无线传感器网络最优搜索泛洪协议研究

泛洪是无线传感器网络中一种基本的方法,像拓扑形成、路由建立、目标探测或者数据查询等经常使用泛洪策略来实现。在泛洪策略的研究上,以前的研究大多关注于如何产生最优的广播树,同时假定节点之间的通讯是可靠的。然而,在实际的无线传感器网络环境中,这一目标并不是最有效的,而其假设更是不成立的。将最优搜索理论与分簇方法相结合,提出一种高效率的泛洪协议——最优搜索泛洪协议(OSFP),应用于无线传感器网络的目标探测。该泛洪协议既可应用于可靠的数据传输网络,也可应用于不可靠的数据传输网络。仿真结果表明,与其他泛洪协议相比,OSFP可以最大化发现目标的概率而不增加其搜索代价。     

基于蛙跳算法的无线传感器网络节点重部署

针对传统无线传感器网络节点重部署覆盖方法没有进行子群节点局部搜索,导致方法存在覆盖率较低、节点连通性较差等问题,提出基于蛙跳算法的无线传感器网络节点重部署方法,初始化无线传感器网络节点,引入蛙跳算法,将全局的信息交换和子群局部搜索结合,确定无线传感器所能够探测的区域范围,利用微积分方法求解不规则区域,获取网络节点最优解,实现无线传感器网络节点的重部署.实验结果表明,研究方法覆盖率较高、节点连通性较好、节点能量较高,具有更好的应用价值.     

基于改进禁忌搜索算法的无线传感器网络路由选择

无线传感器网络路由优化问题是无线传感器网络关键问题之一;针对无线传感器节点在能量储备、通信能力、计算能力等方面制约性强问题,利用禁忌搜索算法理论,提出一种适用于无线传感器网络环境的路由选择算法,重点加强禁忌搜索算法多样性搜索,增加灵活性,提出新的"早熟"程度评价标准,在评价函数中加入概率值,从而改进搜索方向,使得更好的解有更大的被选中的机会;仿真对比实验结果表明,算法可减少无线传感器节点的能量消耗,网络覆盖率高,自适应性强,能够较好地满足无线传感器网络在实际中的应用。     

配电网中基于分簇定位的WSN节点故障定位研究

针对电网故障检测中使用的无线传感器网络节点定位精度较低,分簇不均问题,提出了一种基于DV￣Hop算法改进均值粒子群算法(PSO),首先DV￣Hop算法改进均值粒子群算法中粒子的速度与位移,使动态无线传感器网络重新定位簇头节点坐标更加接近真实值;然后递归神经网络学习算法迭代值逼近最合适的惯性权重值,优化均值PSO粒子群算法使其达到最优搜索能力。最后由Sink节点对每一次动态分簇后网络节点进行数据采集后对电能耗尽的节点进行无线充电。仿真结果表明,改进后的PSO算法比PSO算法聚类分簇误差更小,节点定位配电网故障的精确度提高12.8％,有效地延长了网络生命周期。     

无线传感器网络中参数设定的双层规划模型及算法

能效及健壮性一直是大规模无线传感器网络研究的重点.当应用程序在基站进行广播查询时,通常采用泛洪这种鲁棒性强的方法对每个节点发送数据包.泛洪传播不仅会在较长时间内占用整个网络通信信道,影响正常的数据传输,它还将消耗大量的能量.在分析节点传输半径对泛洪平均建立时间(此时,网络中的所有节点都传输完泛洪数据包)以及数据包长度对传感器网络能效影响的基础上,提出了一个双层规划模型.上层模型的目标是设定最优节点传输半径,使泛洪平均建立时间最小;下层模型在上层模型的影响下,通过设定最优数据包长度使网络的能效达到最大.最后,通过数值分析说明了双层规划模型模拟泛洪传播及设定最优数据包长度是可行并且有效的.     

绝对定位机制下目标位置估计辅助的群机器人搜索

基于扩展微粒群算法模型控制群机器人协同搜索目标时,成员机器人在社会经验和自身认知,主要是社会经验引导下逐步向目标趋近.由于社会经验仅从成员机器人的认知中“选举”产生,未形式化地融合多个机器人的经验,因此文中从群机器人通信子系统在本质上属于无线传感器网络的事实出发,引入集体决策机制,改进社会经验的生成模式.用无线传感器网络中的测距定位方法来估计目标位置,并将估计值作为社会经验引入现有模型.仿真结果表明,当群体规模够大时,采用文中社会经验生成模式可使协同搜索速度得到提高.     

基于改进鱼群算法的无线传感器网络覆盖优化

为了改善传感器节点在网络中随机部署时的不合理分布和提高节点的网络覆盖率,以网络覆盖率、节点利用率和能耗均衡程度为优化目标,提出了改进人工鱼群的无线传感器网络覆盖优化算法.该改进的算法利用混沌运动的遍历性,克服了人工鱼群算法陷入局部最优的缺点,提高了算法的全局搜索能力,同时结合反馈策略,优化了求解效率.仿真结果表明,在全局范围内,新算法可以求解得到更优的解,能以较少的工作点达到更好的网络覆盖优化效果,而且网络能耗也比较均衡.     

大规模无线传感器网络的时间同步方法研究

针对网络构建和应用,给出大规模无线传感器网络的定义及特点.给出时钟模型,并根据时钟模型分析时间同步的误差来源.在分析比较现有偏移补偿同步方法的基础上,提出偏移补偿与漂移补偿相结合的时间同步方案.     

无线传感器网络功率控制的路由协议改进

路由技术是传感器网络的核心技术之一。针对无线传感器网络节点能量有限、节能至关重要的特点,提出基于功率控制的无线传感器网络路由协议。结合自由空间传播损耗模型和双径传播模型,导出了节点最优发送功率。考虑网络层路由选择与物理层功率控制,在AODV协议帧中附加了一个字段,即在路由请求与回答报文中加入了最优发送功率。仿真结果表明,在保证低延迟和高吞吐量的前提下,该方法降低了网络能量消耗,延长了网络生存时间。     

基于改进MOEA/D算法的WSN覆盖优化方法*

为了优化无线传感器网络（WSN）的覆盖方法,针对MOEA/D中缺少对本代优质个体的保存和最优解集中的个体极少的两个问题,提出了粒子群优化的基于分解的多目标进化算法（MOEA/D-PSO）。通过保留种群本代优质个体,改进本地优化解集在进化过程中的搜索方向和搜索进度,弥补了MOEA/D不足。仿真实验证明,相对于MOEA/D和非支配排序遗传算法（NSGA-II）,MOEA/D-PSO所得非支配解更接近Pareto最优曲面,解集分布的均匀性和多样性表现更佳,WSN的覆盖范围更广,能量消耗更少。     

基于鱼群算法的无线传感网络覆盖优化策略*

无线传感网络是能量受限的网络,有效覆盖和能耗是衡量其性能的两个重要指标。将最大化网络覆盖率和最小化工作节点数作为网络优化目标,建立了网络覆盖优化的数学模型,并利用鱼群算法并行寻优、收敛快速的特性,提出了一种基于鱼群算法的覆盖优化策略。仿真实验表明,该算法能求解最优覆盖工作节点,并可以改进网络节点调度的实时性。     

基于和声搜索算法的无线传感器网络多重连通覆盖

连通与覆盖是传感器网络的重要问题,对传感器网络的服务质量有重要影响。对给定候选位置中选择最少数量的位置放置传感器节点来保证监测目标的多重覆盖和传感器节点之间的多重连通问题进行研究,提出一种基于改进和声搜索算法的节点部署策略。算法以放置节点的数量、监测目标的多重覆盖和节点的多重连通为优化目标,在和声搜索算法中一方面加入学习自动机增强算法参数的自适应性,另一方面通过对算法求解过程中优秀解的再利用,增强了算法的优化效率。为了对比算法性能,提出了一种基于贪婪算法的节点部署策略。仿真结果显示,提出的改进和声搜索算法优于提出的贪婪算法和原始和声搜索算法,证明了算法的有效性。     

传感器网络中信息融合的几个基本问题

系统地阐述了传感器网络环境中几个基本而又重要的信息融合问题的最近进展，包括：最一般条件下全局最优的多传感器分布式统计判决；传感器观测数据或局部估计的最优维数压缩；一般条件下最优线性无偏估计融合公式及其有效算法；传感器观测噪声相关情形下动态系统的卡尔曼滤波融合；容错条件下的区间估计融合．这些结果对传感器网络的设计与应用具有重要意义．     

基于能量有限型无线传感网的恶意软件攻防优化策略

本文针对目前无线传感网络中恶意软件模型化工作的不足,从攻击与防御角度出发,考虑了攻击扫描速率对于攻防优化策略的不同意义,同时考虑了无线传感节点能量有限的特征,在传统恶意软件传播模型的基础上提出了一种改进的无线传感网络恶意软件攻防优化模型。该模型在传统SIR传播模型基础上进行扩展,考虑了免疫与修复的不同因素,最终给出了攻防优化评估方案。通过仿真实验表明,该攻防优化评估方案能够高效地描述攻击扫描参数对恶意软件在无线传感网络中攻击与防御各自效果最大化的关键影响。     

Community detection in complex networks: Multi-objective discrete backtracking search optimization algorithm with decomposition

Community detection is believed to be a very important tool for understanding both the structure and function of complex networks, and has been intensively investigated in recent years. Community detection can be considered as a multi-objective optimization problem and the nature-inspired optimization techniques have shown promising results in dealing with this problem. In this study, we present a novel multi-objective discrete backtracking search optimization algorithm with decomposition for community detection in complex networks. First, we present a discrete variant of the backtracking search optimization algorithm (DBSA) where the updating rules of individuals are redesigned based on the network topology. Then, a novel multi-objective discrete method (MODBSA/D) based on the proposed discrete variant DBSA is first proposed to minimize two objective functions in terms of Negative Ratio Association (NRA) and Ratio Cut (RC) of community detection problems. Finally, the proposed algorithm is tested on some real-world networks to evaluate its performance. The results clearly show that MODBSA/D has effective and promising performance for dealing with community detection in complex networks.     

随机运动目标搜索问题的最优控制模型

提出了Rn空间中做布朗运动的随机运动目标的搜索问题的最优控制模型.采用分析的方法来研究随机运动目标的最优搜索问题,并将原问题转化为由一个二阶偏微分方程(HJB方程)所表示的确定性分布参数系统的等价问题,推导出随机运动目标的最优搜索问题的HJB方程,并证明了该方程的解即是所寻求的最优搜索策略.由此给出了一个计算最优搜索策略的算法和一个实例.     

基于混沌局部搜索的粒子群算法及其应用

为提高混沌优化搜索结果的精度,在以粒子群算法进行全局搜索的基础上,根据全局搜索结果利用混沌优化进行局部搜索,实现在全局范围上搜索最优值。分析局部混沌搜索方法,设计基于混沌局部搜索的粒子群算法的流程,利用混沌优化进行粒子群局部搜索以跳出局部最优搜索区域,避免陷入局部极小值和实现在全局范围上搜索目标函数的最优值。以RMSE误差作为搜索结果精度评价指标,通过Rosenbrock函数算例对基于混沌局部搜索的粒子群算法精度进行分析,并将该算法应用于停车场最优选址实际问题的决策。研究结果表明,该算法搜索结果相较于混沌优化算法搜索结果具有更高的精度,其数值更逼近理论最优值,验证了其提高搜索结果精度的有效性和在解决实际问题上的可行性。     

基于权重的目标覆盖控制算法

针对无线传感器网络中随机部署无法实现对重要性不同的目标的优化覆盖控制问题,利用目标重叠域和贪婪算法设计一种基于目标权重的最优部署算法。以概率感知模型的传感器节点作为研究对象,通过标定目标权重确定目标重叠域,采用贪婪算法选取节点的最优部署范围,根据指标函数的最小值确定节点的部署位置。实验结果表明,所提出的算法能够实现对离散目标的最优覆盖监测,而且能保证监测节点网络的连通性。     

无线传感器网络中覆盖集的高效选取

传感器网络分簇机制中, 工作效率与网络覆盖密切相关. 任意时刻激活最小数目工作节点能够有效节省网络能量. 然而, 由于传感器网络的高密度部署, 使得该问题成为一个NP-完全问题. 本文提出一种基于改进的精锐非支配遗传算法以选择网络最优覆盖集. 对比于传统的二进制监测模型, 本文在算法实施过程中采用了概率监测模型. 在保证网络全覆盖的前提下, 令一部分节点进入休眠状态达到节能的目的. 并提出循环重组算子和删除因子以优化算法性能. 大量的仿真实验验证了本文算法的有效性.