基于Delaunay图的人工蜂群算法在WSN覆盖策略中的优化研究

传统的人工蜂群算法在应用于无线传感器网络覆盖时,虽然可以提高网络覆盖率,但是其后期收敛速度慢和早熟收敛等缺点,大量的消耗时间和能量,也无法确保网络覆盖质量.为提高混合无线传感器网络的覆盖效率,提出一种基于Delaunay图的人工蜂群算法控制移动节点的部署策略.通过固定节点形成的Delaunay图先找出覆盖漏洞,估算覆盖漏洞面积并计算出移动节点即引领蜂的数量和初始位置,通过评价覆盖漏洞面积的大小确定侦查蜂的局部搜索空间.通过对不同算法的仿真结果分析表明:D-ABC提高了网络覆盖率,进行了混合无线传感器网络覆盖策略的优化.     

一种无线传感器网络中的进化定位机制

为了对无线传感器网络中随机分布的节点进行更精确的定位,提出了一种基于改进粒子群算法和增强定位机制的新型定位算法。新算法先提出竞争进化思想和自适应权重,使得改进后的粒子群算法在加快收敛速度的同时增强了算法的全局和局部搜索能力;增强定位机制使得算法对锚节点信息的使用更加充分,而且极大缩小可行解空间,进一步加快了算法的搜索速度。仿真结果表明:所提定位算法具有更低的定位成本和更高的定位精度,同时具有对测距误差鲁棒性强的优点。     

一种改进的无线传感器网络优化定位算法

节点定位是无线传感器网络实际应用需要解决的关键问题。为了在提高定位精度的同时降低成本,提出了一种改进的粒子群优化定位算法。该算法首先提出前摄估计思想,完成未知节点的区域估计,缩小并限制可行解空间,以此加快粒子群的搜索速度;然后给出了竞争进化思想的数学模型,使用该模型和自适应权重在进一步加快收敛速度的同时增强了算法的全局和局部搜索能力。仿真结果表明,对比同类算法,该算法能更有效地利用锚节点信息,降低网络成本,在计算量显著减少的同时明显提高了定位精度,并且具有对测距误差鲁棒性强的优点。     

基于粒子群进化的输电网络WSN节点定位算法

为了提升WSN的定位精度,提出了一种基于粒子群进化的定位算法,以应用于输电网络中的节点定位.该算法通过区域估计,缩小并限制传感器节点的预估计区域空间,并应用粒子群算法快速寻找节点定位的最优解.通过引入权重自适应的机制,加快节点定位的搜索速度,并提升算法的搜索能力.结果表明,该算法有效增强了WSN节点定位的精度,降低了计算复杂度,为输电网络的无线传感器网络提供更高效准确的定位服务.     

基于IRAPSO的组合测试用例生成方法

最小覆盖表的生成是组合测试研究领域的一个关键问题,虽然粒子群优化算法是生成最小覆盖表的方法之一,但该算法存在易陷入局部最优和搜索精度低等问题。针对该问题提出了一种改进的约简自适应粒子群算法。该方法首先对粒子群优化算法的进化方程进行约简,消去其速度项,得到约简的粒子群进化方程;然后提出了惯性权重的自适应调整策略并且在适应值策略中引入汉明距,以提高该算法生成测试用例的覆盖率。与已有算法的比较结果表明,该算法在克服粒子群优化算法易陷入局部最优等问题的同时能够在较短的时间内生成规模更小的覆盖表。     

三维无线多媒体传感器网络全目标覆盖算法

针对现有感知模型无法有效描述无线多媒体传感器真实感知能力的缺陷,提出一种新的三维有向感知模型。在此基础上,针对目标覆盖问题,为降低算法复杂度,设计了一种基于仰俯角优化和偏向角优化的两阶段目标覆盖算法。对于仰俯角和偏向角优化部分,利用差分进化算法进行求解,以达到利用少量传感器节点实现监测目标被全部覆盖的效果。仿真实验表明:对比随机部署方法,本文方法所需的传感器数目大幅下降。     

基于Voronoi盲区的三维无线传感器网络覆盖优化算法

针对三维空间内无线传感器网络(wireless sensor network,WSN)的覆盖优化问题,提出了一种基于Voronoi盲区的三维无线传感器网络覆盖优化算法(blind-zone centroid-based scheme in three dimensional wireless sensor network area,BCBS-3D).BCBS-3D算法对随机部署的无线传感器进行Voronoi图划分,依据传感器对应的三维Voronoi多面体的覆盖情况构造盲区图,将三维Voronoi盲区重心为候选优化位置,最大化覆盖监测区域.仿真结果表明,在基于Voronoi图的情况下,BCBS-3D算法在覆盖率和平均移动距离方面具有优势.     

基于种群阈值优化机制的WSN均衡覆盖算法

为解决无线传感网节点部署过程中存在的网络覆盖性能较差、离散节点数量不高等问题,提出了一种基于种群阈值优化机制的WSN均衡覆盖算法.采取定位机制,将传感节点视作可移位的动态粒子,设计了基于种群周期更新机制的定位覆盖方法,以提高节点布撒精度及均衡性.根据粒子的坐标偏移构建迭代裁决函数,将覆盖度较高的节点进行坐标偏移处理,以提高传感节点对区域的感知能力,从而增强网络的覆盖效果.同时,结合簇内最低覆盖距离等参数,设计了基于阈值优化机制的节点均衡方法,利用交叉判定阈值对节点坐标偏移进行校正处理.通过移动节点位置,对簇内区域进行再覆盖,以降低节点频繁移动而导致的能量受限现象,提升节点分布的离散程度,使覆盖均衡效果更佳.仿真实验结果显示,与当前无线传感网覆盖领域内常用的两种算法相比,此次所提出的算法网络区域覆盖能力更高、节点离散性能更强.     

粒子群算法在无线网络拓扑优化中的应用

在无线传感器网络中,拓扑控制是传感器网络中的一个基本问题,主要针对无线网络中传感器的布局,建立了一个简单的无线网络拓扑优化模型,并将粒子群优化算法改进后运用到此模型中,对传感器的拓扑结构进行了优化.     

一种降低NLOS误差影响的节点定位算法

针对基于测距的节点定位算法在非视距环境下定位精度较低的问题,文章从两个方面对其进行改进:将粒子群优化算法应用于节点定位,并对其参数设置和目标函数选取进行了改进;利用NLOS(Non-Line-of-Sight)测距信息对未知节点可能存在区域进行估计,缩小粒子搜索范围。仿真结果表明,在非视距环境下,改进算法的定位精度和稳定性有明显的改善,是一种可行的无线传感器网络节点定位的解决方案。     

混合传感器网络在WSN栅栏覆盖的优化研究

在混合无线传感器网络覆盖研究中,移动传感器节点的再定位是栅栏覆盖中的一项重要研究.针对无移动能力的固定节点无法形成有效的栅栏覆盖网络、添加移动节点方法复杂、栅栏长度过长等缺点,为提高修复栅栏覆盖漏洞效率,提出一种由混合无线传感器网络部署的栅栏覆盖.首先通过固定节点形成的Voronoi图判断栅栏的覆盖漏洞,再利用改进的蚁群算法控制移动节点,根据delaunay三角网最短边的搜索策略进行部署,从而形成完整的1-栅栏覆盖.matlab软件仿真分析结果表明:在Delaunay-ACO(D-ACO)算法指导下,实现了移动传感器节点部署过程更简便,优化了混合传感器网络的1-栅栏覆盖策略,能够有效侦测入侵目标,获得更好的栅栏覆盖效果.     

基于改进粒子群算法作业车间调度问题的优化

针对作业车间调度问题,提出一种基于自适应权重和混沌的改进粒子群优化算法。构建以机器加工时间最短为优化目标的多约束作业车间调度模型,采用基于工序排列的编码方式得到粒子参数与工序序列的映射关系;基于自适应权重改进粒子群算法中的惯性系数和加速因子,使得算法可以根据适应度值动态调整参数因子;采用反向学习策略改善种群初始解的质量;引入莱维飞行、变邻域搜索、混沌,增强了算法的搜索能力,避免陷入局部最优解。试验结果表明:改进粒子群算法可以有效地提高粒子利用率,平衡全局搜索与局部搜索能力,改善传统粒子群算法易早熟的缺点,得到更优的解。     

无线移动传感器网络的分布式目标跟踪算法

为了满足无线移动传感器网络(WMSN)的目标跟踪应用要求,提出了一种分布式目标跟踪算法,可使用节点引导保证WMSN的网络动态连通性;在传统分布式数据融合体系结构的基础上结合平均一致性滤波器实现了低通信开销的优化分布式数据融合．仿真结果表明,该算法在WMSN中目标跟踪效果良好,且数据融合性能优于传统分布式数据融合算法．     

无线传感器网络节能动态任务分配

为了延长网络生存期,减少网络能量消耗,在分析现有无线传感器网络任务分配机制的基础上,提出一种面向分层结构、多跳传感器网络的节能任务分配方法.该算法根据节点工作状态、剩余能量以及能耗,基于熵理论,建立代价函数,结合粒子群优化算法,实现优化任务分配策略.同时,针对无线传感网络动态变化使当前的任务分配策略可能不再是最优的情况,对任务进行动态调整.仿真实验结果表明该分配机制能有效减少无线传感网络计算时间和网络能耗,提高网络寿命.     

一种自适应混合多目标粒子群优化算法

文章针对多目标粒子群优化算法多样性损失和收敛性不好的问题,提出了一种自适应混合多目标粒子群优化算法。首先,使用Sobol序列映射决策变量初始值,使得初始解集在全决策空间范围有更均匀的分布。使用线性递减权重法调整粒子群算法的权重,增强算法收敛性。提出了使用基于多样性指标SP的自适应变异算子增加种群多样性的同时,还提出了在最优档案集中,使用基于改进的世代距离指标GD的自适应混沌搜索增强算法局部搜索能力。最后,将文中提出的改进算法与MOPSO(基本多目标粒子群优化算法)和NSGA2对比,结果显示出该算法能够在保持优化解收敛性的同时获得更好的多样性。     

改进粒子群算法辨识噪声模型的卡尔曼直接转矩控制

针对感应电机扩展卡尔曼滤波器状态估计中难以获得最优噪声矩阵问题,提出了一种基于改进粒子群算法辨识卡尔曼滤波器噪声矩阵的方法.通过调整粒子觅食策略对粒子群算法进行改进,运用改进算法优化滤波器噪声矩阵,再将优化的卡尔曼滤波器应用于感应电机无传感器直接转矩控制系统中.仿真结果表明,与试探法、标准粒子群算法和自适应粒子群算法相比,改进粒子群算法能够改善卡尔曼滤波器滤波性能,从而提高感应电机无传感器直接转矩控制系统的控制精度.     

一种新的求解移动Agent路由问题优化算法

文章对移动Agent在无线传感器网络中的路由问题进行描述,给出该问题的多约束最优非劣路径求解模型,并提出一种SA-CA算法求解移动Agent路由问题:利用模拟退火(Simulated Annealing,SA)算法接受最优单体以推动文化算法(Cultural Algorithms,CA)中信仰空间的进化,并将搜索步长作为情景知识指导群体空间最优解的搜索.这种双层结构特性减少了搜索时间,表现出较好的全局寻优性能.仿真实验也表明,与粒子群优化算法(PSO)、遗传算法(GA)的计算结果相比,提出的新算法在保证求解准确性的同时,具有更快的收敛速度和较高的可靠性,是解决无线传感器网络多约束QoS路由的有效途径,能提高整个网络的性能.     

改进的粒子群优化算法

粒子群优化算法是一种基于群体的自适应搜索优化算法,存在后期收敛慢、搜索精度低、容易陷入局部极小等缺点,为此提出了一种改进的粒子群优化算法,从初始解和搜索精度两个方面进行了改进,提高了算法的计算精度,改善了算法收敛性,很大程度上避免了算法陷入局部极小.对经典函数测试计算,验证了算法的有效性.     

基于Lagrange乘子法的一种新型改进粒子群优化算法

社会和生产实践中抽象出来的模型一般为非线性约束优化,而约束优化一般很难直接求解.首先,我们通过引进增广lagrange乘子法,将约束优化转化为有界约束优化,然后引入粒子群优化算法来进行求解,并且我们提出来一种嵌入了最速下降法的改进粒子群优化算法,以此来解决标准粒子群算法中收敛速度慢和精度低的问题,提高了搜索的效率,特别是局部搜索的效率.改进算法有效地结合了粒子群优化算法比较强的全局搜索能力和最速下降法的精细快速的局部搜索能力,相比于标准粒子群优化算法,克服了收敛速度慢的特点.数值实验表明,通过改进的粒子群优化算法可以找到所求优化问题的全局最优解.     

一种基于voronoi图的WMSNs监测路径算法

针对无线多媒体传感器网络在最差覆盖情况下的路径监测能力,通过Voronoi图与图形搜索算法的结合来实现监测路径的搜索。深入探讨了目标在传感器临界密度下最小覆盖路径的择选情况,从而找到网络的薄弱环节,并针对薄弱环节提出网络覆盖增强策略。算法无须复杂计算,容易实现,仿真实验结果验证了算法的可行性和适用性。