一种多目标的覆盖优化策略在WSNs中的应用

针对目前无线传感器网络（WSNs）能量均衡覆盖策略大都基于节点静态感知能耗的不足,提出一种基于节点的动态能耗和网络覆盖率的多目标覆盖优化策略.该优化覆盖策略将动态路由协议引入到覆盖控制优化中,计算覆盖区域在不同节点分布下的动态通信能耗和网络的剩余能量,再结合区域覆盖率构成对覆盖和能量综合指数评价的优化函数.最后利用改进差分进化算法和差分进化算法对优化函数进行仿真,并利用覆盖结果验证策略的有效性.仿真结果表明：提出的覆盖优化策略既能使网络达到较高覆盖率,同时又能保证网络的能耗动态均衡,并将改进差分进化算法与常规差分进化算法比较,结果表明：前者克服了早熟现象,覆盖和能量的综合优化函数值更高,达到了6.184.     

基于阿基米德螺旋的WSNs节点部署的能耗均衡算法

无线传感网络WSNs(Wireless Sensor Networks)是由资源受限的节点构成.而能量是节点最稀缺资源,据此需要保存能量,才能优化网络寿命.为此,先分析了通过平衡能耗优化网络寿命问题,然后提出基于阿基米德螺旋的WSNs节点部署的能耗均衡算法AS-DBEC(Archimedes' Spiral-Based Deployment balancing energy consumption algorithm).AS-DBEC算法提出基于阿基米德螺旋的部署函数,将阿基米德螺旋转换成离散形式,再将节点部署于离散位置.最后,评估了AS-DBEC算法在能耗均衡和网络寿命方面的性能.     

基于协作传输的大范围WSNs能耗均衡分簇算法

由于大范围无线传感器网络（WSNs）节点的数量巨大,网络的能量消耗极不均,提出一种基于协作传输的分簇算法—EBBMCC—LS算法。该算法在保证网络均匀分簇的前提下,能保证网络中簇头节点的均匀分布,在簇间通信时加入协作传输策略,传感器节点之间通过协作传输构成虚拟多天线系统,改善系统性能,解决了大范围WSNs中的能耗不均现象。实验验证：该算法能够均衡大范围WSNs中的能耗,延长网络寿命,可促进大范围WSNs应用的推广。     

改进人工蜂群算法在WSNs覆盖优化中的应用

为了改善无线传感器网络(WSNs)中节点分布不均匀、部署时间长、网络覆盖率低等缺点,提出了一种基于改进人工蜂群(ABC)算法的覆盖优化方法、通过引入覆盖因子改善观察蜂选择算子,结合反馈策略改进采蜜蜂搜索过程,采用基于当前最优值的自适应侦查策略,提高了算法的收敛速度与精度.仿真结果表明:方法通过较少的迭代次数达到传感器分布更加均匀,覆盖率更高的目的,有效减少了传感器节点冗余、降低了网络能耗,延长了WSNs的生命周期.     

基于改进蝙蝠算法的无线传感器网络的移动节点部署

针对传统的无线传感器网络(WSNs)中存在的移动节点部署的分布不均匀、网络覆盖度太低等各种问题,提出了一种基于改进蝙蝠算法(BA)的移动节点部署策略,通过蝙蝠算法的收敛特性,不断迭代寻求问题的最优解,从而不断优化传感器节点的部署.Matlab仿真表明:提出的算法可以显著改善传感器节点的覆盖密度,并且节点分布也相对比较均匀.     

无线传感器网络中的最大生命期基因路由算法

无线传感器网络(wireless sensor networks,简称WSNs)由一组低功率且能量受限的传感器节点构成,设计此类网络的一个基本挑战便是最大化网络生命期的问题.在WSNs中,由于邻近传感器节点所收集的数据之间往往具有时空相关性,多采用数据聚合技术作为去除数据冗余、压缩数据大小的有效手段.合理地应用数据聚合技术,可以有效地减少数据传递量,降低网络能耗,从而延长网络生命期.研究了WSNs中结合数据聚合与节点功率控制的优化数据传递技术,提出了一种新的最大化网络生命期的路由算法.该算法采用遗传算法(genetic algorithm,简称GA)最优化数据聚合点的选择,并采用梯度算法进一步优化结果.该算法均衡节点能耗,并最大化网络生命期.仿真结果表明,该算法极大地提高了网络的生命期.     

无线传感器网络中的最大生命期基因路由算法

无线传感器网络(wireless sensor networks,简称WSNs)由一组低功率且能量受限的传感器节点构成,设计此类网络的一个基本挑战便是最大化网络生命期的问题.在WSNs中,由于邻近传感器节点所收集的数据之间往往具有时空相关性,多采用数据聚合技术作为去除数据冗余、压缩数据大小的有效手段.合理地应用数据聚合技术,可以有效地减少数据传递量,降低网络能耗,从而延长网络生命期.研究了WSNs中结合数据聚合与节点功率控制的优化数据传递技术,提出了一种新的最大化网络生命期的路由算法.该算法采用遗传算法(genetic algorithm,简称GA)最优化数据聚合点的选择,并采用梯度算法进一步优化结果.该算法均衡节点能耗,并最大化网络生命期.仿真结果表明,该算法极大地提高了网络的生命期.     

改进的离散果蝇优化算法在WSNs覆盖中的应用

针对无线传感器网络( WSNs)随机部署产生的区域覆盖率低、节点利用率差问题,提出一种改进的离散果蝇优化算法( FOA)对WSNs覆盖进行优化.新算法引入自适应步长的分类嗅觉随机搜索和基于移民操作及精英库的多种群协同进化机制,提高了优化精度和效率.仿真实验结果表明:新算法有效解决了WSNs覆盖问题,在确保网络覆盖率最大化的同时节点利用率较大,延长网络寿命.     

基于人工蜂群的无线传感器网络能耗均衡算法

由于无线传感器网络中的节点链路状况、数据传输能耗及节点剩余能量的限制,造成网络中部分感知节点寿命缩短,影响网络生存周期,提出了一种基于人工蜂群算法的WSNs能耗均衡算法,优化网络能耗均衡,从而提高网络寿命;文章给出了网络能耗相应的数学模型及优化求解算法,介绍人工蜂群算法的寻找食物过程,阐述了人工蜂群算法在网络能耗均衡方面的实现步骤;通过实验仿真证明,文章提到的算法与LEACH分簇算法、蚁群优化算法相比,具有更好的能耗和负载均衡能量、丢包率和时延性,有效地提高了网络生存周期.     

单节点的无线传感器网络数据传输优化策略

为了提高无线传感器网络（WSNs）节点能量的利用率,延长WSNs的生存时间,提出了一种单节点的WSNs数据传输优化策略.首先对WSNs结构进行分析,并建立单个传感器节点数据传输优化的数学模型;然后采用惩罚函数法对数据传输过程中的传感器节点能耗进行优化;最后在Matlab 2012平台对其进行仿真分析.结果表明：该方法可以根据环境能量的变化对传感器节点能耗进行自适应优化,提高了节点的累积数据传输总量,可以较好适应环境能量不确定性.     

基于QPSO算法的作业车间调度问题的研究

针对现行的遗传算法存在进化速度过慢和过早收敛的局限,以及粒子群优化算法搜索空间有限、容易陷入局部最优点的缺陷,提出将一种基于量子行为的粒子群优化算法应用于作业车间调度问题.将该问题中的每个调度组成一个多维向量,以此向量作为量子粒子群优化算法中的粒子进行进化,由此在解空间内搜索最优解.实例仿真结果表明,该算法收敛速度快、全局收敛性能好,可以得到比遗传算法、粒子群优化算法更佳的调度效果,证明了算法的有效性.     

基于模因算法的多模盲均衡算法

由于常模盲均衡算法(Constant modulus blind equalization,CMA)收敛速度和均方误差都不甚理想,且对多模信号均衡时会发生相位旋转,本文提出了基于模因算法的多模盲均衡算法(Multi-modulus blind equalization algorithm based on memetic algorithm,MA-MMA)。该算法将多模盲均衡算法(Multi-modulus blind equalization algorithm,MMA)代价函数的倒数作为模因算法(Memetic algorithm,MA)的适应度函数,利用MA全局优化机制和局部深度搜索能力,在每次全局搜索后对全部新产生的个体进行局部深度搜索,将全局和局部搜索得到的最优个体解向量作为MMA的初始最优权向量。仿真结果表明,与传统的CMA,MMA以及基于遗传算法的多模盲均衡算法相比,MA-MMA 的收敛速度最快,稳态误差最小,输出信号星座图最清晰。     

基于改进PSO和DE的混合算法

研究粒子群优化(PSO)算法和差分进化(DE)算法的优缺点,通过改进PSO算法并与DE算法混合,得到一种双种群的新型混合全局优化算法。经过对5个标准测试函数的大量实验计算表明,该算法能有效克服PSO算法和DE算法的缺陷,使寻优精度有较大改进,在高维情况下表现更加突出。     

基于种群规模可变的粗粒度并行遗传算法

在科学计算领域，并行计算越来越成熟，并行遗传算法开始受到关注。本文分析了遗传算法并行化的动机和实现模型，提出了一种新算法－基于种群规模可变的粗粒度并行遗传算法,仿真结果验证了这种新算法的有效性和合理性。     

基于小波网络的BP算法改进研究

对BP算法的特点进行了分析,在权值平衡算法的基础上,应用小波网络对其进行改造,提出了基于小波网络的BP权值平衡算法,给出了具体的算法步骤,仿真结果证明该算法既具有BP网络的简捷性,又能够提高学习速度和精度,避免了BP网络易出现的收敛速度慢、易产生局部最优解的问题,是一种较好的神经网络学习算法。     

一种基于人工鱼群和文化算法的新型混合全局优化算法*

提出一种基于人工鱼群和文化算法的新型混合全局优化算法,该混合算法的思想是将人工鱼群嵌入文化算法框架中,作为种群空间的一个进化过程;通过从进化种群中获得的知识组成知识空间,两空间具有各自群体并独立并行演化,从而实现增加人工鱼群的群体多样性。最后通过数值实例仿真结果表明,本算法具有较高的计算精度和收敛速度。     

基于Sunday算法的改良单模式匹配算法

Unicode编码的中文环境下应用Sunday算法时,如直接使用中文字符生成失效跳转表,将造成空间膨胀,而将中文字符拆分为两个字节进行处理,虽可以降低空间消耗,但匹配的执行速度又会受影响。针对Sunday算法应用于Unicode编码的字符拆分环境时所产生的时间性能降低问题,结合Unicode中文单元的内部关联性,优化了原Sunday算法的辅助跳转表与匹配规则,从而在解决Unicode下算法空间膨胀问题的同时,提升了Sunday算法在此环境下的时间性能,并利用模拟实验对改良算法的时间与空间性能进行了实验证明。     

基于细胞膜优化算法的WSN分簇协议研究

针对无线传感器网络能量受约束的问题,为实现节点均衡能耗,平衡网络簇头分布,并最大限度地延长网络寿命,提出一种基于细胞膜优化算法的无线传感器网络能量均衡分簇协议。细胞膜优化算法具有良好的全局寻优和快速收敛能力,通过浓度与能量因素对节点进行划分,并结合距离因素完成全局均衡分簇,能够解决传感器网络中簇头分布不均匀、全局能耗不均衡等问题。实验结果表明,该协议具有对无线传感器网络进行快速全局均衡分簇的能力,且与LEACH算法和LEAH-C算法相比,在均衡节点能耗和延长网络生存周期等方面具有更好的性能。     

基于广义高斯随机混沌算法的AFSA 在 WSN 覆盖中的研究

如何能够进行更好的覆盖优化是目前无线传感器网络研究的热点。针对目前的传感覆盖模型没有考虑覆盖范围、成本和连通性的问题进行改进,在人工鱼群算法(AFSA)的基础上,对初始阶段对人工鱼群采用广义高斯分布,在觅食阶段采用混沌算法,使得个体分布更加合理,有效减少了聚群行为的时间。仿真结果表明,改进后的人工鱼群能够有效地提高节点的覆盖率,降低了网络消耗和成本,为传感覆盖优化提供了一种新的方法。     

基于IFI与FUA的Pareto遗传算法

在适应值快速辨识算法和基于聚类排挤的外部种群快速替换算法的基础上，提出了搜索Pareto最优解集的快速遗传算法。在该算法中，IFI算法实现个体适应值的快速辨识，FUA维持种群多样度和Pareto最优解集的均匀分布性。采用FPGA算法对多种多目标0/1背包问题进行仿真优化，FPGA算法能够以较少的计算成本搜索到高精度、分布均匀、高质量的Pareto非劣解集，收敛速度和收敛准确性均优于强度Pareto进化算法(SPEA)。