.     

关于无线传感器网络定位算法仿真

针对无线传感器网络(WSNs)节点定位的问题,提出了一种通过构建粒子群机制的量子神经网络模型优化距离矢量跳跃(DV-HOP)的定位算法(PSO-QNN),根据传统DV-HOP所得到的平均距离和实测节点距离构建量子神经网络模型,并通过粒子群算法对平均距离进行训练,从而得到较优平均值,实现了对DV-HOP算法的优化.算法缩短了传统人工神经网络的训练时间,并且加快了收敛速度.仿真结果表明:与传统DV-HOP算法相比,所提出的PSO-QNN算法能够减少约20%的定位误差,定位精度显著提高.     

基于图模块度聚类的异常检测算法

社会网络的数据规模在不断扩大,现存的异常检测算法对复杂社会网络进行检测的效果不理想,提出了一种基于图模块度聚类的异常检测算法(anomaly detection algorithm based on graph modularity clustering, GMC＿AD),该算法适用于解决受网络规模以及复杂度的限制导致检测效率不高的问题。GMC＿AD算法在分析网络拓扑结构的基础上,通过引入异常节点加权机制和模块度聚类算法进行异常检测。GMC＿AD算法主要在三个方面进行改进：a)设计网络中节点演化的量化策略,以此识别具有异常演化行为的节点来得到异常节点集合;b)通过模块度聚类的方法降低网络规模;c)在计算网络波动值的过程中使用加权机制合理考虑异常节点的影响,再通过网络波动值变化来检测异常。基于真实社会网络VAST、EU＿E-mail和ENRON进行对比实验,GMC＿AD算法准确地检测出异常发生的时段,实验结果显示在事件检测敏感性上提高了50%～82%,在异常检测运行效率上提高了30%～70%。实验结果表明,GMC＿AD算法不仅提高了异常检测算法的准确率和敏感性,还提高了异常检测算法的效率...     

基于有限节点集的网络毁伤最大化问题研究

对网络实施攻击时,人们希望在有限的资源下获得最大的毁伤效果,而节点排序策略并不能实现毁伤最大.针对这种情况,定义攻击有限节点集的网络毁伤最大化问题,并给出问题的近似求解算法.由于近似求解算法计算复杂度较高,进一步提出基于重要节点的贪婪算法(greedy algorithm based on important nodes,GABIN).对无标度网络的实验表明:GABIN算法能够有效地减少计算时间,且效果接近于近似求解算法;当无标度网络的度指数$\gamma\geqslant2.5$时,GABIN算法的效果明显优于排序算法,所得节点集中超过30%的节点不同于排序算法.对Power网络的毁伤实验表明,GABIN算法适用于较大规模的实际网络,且效果显著优于度、介数、接近度、删除节点等排序算法.实验发现,利用GABIN算法获得的关键节点集包含大量的非中心性节点,这为网络攻击或网络防护提供了一个新的思路.     

一种基于自适应半径调整的无线传感器网络覆盖控制算法

在无线传感器网络中,在使用合适的覆盖控制算法、保证一定覆盖性的前提下,使一些节点的传感节点按照策略休眠,对延长网络生存时间有重要意义,为了有效地进行节点的覆盖控制设计了节点自适应传感半径调整算法AASR(adaptive adjustment of sensing radius),使节点为自已选择合适的覆盖范围.从调整效果、能量消耗和覆盖冗余度几个方面对算法进行了模拟实验和分析,仿真结果表明,AASR能够有效提高节点生存时间,减少能量消耗,提高覆盖率.     

一种基于位置和拓扑控制的无线传感器网络路由算法

在无线传感器网络中,在使用合适的覆盖控制算法、保证一定覆盖性的前提下,使一些节点的传感节点按照策略休眠,对延长网络生存时间有重要意义,为了有效地进行节点的覆盖控制设计了节点自适应传感半径调整算法AASR(adaptive adjustment of sensing radius),使节点为自已选择合适的覆盖范围.从调整效果、能量消耗和覆盖冗余度几个方面对算法进行了模拟实验和分析,仿真结果表明,AASR能够有效提高节点生存时间,减少能量消耗,提高覆盖率.     

机会网络中基于节点相似率的概率路由算法

机会网络中的通信设备大多是随着时间的流逝而进行移动的,然而节点之间的移动路径又具有一定的重复性.因此,可以记录节点移动时与之相遇的节点之间的信息,利用该信息对路由算法做出更合理的决策.本文根据节点之间的相遇历史信息,提出了一种基于节点相似率的概率路由算法(Probabilistic routing algorithm based on node similarity rate,S-Prophet),对传统的Prophet算法的预估节点传输概率阶段进行改进.首先统计网络中节点与其他节点的相遇集合,定义节点相似率,设计一个新的节点投递概率公式,并根据节点相遇持续时间对Prophet路由算法的概率衰减公式进行改变,最后,通过仿真实验验证SProphet的有效性.     

入侵检测系统中高效的模式匹配算法

针对入侵检测系统模式匹配效率低的问题,提出一种高效的模式匹配算法.该算法通过对模式进行预处理记录模式的信息,然后对子节点进行递归比较,找到重复度最大的部分,提高模式匹配的效率;通过增加附加m个节点的匹配模式结构,降低模式匹配算法的时间与空间复杂度.理论分析表明,对于包含n个节点的主题树,提出的模式匹配算法的时间复杂度为O(nlog2n+mlog2m),空间复杂度为O(n+m).详细的实验以及与现有算法的比较表明,提出的模式匹配算法在时间、空间和匹配率性能上具有更高的效率.     

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。     

基于功率控制的无线传感器网络定位算法

针对无线传感器网络自身定位问题,提出了一种基于功率控制的定位算法(PCLA),算法通过计算信号覆盖区域的交叉点重心确定节点位置.在算法中,每个信标节点广播不同功率等级的无线信号信息,且节点之间不需要严格的时间同步和相互协作.传感器节点只是简单的接收并保存信标节点传播的有用信息,不需要和邻居节点进行信息交换,复杂的计算由汇聚节点完成,减少了节点的能量消耗,延长了网络寿命.最后仿真结果表明了该算法的有效性.     

一种新的无线传感器网络非均匀分簇双簇头算法 ——PUDCH算法

能量利用效率问题一直是限制WSN广泛应用的瓶颈,能源容量对各个网络节点产生至关重要的影响.针对WSN中"能量空洞问题"以及由于簇头任务过重所导致的能量消耗过快,同时也为了提高WSN的能量利用效率,提出了一种无线传感器网络非均匀分簇双簇头算法——PUDCH.该算法先综合考虑节点综合信息(如节点剩余能量、节点到基站的距离),根据节点综合信息通过不同的时间竞争机制来选举簇头,将整个网络划分为不均匀的分簇;在规模大些的簇内,为了减轻簇头的负担再选取副簇头.最后簇头再构造基于最小生成树的最优传输路径.一系列的仿真表明PUDCH路由算法在WSN节约平衡节点能量消耗方面表现优良.