云计算多目标任务调度的优化粒子群算法研究

针对传统粒子群算法求解云计算多目标任务调度的收敛速度慢、精度低的缺陷,提出一种优化多目标任务调度粒子群 算法(MOTS-PSO)。 首先,引入非线性自适应惯性权重,改变粒子的寻优能力,避免算法陷入局部最优;其次引入花朵授粉算法 概率更新机制,平衡粒子的全局搜索和局部寻优,并对粒子的全局搜索位置更新公式进行改进;最后引入萤火虫算法,产生“精 英解”对局部搜索位置更新公式进行改进;同时利用“精英解”对粒子的位置进行扰动,跳出局部最优状态。 实验表明,MOTS-PSO 算法在收敛速度和收敛精度上,比 PSO 算法提高了 27. 1%、19. 9%,比 FA 算法提高了 22. 09%、5. 2%。 进一步实验表明, MOTS-PSO 算法在解决不同规模数量的任务调度时,比 PSO、FA 算法效果更优。     

基于RSSI的极大似然与加权质心混合定位算法

随着无线传感器网络的发展,日益需要更加精确的位置信息来支撑其相关的应用.通过分析待定位节点定位过程中产生的误差,对二阶段定位算法、接收信号强度指示（received signal strength indicator,RSSI）定位技术和质心算法进行深入的研究,提出了极大似然与加权质心混合定位算法：首先通过极大似然估计法对待定位节点进行粗略估计,然后利用加权质心算法对待定位节点坐标估计求精,进一步提高定位精度.仿真实验结果表明,该算法能够在定位精度方面有较大的提高.     

基于神经网络与马尔可夫组合模型的视频流行度预测算法

为了提升用户体验,降低运营商的成本,将播放最多的视频内容提前放入用户侧缓存是业界的通用做法,如何有效预测视频播放热度已经成为业界热点问题。针对传统预测算法非线性映射能力差、预测精度低及自适应性弱等缺点,提出基于神经网络与马尔可夫组合模型的视频流行度预测算法（Mar-BiLSTM）,该算法通过构建双向长短期记忆（bi-directional long short-term memory,BiLSTM）网络模型可以保留时间序列两个方向的信息依赖;同时在避免引入外部变量导致模型复杂度增加的情况下,利用马尔可夫性质进一步提高了模型的预测精度。实验结果表明,与传统的时间序列和经典的神经网络算法相比,所提算法提升了视频流行度预测的准确性、时效性,并降低了计算量。     

混合自适应粒子群工作流调度优化算法

针对具有截止期的云工作流完成时间与执行成本冲突的问题,提出一种混合自适应粒子群工作流调度优化算法（HAPSO）。首先,基于截止期建立有向无环图（DAG）云工作流调度模型;然后,通过范数理想点与自适应权重的结合,将DAG调度模型转化为权衡DAG完成时间和执行成本的多目标优化问题;最后,在粒子群优化（PSO）算法的基础上引入自适应惯性权重、自适应学习因子、花朵授粉算法的概率切换机制、萤火虫算法（FA）和粒子越界处理方法,从而平衡粒子群的全局搜索与局部搜索能力,进而求解DAG完成时间与执行成本的目标优化问题。实验中对比分析了PSO、惯性权重粒子群算法（WPSO）、蚁群算法（ACO）和HAPSO的优化结果。实验结果表明,HAPSO在权衡工作流（30～300任务数）完成时间与执行成本的多目标函数值上降低了40.9%～81.1%,HAPSO在工作流截止期约束下有效权衡了完成时间与执行成本。此外,HAPSO在减少完成时间或降低执行成本的单目标上也有较好的效果,验证了HAPSO的普适性。     

基于节点分布均匀度模型的加权能量检测GAF算法

存分析了传统GAF算法在选举簇头和虚拟单元格方格划分不足的基础上,提出了一种节点分布均匀度模型的加权能量检测GAF算法,在对虚拟单元格形状改进的基础上,建直节点分布均匀度模型,进一步对虚拟单元格的划分提供参考,同时对算法中簇头选举综合考虑节点剩余能量及其与虚拟单元格内物理节点的质心间距,能有效解决节点能量消耗不均衡问题。最后以GPSR作为GAF算法的底层通信协议进行仿真,结果表明该算法有效地节省了节点的能量,延长了网络的牛存周期。     

基于多代理体技术构建智能家居系统

为了适应智能家居系统分布性、动态性和协作性的特点,提出了一种基于多Agent的智能家居系统的构建方法.智能家居系统中的每个实体,如家庭联网设备、应用软件、甚至家庭用户本身都有与之相关联的Agent.家庭联网设备之间以及用户和家庭联网设备之间的交互和协作都通过与之相关联的Agent实现,构建智能家居系统的关键问题就是构建一个多Agent系统.利用多Agent技术构建智能家居系统,可以大大降低家庭联网设备对资源的需求和成本,易于实现家庭联网设备的即插即用,通过Agent的学习功能可以提高系统的智能性,所构建的智能家居系统具有良好的开放性和扩展性,易于标准化.     

基于小波分析的汽车振动舒适性评价方法

为了更准确合理地分析评价汽车的振动舒适性,利用小波分析对汽车振动数据进行去噪处理,并结合主观评价对ISO 2631-1997评价法做出了改进。基于ZigBee技术设计了汽车振动信号无线采集网络,依据LabVIEW开发了分析系统软件,构建了一套汽车振动舒适性无线测试系统。以公交客车为例对系统进行了试验,并分别运用改进的评价法与传统的ISO 2631-1997评价法对该公交车的舒适性做出了评价,结果验证了改进的评价法的有效性。     

WSN中图像传输控制的跨层协议

分析无线传感器网络中的图像传输问题,采用数据分组思想,提出图像传输控制协议。设计传输协议体系结构,在源节点将数据进行分组,采用多路径的传输方式,使得传感器网络能量负载均衡,在sink节点进行数据还原,并提供相应的QoS机制。仿真结果表明该协议能够实现较好的传输质量,并且使得网络能量负载均衡。     

一种基于路径信息的WSN路由协议

AODV是一种广泛应用于MANET的按需路由协议,但是它并不完全适用于WSN。本文通过改进AODV协议基于洪泛的路由机制,提出了一种适用于WSN的低开销、低时延的路由协议IAODV。仿真结果表明:与AODV协议相比,IAODV协议可以在保持较高的分组投递率的同时有效降低数据分组的平均端到端时延和路由开销,达到了低开销、低时延的设计目标。     

递归特征融合与并行缩放的航拍工程车辆检测

针对无人机航拍输电走廊图像中背景复杂多变、目标偏小且尺度变化大导致检测精度差的问题,本文提出基于RetinaNet递归特征融合与并行缩放的工程车辆检测方法.该方法更适合检测复杂背景中的工程车辆：首先,增添C2层为基础层,与原始骨干网输出层共同用于生成特征金字塔,避免小目标特征被高度压缩;其次,调整原始特征金字塔层次结构,将具有反馈连接的递归结构用于特征提取增强表征能力,设计新颖轻巧的特征融合策略重构特征金字塔,充分利用上下文信息,提高对复杂背景中目标的检测能力;最后,在骨干网C5层的基础上使用多个反卷积块和平均池化层构造并行输出的特征缩放分支,进一步增加特征图的分辨率,提高对小目标的检测精度.在本文构造的工程车辆APEV数据集和公开的PASCAL VOC数据集上分别进行对比实验,结果表明,所提方法的检测速度在满足工程应用需求的前提下,检测精度比原始RetinaNet网络分别提升4.9%和2.7%,与Faster R-CNN、SSD、YOLOv3、YOLOv5、LSN、S-RetinaNet等方法相比精度更高.