基于甲虫搜索的改进粒子群无人机辅助网络部署优化算法

在体育赛场等用户大规模聚集或者突发灾难的情况下,地面基站经常面临过载甚至瘫痪的问题。此时,多无人机(UAV)辅助网络系统可以很好地为地面基站提供信号补偿,有效地增强局部地区的通信质量。然而,无人机的机动性和网络流动引起的拓扑结构变化,会导致频繁的间歇性连接甚至出现传输故障。因此,UAV基站的有效部署以及网络性能的优化成为亟待解决的问题。该文提出一种基于甲虫搜索的改进粒子群UAV辅助网络部署优化算法—智能高效算法(IEA),利用甲虫搜索算法(BAS)的个体寻优优势,对粒子群算法(PSO)进行改进,并首次采用双门限约束保证用户通信质量,使得多UAV系统下的网络性能得到了改善。仿真结果表明,相对于传统算法,该文提出的IEA算法在系统吞吐量、用户平均吞吐量以及频谱效率等方面都获得了较大提升。     

基于无线声发射传感器系统的活立木含水率 诊断方法研究

水分在活立木的生长代谢过程中起着至关重要的作用,实时准确的含水率测量对于立木培育及林木经营具有关键指导意义。以无损检测活立木树干含水率为主要目标,设计并实现了一套基于无线声发射传感器网络(WASN)的木材含水率诊断系统。首先WASN节点高速采样树干表皮的声发射信号,接着计算其特征参数并无线传输至网关,然后采用最大相关最小冗余(mRMR)判据从中筛选出最优特征组合,并经由麻雀算法优化的支持向量机(SSA-SVM)建立含水率辨识模型,最后即可进行在线实时的长期监测诊断。分别在水杉、杨树、松树和山毛榉四类树种上进行了实测,结果表明,诊断准确率最低为95.5%,所设计WASN完全具备长期部署观测树木蒸腾作用的功能。     

面向边缘计算的人工鱼群搜索任务调度

如何将计算任务分配到合适的边缘计算资源上进行计算,以满足边缘计算环境下用户的计算需求、提高用户任务请求 的服务质量,是边缘计算中面临的关键问题。 本文提出一种基于人工鱼群搜索的边缘计算任务调度方法(AFETSA)。 将人工 鱼群搜索算法和边缘计算任务调度模型相结合,采用非线性递减函数动态地调整人工鱼的视野范围和步长,以提高启发式任务 调度算法的全局搜索能力,降低任务的计算时延;同时与禁忌搜索算法进行融合,通过引入忌禁表,在每一次迭代中防止算法陷 入局部最优,提高算法的寻优能力。 CloudSim3. 0 仿真平台实验评测结表明,本文所提 AFETSA 方法和已有的 AFSA、ACO 和 PSO 这 3 种调度算法相比,在任务执行时间、算法稳定性、负载均衡方面都有明显的提升,可充分利用边缘服务器计算资源,提 升计算任务的计算性能,有效解决边缘计算中任务调度不均导致的时延过高和负载不均衡问题。     

基于麻雀搜索算法的光伏阵列参数辨识

目前最为常用的光伏电池参数辨识方式是解析法与智能优化算法,麻雀搜索算法（SSA）是新提出来的智能优化算法,具备传统智能优化算法优势的同时,提高了运算速度,对传统算法易陷入局部最优的问题进行了优化。在对光伏系统智能化监测的需求下,提出了一种基于麻雀搜索算法的光伏阵列参数辨识方法辨识模型参数,然后对光伏阵列特性曲线进行拟合。通过实测数据对光伏电池的相关参数进行辨识,之后再对特性曲线进行拟合,结果表明采用该方法可以在保证计算速度的同时精确地对特性曲线进行拟合。     

基于SSA优化BP神经网络的冲击地压数据预测研究

为解决目前冲击地压实验数据误差较大,冗余信息较多的问题,结合神经网络和麻雀搜索算法各自的特点,提出基于麻雀搜索算法(SSA)优化BP神经网络的数据预测模型。结合三轴声发射试验的试验数据,运用MATLAB等软件进行综合仿真模拟实验,并将SSA-BP算法的预测结果与BP神经网络的模拟预测结果进行仿真比较。仿真结果表明,引用SSA算法优化BP神经网络避免了BP权值平衡的缺点,不仅提高了学习的速度,而且具有更高的计算精度。     

多策略调和的布谷鸟搜索算法

布谷鸟搜索（CS）算法是一种新型的群智能算法,结构简单且寻优能力较强,但存在勘探与开采不平衡以及易陷入局部极值的问题。提出一种多策略调和的布谷鸟搜索（MSRCS）算法,基于概率规则选择由自适应步长和改进解更新方法组成的调和策略对布谷鸟个体进行更新,其中自适应步长引导布谷鸟在更好的方向上寻优,3种改进的解更新方法分别从自身邻域、当前最优个体和随机位置3个角度对勘探和开采进行调和,从而提升全局搜索和局部搜索在迭代过程中的适应性。在CEC2013测试集的28个基准函数上的实验结果表明,MSRCS算法至少有12个测试函数优于原始CS及其7种改进算法且排名第一,在求解单峰、多峰和组合函数问题时寻优能力更强,同时相比于3种经典群智能优化算法具有更快的收敛速度和更高的解精度。     

基于EMD-SC和AGSA优化支持向量机的超短期风电功率组合预测

风电功率存在较大的随机性、波动性和相关性,这会对风电并网带来极大的挑战。为提高超短期风电功率预测精度,提出一种基于经验模态分解(empirical mode decomposition,EMD)、谱聚类(spectral clustering,SC)和改进型引力搜索算法(ameliorated gravitational search algorithm,AGSA)优化支持向量机(support vector machine,SVM)参数的超短期风电功率组合预测方法。首先通过经验模态分解对风电原始数据进行去噪处理,剔除不规则的数据;然后应用谱聚类对经验模态分解后的子序列进行聚类分析,再应用改进型引力搜索算法优化支持向量机模型对各个子序列进行预测;最后将各子序列的预测结果相加得到最终预测值。以某风电场的实际数据为算例,仿真研究表明,所提出的组合模型能够提高风电功率预测精度,且预测效果较好,同时也证明了所采用方法的合理性。该方法能够用于风电功率的精确预测。     

具有同时服务需求的家庭护理人员调度研究北大核心CSSCI

家庭护理服务能有效缓解我国社会老龄化下的养老压力。针对护理人员日常调度问题,考虑服务时间窗、同时服务需求、医护人员等级与客户需求匹配等约束,以总运营成本最小为目标,建立数学模型。设计自适应大规模邻域搜索算法,采用多种移除和插入算法在可行和不可行解空间内进行邻域搜索,利用关系矩阵和时间调整策略加速求解,用模拟退火算法接受邻域解。最后进行数值实验和算法比较,验证算法的有效性。