基于区间可信度下界的多目标优化算法研究及应用

旨在填补多目标优化算法研究的不足,以制造业中多因素耦合作用下的多目标优化问题为研究对象,首先提出区间可信度和占优关系等概念;其次基于区间可信度和占优关系建立基于区间可信度下界的多目标优化算法;最后通过多目标数值优化对所建立的优化算法进行探究。结果显示,在γ的取值相同时,H测度与进化代数呈现正相关,可以说明随着个体进化代数的增大,所提出的基于占优可信度下界的算法得到的γ-Pareto前沿越能反映真实的Pareto前沿;通过文中建立的算法与IP-MOEA和SPGA的比较可以看出,文中所建立的基于区间可信度下界的多目标优化算法与实际情况的吻合度更高,说明所建立的算法可以填补多目标优化算法的不足。     

基于节点轮换的无线传感器网络节能策略研究

针对节点冗余造成无线传感器网络(WSN)瓶颈节点能量消耗过快的问题,提出了一种基于节点轮换休眠的能量优化方法.首先建立了WSN能量优化的多目标数学模型,利用多目标规划问题的标量化处理将问题转化为单目标优化问题.然后提出节点轮换休眠策略算法.实验表明,本算法对WSN优化后的能量节约率在20%以上,且瓶颈节点能量消耗更加均匀.因此它能有效提高无线传感器网络的性能,是一种应用性较强的WSN能量优化算法.     

基于量子粒子群优化算法的无线传感器网络节点优化

针对无线传感器网络感知节点的分布优化问题进行了研究,提出了一种基于量子粒子群优化(QPSO)算法的分布优化机制。仿真实验结果表明:QPSO算法在优化性能上优于传统遗传算法(GA)和量子遗传算法(QGA),能够有效提高网络整体的感知能力,该方法用于传感器节点优化部署是可行的。     

无线传感器网络中基于微粒群算法的优化覆盖机制

建立了无线传感器网络节点覆盖优化数学模型,设计了一种基于二进制随机多目标微粒群优化(SMOPSO)算法.根据最大化覆盖网络目标函数和最小化传感器节点的利用率目标函数进行优化算法操作,以达到降低网络冗余,延长网络生存时间的效果.仿真实验结果表明,本文提出的无线传感器网络优化覆盖方法能够满足节点利用率低、覆盖率高的要求.     

能耗均衡和节能的分层无线传感器网络汇聚层优化部署

分层无线传感器网络中，汇聚节点的部署位置，对感知节点的能耗大小以及均衡起着至关重要的作用，最终影响传感器网络使用寿命。因此，本文在保证所有传感节点均能有效连接的前提下，对汇聚节点的位置进行优化，延长网络生存时长。本文同时考虑两个优化目标，即最小化感知节点的总传输功率，以及尽可能均衡感知节点的能耗。这是一个非凸的NP-hard的多目标优化问题。为了求解该问题，本文首先提出了一种多目标黏菌算法，然后基于此，设计了一种分层无线传感器网络汇聚层优化部署机制。充分的实验结果表明，基于多目标黏菌算法的优化部署机制可以显著降低感知节点的总功率，平衡感知节点之间的能量消耗。     

基于蝙蝠优化器的三维无线传感器网络节能覆盖增强策略

针对三维无线传感器网络在传感器节点重新部署时,由于复杂和恶劣环境导致的传感器节点电池充电和恢复困难的问题,提出了一种基于蝙蝠优化器的三维无线传感器网络节能覆盖增强策略.首先,利用截角八面体对三维环境进行无缝叠加,将覆盖增强和能量优化问题转化为将节点移动到截角八面体的任务分配问题;其次,基于蝙蝠优化器实现无线传感器网络的最小化总能耗和平衡剩余能量的多目标优化;最后,通过建立仿真模型,与虚拟力导向粒子群优化算法、三维虚拟力算法、及匈牙利算法进行对比分析,验证策略的有效性与可靠性.实验结果表明:所提策略能使节点剩余能量的均匀性分别提高30.53％、43.44％和32.03％,同时能有效降低节点总能耗,并在最大能耗节点的能耗、最终覆盖率和时间消耗方面表现良好,具有较高的可靠性和准确性.     

基于改进鲸鱼优化算法的WSN覆盖优化

针对无线传感器网络在随机部署移动节点时,存在分布不均匀导致的覆盖率较低的问题,以网络覆盖率最大化为目标建立网络覆盖优化模型,提出一种基于改进鲸鱼优化算法(IWOA)的网络覆盖优化策略;首先,采用量子位Bloch球面坐标编码初始化种群,提升种群多样性,扩展搜索空间的遍历能力;其次,提出一种基于步长改进的位置更新方式,平衡算法的全局探索和局部搜索能力;最后采用莱维飞行,对个体进行扰动更新,提高跳出局部最优的能力。仿真结果表明,将改进后的鲸鱼优化算法应用在WSN覆盖优化中,与标准鲸鱼优化算法和其他文献中的算法相比,有效减少了传感器节点冗余,表现出更快的收敛速度和更高的覆盖率,进而改善网络监测质量,延长网络生存时间。     

一种面向多目标关联覆盖的无线传感器网络节点优化调度算法

提出一种面向多目标关联点覆盖的无线传感器网络节点优化调度算法D-MTAC．该算法基于数据挖掘中的关联规则和无线传感器网络的能量高效原则,通过挖掘随机部署的网络节点与待监控目标间的关联感知关系给出高频关联目标集,采用优化时间分片和动态自适应选择机制确定能够令责任节点工作状态与网络寿命实现最优匹配的优化调度决策集合．仿真结果表明：在保证目标监控质量的前提下,该算法能够有效降低网络累积能耗并延长网络寿命．     

移动传感器网络基于安全连接的节点位置优化

传感器节点的合理分布并保障节点间安全通信是无线传感器网络设计中的关键问题.传统的节点分布优化算法仅以提高网络有效覆盖率为目标,极易导致网络安全连接度的降低.针对该问题,从理论上对传感器网络拓扑模型进行了建模分析.结合具有快速多目标优化能力的精锐非支配遗传算法,提出一种基于安全连接的节点位置优化算法,从而保证网络实现目标跟踪和安全通信的质量效果.分析了随机部署模型与基于预知分配坐标的高斯部署模型下算法的求解性能,仿真结果表明,所提出的算法能够快速收敛于网络覆盖率和安全连通度两者的折衷点,满足无线传感器网络的实际需求.     

基于混合量子进化算法的高效节能无线传感器网络路由算法

在无线传感器网络中,层次型路由算法能减少节点能量消耗和延长网络生存周期.因此在LEACH算法和PEGASIS算法的基础上,提出了一种基于混合量子进化算法的高效节能的无线传感器网络路由算法HERA.该算法中把网络分为多个簇,每个簇中的节点连接成为一条多跳通讯链路,并使用混合量子进化算法来得到最优的分簇组链方式,以减少链路...     

一类区间多目标粒子群优化算法

针对区间参数多目标优化问题,提出一种基于模糊支配的多目标粒子群优化算法。首先,定义基于决策者悲观程度的模糊支配关系,用于比较解的优劣;然后,定义一种适于区间目标值的拥挤距离,以更新外部存储器并从中选择领导粒子;最后,对多个区间多目标测试函数进行仿真实验,实验结果验证了所提出算法的有效性。     

异构无线传感器网络中多目标优化节点部署策略

针对异构无线传感器网络节点高密度部署和事件发生存在"热点区域"问题,以区域覆盖率最大和网络能耗最小为优化目标,提出了一种基于多目标优化的二进制粒子群算法,对节点部署进行多目标优化。该算法采用概率感知模型,引入强支配系数使得解分布均匀,结合Pareto最优解选择排序和基于自适应权重的适应度分配,进而获得异构节点部署解。仿真结果表明:该算法能对目标空间进行广泛搜索,与NSGA—Ⅱ算法相比,算法具有良好的收敛性,能有效地提高网络的覆盖率和降低网络能耗。     

无线传感器/执行器网络多目标任务调度策略略

针对多任务在多执行器节点的协作问题,提出一种多目标任务调度策略.该策略以执行任务的最大完成时间、能耗均衡指标和存储成本为目标,将任务调度建模成多目标优化问题,并运用理想点法解决不同目标量纲的差异性,进而转化为单目标优化问题求解,从而得到各任务在执行器节点上的局部最优执行方案.仿真结果表明,3个优化指标均得到一定程度的改善.     

Biologically inspired probabilistic coverage for mobile sensor networks

Coupling sensors in a sensor network with mobility mechanism can boost the performance of wireless sensor networks (WSNs). In this paper, we address the problem of self-deploying mobile sensors to reach high coverage. The problem is modeled as a multi-objective optimization that simultaneously minimizes two contradictory parameters; the total sensor moving distance and the total uncovered area. In order to resolve the aforementioned deployment problem, this study investigates the use of biologically inspired mechanisms, including evolutionary algorithms and swarm intelligence, with their state-of-the-art algorithms. Unlike most of the existing works, the coverage parameter is expressed as a probabilistic inference model due to uncertainty in sensor readings. To the best of our knowledge, probabilistic coverage of mobile sensor networks has not been addressed in the context of multi-objective bio-inspired algorithms. Performance evaluations on deployment quality and deployment cost are measured and analyzed through extensive simulations, showing the effectiveness of each algorithm under the developed objective functions. Simulations reveal that only one multi-objective evolutionary algorithm; the so-called multi-objective evolutionary algorithm with decomposition survives to effectively tackle the probabilistic coverage deployment problem. It gathers more than 78 % signals from all of the targets (and in some cases reaches 100 % certainty). On the other hand, non-dominated sorting genetic algorithm II, multi-objective particle swarm optimization, and non-dominated sorting particle swarm optimization show inferior performance down to 16–32 %, necessitating further modifications in their internal mechanisms.     

感知受限的移动传感器节点扫描覆盖优化算法

移动无线传感器网络（WSN）的应用中,因为传感器节点的感知范围受限,其覆盖分析就是一个针对目标区域的扫描覆盖问题。提出了一种基于多目标优化的扫描覆盖算法。在目标区域中,采用双目标优化策略对单个移动传感器节点进行路径规划,一方面使节点的覆盖面最大化,另一方面使扫描覆盖的路径最短。仿真实验在含有障碍物和不含障碍物的情况下进行,与多节点的编队覆盖算法相比,所提算法在适度降低覆盖率的情况下,可大幅降低移动能耗。     

改进灰狼优化算法在WSN节点部署中的应用

根据无线传感网络节点在随机部署时存在聚集程度高导致覆盖率低的问题,提出了一种改进的灰狼优化算法,并将其应用于无线传感网络节点的优化覆盖.首先,利用混沌算法进行算法种群的初始化,以提高种群多样性;其次,在灰狼算法的基础上改进其收敛因子,平衡全局和局部搜索能力,提高算法中后期的优化能力;最后,对δ狼进行融合变异以改善局部极值问题.仿真实验表明,将改进后的灰狼优化算法应用于WSN节点部署优化中,与标准灰狼优化算法相比加快了优化速度,网络覆盖率提高了3％.     

不确定可靠性优化问题的多目标粒子群优化算法

针对元件可靠性为区间值的系统可靠性优化问题, 提出一种区间多目标粒子群优化方法. 首先, 建立问题的区间多目标优化模型; 然后, 利用粒子群算法优化该模型, 定义一种不精确Pareto 支配关系, 并给出编码、约束处理、外部存储器更新、领导粒子选择等关键问题的解决方法; 最后, 将该方法应用于可靠性优化问题实例, 验证了方法的有效性.

     

基于偏好方向的区间多目标交互进化算法

区间多目标优化问题在实际应用中普遍存在且非常重要.为得到贴合决策者偏好的最满意解,采用边优化边决策的方法,提出一种交互进化算法.该算法通过请求决策者从部分非被支配解中选择一个最差解,提取决策者的偏好方向,基于该偏好方向设计反映候选解逼近性能的测度,将具有相同序值和决策者偏好的候选解排序.将所提方法应用于4个区间2目标优化问题,并与利用偏好多面体解决区间多目标优化问题的进化算法(PPIMOEA)和后验法比较,实验结果验证了所提出方法的有效性和高效性.