无线传感器网络中基于粒子群优化的目标识别方法

针对无线传感器网络在地面目标声振信号识别方面的应用需求,在分析现有算法缺点的基础上,提出了基于粒子群优化(particle swarm optimization, PSO)方法的目标识别算法。利用粒子群算法优化基于模糊逻辑规则的分类器(fuzzy logic rule based classifier, FLRBC),分析了算法中各个参数的设置对算法性能的影响。基于实地采集到的信号的仿真实验表明,该方法在一定程度上提高了目标识别的正确率和稳定性,平衡了分类性能,改善了收敛性质。     

基于免疫系统的无线传感器网络性能优化

根据免疫系统B细胞和T细胞模型,建立人工免疫系统与无线传感器网络间的相似关系,提出一种邻域节点选择算法,以判断传感器节点是否被激活。由于事件信息传递到汇聚节点会产生偏差,利用时空相关理论和自适应最小均方误差滤波算法,建立偏差与激活节点数目及偏差与节点通信频率之间的关系,确定传递事件信息所需最少激活节点数和最佳通信频率。不同条件下仿真结果表明,这种无线传感器网络优化策略能起到减少节点数目、降低通信频率及节约能耗的效果。     

基于蚁群优化算法的无线传感器网络路由协议

提出了一种基于蚁群优化算法的无线传感器网络路由协议RPBAA.该协议通过修改蚁群优化算法以适应无线传感器网络无全局标识、节点较少移动、资源受限等特性,提供了一种智能、动态、可扩展的多径选路传输方法来获取有效且健壮的通信,并通过全网能量均衡使用以最大化网络生命期,另外引入了数据分片机制来进一步优化选路效率.最后通过仿真验证了RPBAA协议的有效性和数据分片机制带来的好处.     

无线传感器网络移动Agent路由算法的研究与仿真

提出一种新的基于虚拟连通拓扑子图的优化模型用于无线传感器网络移动Agent路由．建立包含有效节点的虚扭连通拓扑子图，将Agent访问路径分解为采集子路径和返回子路径，提出一种基于GA与离散PSO的混合算法GAPSO用于求解该问题。该算法可大大降低解空间复杂度，提高搜索效率。仿真结果表明随着网络规模增大，该优化模型优势明显，GAPSO表现出比GA更好的性能。     

无线传感器网络节点随机调度算法研究

针对已有的无线传感器网络节点随机调度算法存在的问题,即由于节点是利用产生随机数的方法加入到不同的工作子集,从而导致初始子集中节点分布不均,在概率感知模型下提出了一种基于节点平均度的随机调度算法。该算法利用邻居节点之间的信息传输,使得每个节点的邻居节点尽量均匀分散在不同的子集中。通过随机概率理论分析了概率感知模型下网络覆盖度与节点数之间的关系,解决了新算法的节点配置问题。仿真实验证明了新算法的有效性及分析的正确性。     

基于遗传算法的无线传感器网络覆盖控制优化策略

针对节点高密度部署的无线传感器网络中优化工作节点集的选取问题,提出了一种基于遗传算法的覆盖控制优化策略：设计了密度检测机制优化初始种群,保证种群质量;采用精英操作,提高优化速度;引入禁忌思想,设计了两种禁忌操作,实现局部有效搜索,优化全局搜索。仿真实验及分析表明,该策略快速有效地实现了工作节点数目少、节点集覆盖率高的工作节点集的优化选取,在获得较高覆盖质量的条件下休眠了更多的冗余节点,可有效地降低能耗,延长网络生存时间。     

高山流域降水无线传感器网络节点布局优化方法

降水无线传感器网络节点布局对于准确分析降水时空分布规律和降低运维成本至关重要,是智慧流域物联网观测系统建设的关键问题和难点.针对高山流域的特点,在考虑路网约束的基础上,耦合回归克里格和模拟退火算法,提出了一种基于并行计算架构的流域降水无线传感器网络优化布局方法.利用该方法分析了雅砻江中下游流域现状站网的合理性,并进行站点优化布局研究.结果表明,基于回归克里格的优化布局方法可以对降水无线传感器网络进行合理优化布局,优化布局站点以相对较低的站网密度很好地捕捉了降水在空间上的分布规律;采用并行设计模拟退火算法进行降水无线传感器网络优化布局可以成倍的节省程序运行时间,显著提高优化布局效率.     

改进花朵授粉算法的无线传感器网络部署优化

针对监测区域内含有障碍物的无线传感器网络(Wireless Sensor Networks,WSNs)异构节点部署优化问题,在花朵授粉算法(Flower Pollination Algorithm,FPA)的基础之上,提出了一种改进的花朵授粉算法(Improved Flower Pollination Algorith...     

基于蓝牙的无线传感器网络

提出了一种基于蓝牙技术的无线传感器网络,它采用基于信息触发的星型网络拓扑和节能工作模式,使得一个蓝牙主结点可以控制从结点的个数远大于7个,有效降低了每个传感器结点的功耗,加强了传感器结点的安全管理。     

无线传感器网络目标跟踪平台协同调度的实现

目标跟踪是无线传感器网络的一个重要应用。为了验证和测试算法性能,缩小理论与实际的差距,必须构建相应的物理平台。介绍了所构建的无线传感器网络目标跟踪平台,其硬件包含超声波传感器、被动红外传感器和Micaz节点组成的无线传感器网络,而软件包括上层监控系统及下层节点嵌入式程序。针对节点资源十分有限的情况,提出了一种基于最小均方估计误差的目标跟踪协同调度算法,并在物理平台上成功实现,实验表明该平台能有效地跟踪无线传感器网络内的移动目标,并在保证跟踪精度和跟踪实时性的同时,采用了双重唤醒/休眠机制来延长网络寿命。     

高密度无线传感器网络分簇定位算法

节点自身定位是无线传感器网络应用的支撑技术之一。提出了一种适用于大规模高密度无线传感器网络的分簇定位算法。首先定义了节点的势作为簇首选举依据,网络中节点间的距离由接收信号强度和通信半径的关系间接计算得到,各簇内的拓扑信息由簇首保存,簇首利用线性规划法实现簇内相对定位;随后从sink节点开始逐步进行簇间位置融合,最终实现全网的绝对定位。相比集中式的凸规划定位算法,所提算法计算复杂度低、通信量小、定位精度高,且不需要预先知道环境中的信号衰减因子,有一定的抗噪声干扰能力。仿真结果显示,在节点按均匀网格分布和均匀随机分布两种情况下,所提算法能取得较好的定位效果。     

基于禁忌退火粒子群算法的火力分配

火力分配问题是典型的NP完全问题,传统的求解算法存在指数级的时间复杂度。给出具体实用的防空火力分配模型,提出一种基于禁忌搜索与退火粒子群优化的新算法,并针对多种空袭规模的实例进行计算机仿真。仿真结果表明,与禁忌搜索、标准粒子群优化、退火粒子群优化等智能算法相比,新算法在解决火力分配问题时具有更优良的收敛精度和时间性能。     

一种指标权重信息不完全的多指标决策方法

针对指标权重信息不完全的多指标决策问题,提出了一种逼近于理想解的决策分析方法。首先,对指标权重信息不完全的多指标决策问题进行了描述;然后,依据传统的TOPSIS方法的基本思路,给出了解决指标权重信息不完全的多指标决策问题的方法的计算步骤,其核心是通过构建并求解二次规划模型,得到每个方案与正、负理想解间的距离,进而通过计算出相对接近度,即可得到所有方案的排序结果。最后,给出了一个算例。     

基于直觉模糊TOPSIS和变权VIKOR的防空目标威胁综合评估

针对传统防空目标威胁评估中威胁因素考虑不全、定性指标量化不精确以及属性指标权重固定不变等方面的不足,在综合考虑目标静态和动态属性的基础上,提出了基于直觉模糊理想解逼近(technique for order preference by similarity to an ideal solution,TOPSIS)法和变...     

Ranking approach of cross-efficiency based on improved TOPSIS technique

The cross-efficiency evaluation method is reviewed which is developed as a date envelopment analysis (DEA) extensive tool.The cross-efficiency evaluation method is utilized to identify the decision making unit (DMU) with the best practice and to rank the DMUs by their respective cross-efficiency scores.The main drawbacks of the cross-efficiency evaluation method when the ultimate average cross-efficiency scores are used to evaluate and rank the DMUs are also pointed out.With the research gap,an improved technique for order preference by similarity to ideal solution (TOPSIS) is introduced to rank the cross-efficiency by eliminating the average assumption.Finally,an empirical example is illustrated to examine the validity of the proposed method.     

基于QFD和组合赋权TOPSIS的体系贡献率能效评估

武器装备体系贡献率是指单件装备在武器装备体系或作战体系构成中,按照体系的总目标和运行规律,对体系的整体性能(如体系作战能力或作战效能)贡献的大小。首先建立能力效能综合的贡献率评估框架,在此框架下提出层次化的体系贡献率评估思路。然后借助面向关系的质量功能展开量化矩阵方法,将仿真实验中能力/效能度量指标数据映射到需求度量矩阵,再以度量集对需求集的敏感度和拟合优度作为依据,构建度量指标的组合权重。最后,利用逼近理想解排序法对体系方案贡献度进行排序,并以无人集群执行火力打击任务作为算例,验证了该方法的可行性。     

基于模糊TOPSIS-FMEA的飞机IDG风险评价

在传统飞机电源系统失效模式及影响分析(failure mode and effects analysis, FMEA)法中,采用风险评价指标属性值简单相乘的方法计算风险优先数,造成风险评价指标不精确,且主观因素导致属性值发生微小变化,影响最终评价结果。通过在发生度、严重度和探测度这3个风险评价指标中引入模糊逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)理论进行风险评价,去模糊化和归一化后构造加权判断矩阵,确定逼近理想解排序法的正负理想解,根据相对贴近度大小对各故障模式进行风险水平排序。与传统失效模式及影响分析法的对比验证了方法的有效性和实用性,可为飞机电源系统其他组件风险水平评价提供有效参考。     

基于高度残缺信息的分布式语言信任网络群决策方法

针对缺失的分布式语言信任社会矩阵以及高度残缺的评价信息, 提出一种新的分布式语言信任网络群决策方法。首先, 提出了一种分布式语言信任传递模型以填充分布式语言信任社会矩阵中的缺失值。其次, 定义了基于分布式语言信任社会矩阵的个体信任中心度和群体信任中心度, 并在此基础上提出了确定评价网络中专家权重的方法。再者, 鉴于决策矩阵中评价信息存在高度残缺的情形, 利用K-近邻算法评估残缺的评价信息, 并基于分布式语言信任函数的距离测度提出一种改进的逼近理想解排序(technique for order preference by similarity to an ideal solution, TOPSIS)法。最后, 通过外卖服务平台性价比的综合评估验证该群决策方法的可行性和有效性。