一种应用于无线传感器网络的层次型拓扑结构生成算法

在无线传感器网络中,层次型的拓扑结构将整个网络划分为不同的簇,并通过一定机制选择簇头来负责数据转发和融合。本文在LEACH等现有层次型拓扑控制算法的基础上,借鉴ad hoc网络层次拓扑生成算法WCA的设计原理,提出一种应用于无线传感器网络的新型层次型拓扑结构生成算法(HTGA)。该算法综合考虑节点的能量和位置状况,为每个节点定义不同的权值,从中选出性能优越的节点担任簇首,同时通过设置节点度参数来确保最优的拓扑结构。仿真实验结果显示,新算法在降低能耗、延长网络生存时间以及保证监测覆盖度等方面比LEACH具有更加优良的性能。     

基于移动Agent中间件的WSN数据聚集算法

数据聚集技术是无线传感器网络的一项重要的支撑技术.在数据聚集技术基础上,提出基于移动代理中间件的无线传感器网络数据聚集方案.以层簇式拓扑结构,分析了节点能量的消耗,给出实现数据查询任务的派发算法和数据查询结果的收集算法.仿真实验证明该方案能有效的节省网络能量耗损,延长网络生存周期.     

矿井无线传感器网络的层次型拓扑结构优化

针对矿井环境复杂、布线困难的特点,根据矿井实际环境和系统需求,构建了井下无线传感器网络的四层分簇式链状拓扑结构。研究了固定节点网络、移动节点网络、整个网络的拓扑形成过程,其中移动网络拓扑结构的构建采用组合加权的LEACH算法来实现,实验仿真表明该算法能够有效降低移动节点的能耗,延长整个网络的生命周期。同时,针对井下人员的移动性,分别提出了移动节点的加入策略和离开策略。该系统具有多层次、稳定性好、可扩展性强等特点,为矿井监测系统进一步的数据传输、融合和人员定位奠定了较好的基础。     

基于能量的无线传感器网络拓扑发现算法改进

对于自组织的无线传感器网络而言,网络拓扑控制对网络性能影响很大。良好的拓扑结构能够提高路由协议和MAC协议的效率,为数据融合、时间同步和目标定位等很多方面提供基础,有利于延长整个网络的生存时间。本文提出了一种基于能量因素的无线传感器网络拓扑发现算法,该算法是以TopDisc算法为基础,在此基础上考虑根据节点的剩余能量控制等待转发时间,在响应拓扑发现请求时把节点自身的剩余能量考虑在内,与距离加权后影响邻节点的发送时延,即对算法的时延机制进行改进。     

基于(ε,ζ)-近似融合的无线传感网拓扑控制算法

对无线传感器网络的拓扑控制问题进行研究。为了节约网络能量,最大化网络生命周期,提出一种基于(ε,ζ)-近似数据融合的拓扑结构控制算法QGA-UQ(Quantum Genetic Algorithm-Unique Q)。QGA-UQ引入了节点调度的思想。它首先根据用户的数据精度要求,确定网络中工作节点的比例,接着再使用量子遗传算法,从网络中选取合适的节点,并形成合理的拓扑结构。网络在此基础之上进行数据的传输和融合处理。仿真试验表明,QGA-UQ算法可以在保证融合结果精度的前提下,显著延长了网络生存时间,提高了网络能量利用率。     

浅谈无线传感器网络的拓扑结构控制

无线传感器网络是一个由传感器组成的分布式自组织网络。在无线传感器网络中,拓扑控制一直是其关键技术之一。从过去的研究中表明,主要的拓扑控制方法有层次型拓扑控制和节点功率控制。层次型的拓扑结构将整个网络划分为不同的簇,并通过一定机制选择簇头来负责数据转发和融合,让无线网络的拓扑结构在一定程度上得到了优化和控制。     

基于移动Agent的无线传感器网络拓扑发现机制

对监测区域中部署的传感器节点的拓扑发现是传感器网络应用的前提,它反映了传感器网络的监测能力。考虑目前拓扑发现算法中能量消耗过多、网络连通性不强等问题,文中结合移动Agent的特点,提出了一种基于移动Agent的无线传感器网络拓扑发现机制,通过建立数学模型,利用相关邻近图（relative neighborhood graph）理论生成网络拓扑。实验结果表明,基于移动Agent的拓扑发现机制相对于当前存在的拓扑发现算法具有很好的稳定性和良好的节能效果,该算法可以解决节点拓扑请求信息讨多导致过多能量消耗的问颢．     

基于簇头功能分化的无线传感器网络成簇算法

以LEACH为基础演化而来的各类算法在簇头选举时始终包含有“随机选择”的成分,导致无线传感器网络在拓扑结构的优化和能量消耗的均衡上受到限制。从分化簇头功能和优化功能节点选举机制的角度出发,提出一种分化簇头功能的分布式算法,引入功能节点推荐机制,弱化簇头选举中的随机成分,分化簇头功能,将以往簇头管理节点、融合数据、转发信息的三大功能分别由管理节点、融合节点、转发节点3个功能节点来承担。仿真数据表明,提出的分簇算法能有效优化簇内拓扑结构、提高节点能量消耗均衡性,能够延长网络生存周期15％~20％。     

传感器网络数据融合技术的研究与仿真

研究无线传感器数据融合问题,延长网络生命周期.由于传感器节点密度大,采集数据大量冗余,应对数据进行融合处理,采用数据融合算法对冗余数据合并,从而有效地节约能耗.为了很好地合并冗余数据,提出一种粒子群算法的传感器网络数据融合方法.通过移动代理建立数据的初始路由模型,通过粒子群中的粒子互相通信和协作求得路由模型最优解,即数据最优路由节点序列,从而实现数据融合.仿真结果表明,粒子群算法能很好的合并冗余数据,从而减少的网络能量消耗,有效降低网络延时,延长网络的生存时间.     

无线传感器网络拓扑识别算法

获取无线传感器网络(WSN)的拓扑信息对于网络规划和管理具有重要意义。针对采用数据融合机制的无线传感器网络(WSN),证明了以某一节点的父节点的数据成功传输为条件时,该节点丢包的条件概率最小;以上述结论为基础,提出了一种新的WSN拓扑识别算法,仅以端到端的测量信息作为依据,可以在不增加网络负载、无需中间节点协作的情况下,获得准确的拓扑结构。NS-2仿真结果表明了该算法的有效性。     

一种新结构下的主动轮廓算法

经典主动轮廓模型是采用由内部能量和外部能量共同组成的能量函数来进行收敛计算的，其中外部能量对精确收敛到目标轮廓起决定性作用，而内部能量在保证轮廓线进行合理变动的同时，却对收敛精确性产生了负作用。为克服这一问题，因而给出一种新的主动轮廓结构，即先把内部能量从能量函数中分离出来，仅采用外部能量进行收敛计算，然后在此结构下重新定义图像能量和控制能量，同时引入了轮廓修正函数，把连续性和光滑性约束应用到Snake曲线的变动过程之中。仿真实验表明，新结构下的主动轮廓算法对初始轮廓要求不高，具有收敛速度快、跟踪精度高等优点。     

改进K-means的空间聚类算法*

提出了基于K-means的四叉树与R-link树的混合结构树,提高了R-link树的查询性能,在K-means中采用均值—标准差确定初始聚类中心,提高了收敛速度,通过距离准则函数来优化K值,避免K值的盲目选取。与R-link相比空间开销代价有时略大,但换取了更高的性能,且数据量越多,此种结构的整体性能越好,适合于海量数据。     

基于K-means算法的高性能空间索引方法

提出基于R-link树的快速空间索引结构,在该结构中引入K-means算法。在K-means中采用均值-标准差确定初始聚类中心,提高了收敛速度。通过距离准则函数来优化K值,避免K值的盲目选取。与R-link相比空间开销代价有时略大,但换取了更高的性能,且数据量越多,索引结构的整体性能越好。     

改进K-means的空间聚类算法*

提出了基于K-means的四叉树与R-link树的混合结构树,提高了R-link树的查询性能,在K-means中采用均值—标准差确定初始聚类中心,提高了收敛速度,通过距离准则函数来优化K值,避免K值的盲目选取。与R-link相比空间开销代价有时略大,但换取了更高的性能,且数据量越多,此种结构的整体性能越好,适合于海量数据。     

基于并行群体模拟退火算法的蛋白质折叠研究

蛋白质折叠研究对于揭示蛋白结构和功能关系,进而了解相关疾病的致病机理意义重大。蛋白质折叠已被证明是 NP-完全问题。本文针对蛋白质折叠研究中的能量最小化问题,提出了一种新的并行群体模拟退火算法（Parallel Group Simulated Annealing,PGSA）及其改进型算法（PGSA_1/K)。该算法使用了降温因子加速收敛精度,并采用 MPI 消息传递并行编程技术加快蛋白质结构空间搜索以及能量最小化寻找速度。以 Met_Enkephalin 蛋白为对象的计算机模拟仿真结果表明,我们提出的算法及其改进型有很好的扩展性,可以高效搜索蛋白结构空间,从而找到相关蛋白的最小能量结构。     

云环境下超启发式能耗感知调度算法

能耗感知调度的研究对云计算数据中心的可持续发展有着重要意义。能耗感知调度是一个NP难的多目标优化问题,目前云环境下的任务调度算法较少考虑能耗问题,且不能实现对能耗的灵活管理,随机搜索算法是一种解决该问题的有效途径,但其计算开销大,收敛速度慢。将异构云环境下的能耗感知调度问题定义为一个带约束的问题,即在一定的完成时间下优化系统能耗,以实现对能耗的灵活管理。此外,提出了基于在线学习的超启发式算法（OLHH）,该算法结合电压调节技术,在设计了简单高效的启发式策略集的基础上,引进超启发式算法,并采用在线学习的方式跟踪启发式策略的表现,实现对启发式策略的合理管理,从而达到提高算法的收敛性能的目的。模拟实验表明,该算法能够实现系统能耗的灵活管理,且比传统的随机搜索算法有着更好的收敛性能。     

Self-adaptive predictor-corrector algorithms for static nonlinear structural analysis

This paper develops a multi phase self-adaptive predictor corrector type algorithm to enable the solution of highly nonlinear structural responses including kinematic, kinetic and material effects as well as potential pre/postbuckling behavior. The hierarchy of the strategy is such that three main phases are involved. The first features the use of a warpable hyperelliptic constraint surface which serves to upperbound dependent iterate excursions during successive INR type iterations. The second corrector phase uses an energy constraint to scale the generation of successive iterates so as to maintain the appropriate form of local convergence behavior. The third involves the use of quality of convergence checks which enable various self-adaptive modifications of the algorithmic structure when necessary. Such restructuring is achieved by tightening various conditioning parameters as well as switch to different algorithmic levels so as to improve the convergence process. Included in the paper are several numerical experiments which illustrate the capabilities of the procedure to handle varying types of nonlinear structural behavior.     

改进蚁群算法在机器人路径规划上的研究

基于蚁群算法在路径规划过程中出现收敛速度慢、易陷入局部最优,且在复杂环境下的寻优能力弱等缺陷,提出了一种适用于机器人路径规划的改进蚁群算法。在预规划路径基础上建立初始信息素矩阵,避免算法前期盲目搜索,提高搜索速度;将改进蚁群算法和A*算法进行有机融合,进一步提高蚁群算法搜索方向性和收敛速度。制定信息素更新规则时引入拐点评价函数,提高搜索路径的光滑性,提高机器人安全性和降低能耗;提出回退策略有效减少蚂蚁死亡数量,提高路径规划方法的鲁棒性。仿真实验表明,在相同的环境下,改进的蚁群算法在机器人路径规划中搜索效率和收敛速度明显优于其他算法。     

CPicker: Leveraging Performance-Equivalent Configurations to Improve Data Center Energy Efficiency

The poor energy proportionality of server is seen as the principal source for low energy efficiency of modern data centers. We find that different resource configurations of an application lead to similar performance, but have distinct energy consumption. We call this phenomenon as “performance-equivalent resource configurations (PERC)”, and its performance range is called equivalent region (ER). Based on PERC, one basic idea for improving energy efficiency is to select the most efficient configuration from PERC for each application. However, it cannot support every application to obtain optimal solution when thousands of applications are run simultaneously on resource-bounded servers. Here we propose a heuristic scheme, CPicker, based on genetic programming to improve energy efficiency of servers. To speed up convergence, CPicker initializes a high quality population by first choosing configurations from regions that have high energy variation. Experiments show that CPicker obtains above 17% energy efficiency improvement compared with the greedy approach, and less than 4% efficiency loss compared with the oracle case.     

A Rayleigh weighted variable step-size sign algorithm for robust adaptive filtering in impulsive noises

The sign algorithm with a fixed step-size is incapable of addressing the conflicting requirements between fast convergence speed and low steady-state misadjustments. In order to deal with this problem, a Rayleigh weighted gradient vector based variable step-size sign algorithm is proposed in this paper. In the new algorithm, the variable step-size is updated by the squared norm of a Rayleigh weighted sign gradient vector. The proposed algorithm can improve the convergence speed and tracking capability while maintaining the similar steady-state misadjustments in the presence of impulsive noises. A complex-valued energy conservation relation based convergence analysis is carried out to evaluate the convergence performance of the new algorithm. Simulation results are presented to verify the theoretical analysis and to demonstrate the desirable performance of the proposed algorithm.