关联交叉口子区的信号优化控制方法

在交叉口群的信号优化控制过程中,针对遗传算法早熟收敛且对相邻交叉口关联性考虑较少的问题,提出一种关联交叉口子区的信号优化控制方法。利用软集合理论将关联性强的交叉口划分在同一个子区;采用基于共享函数的小生境技术调整群体中个体的适应度并自适应地调整算法的交叉概率[Pc]和变异概率[Pm]对遗传算法进行改进;使用改进的遗传算法对关联交叉口子区的平均延误时间[D]进行优化。路网实测数据的仿真实验表明本文方法对交叉口群进行了合理的子区划分,且改进的遗传算法在子区信号优化控制中迭代次数减少,使得交叉口的平均延误时间更短。     

直接评价节点诚信度的P2P动态信任模型

为解决现有P2P信任模型计算开销大、动态适应能力差、推荐可信度的动态性未得到足够重视等问题,提出了一种新的动态信任模型。通过直接交互节点的局部评价加权其推荐可信度计算节点的全局信誉值,避免了迭代过程,降低了网络开销。采用基于时间帧的方法更新节点的全局信誉值和推荐可信度,以抑制节点提供服务和推荐两方面的动态性。仿真实验结果表明,新模型较现有模型在网络开销、节点动态性推荐的抑制等方面有较大改进。     

基于自适应邻域选择的正交局部敏感判别分析

维数灾难是机器学习算法在高维数据上学习经常遇到的难题,基于局部敏感判别分析(locality sensitive discriminant analysis,LSDA),可以很好地解决维数灾难问题.且LSDA构建邻域时不能充分反映流形学习对邻域要求和克服测度扭曲问题,利用自适应邻域选择方法来度量邻域,同时,引入施密特正交化获得正交投影矩阵,提出一种自适应邻域选择的正交局部敏感判别分析算法.在ORL和YALE人脸数据库上进行实验,实验结果表明了该算法的有效性.     

一类单圈图的Laplacian谱刻画

针对哪些图可由它们的谱刻画这一问题,在lollipop图和图H(n;q,n1,n2)的基础上定义了一类新的图类,符号表示为H(n;q,n1,n2,n3),它是通过在圈Cq的同一个顶点上连接3条悬挂路Pn1、Pn2、Pn3而得到的顶点数为n的单圈图.首先,证明了此图类中,如果2个图形不同构,那么它们必定具有不同的Laplacian谱.在此结论的基础上,证明了图H(n;q,n1,n2,n3)可由它的Laplacian谱刻画.     

对抗共谋及节点行为动态性的P2P信任模型

针对现有P2P信任模型存在的网络开销大、不能很好地处理节点行为的动态性改变及共谋攻击等问题,提出了一种新的信任模型。通过直接交互节点的局部评价加权其评价可信度计算节点的全局信誉值;采用基于局部评价标准差、局部评价集中度的方法识别和抑制共谋攻击;根据节点行为的改变动态更新其信誉值和评价可信度。仿真实验表明,提出的模型较现有模型在网络开销、抑制共谋攻击和节点行为的动态性等方面有较大改进。     

基于NSGA-II的无线传感网络簇首选择算法

延长网络生命周期是无线传感网络需要解决的主要问题之一,拓扑控制对于延长网络生命周期具有重要意义.针对分簇结构无线传感网络的簇首选择问题,提出一种基于NSGA-II的多目标簇首选择算法.同时考虑网络通信距离、能量消耗、负载均衡以及节点生存时间等多个优化目标,通过理论计算确定最优簇首数量指导种群初始化,引入正交实验机制降低搜索次数,提高寻优效率.实验结果表明, 所提出的算法与低功耗自适应层次分簇(LEACH)算法相比,簇首分布均匀、负载均衡,可明显延长网络的生命周期,与标准NSGA-II算法相比,可更好地提高搜索寻优效率.     

基于搜索偏好知识的复杂多模差分进化算法

针对复杂多模优化问题,提出一种基于搜索偏好知识的差分进化算法PKLSHADE。PKLSHADE将先验搜索偏好知识注入到种群的进化过程,在不同的进化阶段对种群的多样性和集约性区分考虑,进化早期重视差分扰动以增强算法的全局开发能力,进化后期更多围绕当前最优解进行局部精细搜索。同时,基于搜索偏好知识的变异策略能够实现差分进化算法全局开发和局部搜索的自适应平滑过渡,避免两搜索阶段的硬切换。在CEC2017复杂混合多模函数上的实验结果及统计分析表明,PKLSHADE在最优解的精度、算法的稳定性等方面均优于LSHADE、EBLSHADE、jSO及AMECoDEs等近年来的优秀差分进化算法。