一种改进的贪婪式覆盖算法

文中对覆盖算法进行了介绍和分析,提出了一种基于贪婪算法思想的改进的覆盖算法,称之为贪婪覆盖算法。通过对覆盖初始中心选择方式的改进,减少覆盖数量。通过实验,对比目前已有的几种实现方法,覆盖数量有了较大的下降,明显提高了分类识别的速度。     

基于改进贪婪算法的测量节点选择优化方法

未来应用场景对名字解析系统有着确定性时延保障的需求,如何有效选择测量节点,为确定时延名字解析提供支撑是本文着力解决的问题。本文将网络测量节点部署问题映射成为最小点覆盖问题,并基于传统的贪婪算法提出一种面向网络测量节点选取的改进贪婪算法,从优化贪婪算法迭代周期和针对实际场景特点改进排序算法2个方面进行优化。实验结果表明,基于改进贪婪算法的求解方式比传统贪婪算法的求解方式,平均耗时减少了90%以上。     

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。     

基于能量有效WSN优化覆盖算法的研究*

满足一定的覆盖条件下,有效地进行覆盖控制和减少能量消耗以及延长网络生存周期是无线传感器网络所研究的一项重点课题。为此,提出一种能量有效的优化覆盖算法。该算法利用贪婪算法和几何图形学相关理论知识,把目标覆盖区域节点能量构建成正态分布的网络模型,通过采集和检索数据选择最优子集以及对节点状态调度机制动态转换,可以有效地降低网络能耗,提高了节点覆盖性能的同时优化了节点的数量。仿真实验表明,该算法能够以较小的代价延长整个网络的生存周期,具有更好地适应性和稳定性。     

基于改进迭代贪婪算法的预制构件调度研究

迭代贪婪算法是一种具有较强局部搜索能力的元启发式算法,但由于传统迭代贪婪算法搜索范围过大,搜索效率有限,为了进一步提升传统迭代贪婪算法的搜索能力,考虑到阈值接受算法具有能缩小搜索范围的特点,提出了一种改进的迭代贪婪算法解决流水车间预制生产的订单接受与调度问题。该改进算法是在破坏原调度序列后加入一种基于构造启发式规则的重建策略,并结合阈值接受算法的自适应接受准则用以跳出局部最优。经大量仿真实验结果显示,与传统迭代贪婪算法、禁忌搜索算法以及遗传算法对比,改进的迭代贪婪算法具有更好的求解质量和鲁棒性。     

分布式网络性能监测的探针部署方法研究

对于分布式网络性能的监测，监测探针的部署必须在代价和覆盖范围之间进行权衡。该文以最小化监测探针数目为目标，在链路覆盖和消息覆盖约束条件下，讨论了一种基于遗传算法的网络性能监测探针部署方法，并且在传统遗传算法的基础上提出了使用基于边编码的遗传算法解决监测探针的部署问题。实验表明基于遗传算法及其改进算法的监测探针部署方法比贪婪算法具有更好的性能。     

无线网状网中面向负载均衡的网关部署算法

综合考虑网关数量和网关负载均衡两方面因素,提出一种基于力的贪婪启发式分簇算法,在此基础上对杂交粒子群优化进行改进,给出一种适用于无线网状网的网关部署算法。仿真实验结果表明,该算法能以较少的网关数量实现网络负载均衡,从而提高吞吐量,改善网络性能。     

一种扩展的朴素贝叶斯分类器改进算法

文中研究贝叶斯分类器家族中的一种扩展朴素贝叶斯分类器。此种扩展朴素贝叶斯分类器满足两个条件：一是类结点是所有属性的父结点；二是每个属性最多有一个属性父结点。其中有代表性的两种算法是贪婪爬山算法（Hill Climbing Search，即HCS算法）和超父结点算法（Superparent，即SP算法）。对两种算法进行了分析和比较，并在此基础上提出了一种改进算法。通过实验验证所改进的分类器是正确的、有效的。     

面向差异化覆盖的异构有向传感器节点调度算法

为延长异构有向传感器网络的寿命，提出一种基于改进珊瑚礁优化算法（ECRO）的面向不同监测目标有不同监测要求的节点调度算法。利用ECRO将传感器集合划分成符合覆盖要求的多个集合，通过集合间的调度达到延长网络寿命的目的。对珊瑚礁优化算法（CRO）的改进体现在四个方面：一是在珊瑚礁的雌雄同体繁殖过程中融入生物地理学优化算法中的迁移操作，保留原有种群的优秀解；二是在雌雄同体繁殖过程中采用一种带有混沌参数的差分变异因子，增强子代的优化能力；三是通过对最差个体执行随机反向学习，增强种群的多样性；四是通过CRO与模拟退火算法的结合，增强算法的局部搜索能力。对数值基准函数和节点调度进行了大量的仿真实验。在数值测试方面的结果表明，与遗传算法、模拟退火算法、差分进化算法及其改进算法相比，ECRO的优化能力更强；在传感器网络节点调度方面的结果表明，与贪婪算法、基于学习自动机的差分进化（LADE）算法和未改进的CRO相比，ECRO使网络寿命分别提高了53.8%、19.0%和26.6%，验证了所提算法的有效性。     

考虑学习效应的单人作业车间调度算法

单人负责多台机器的单一工序作业车间场景中,工人由于重复操作机器而产生学习效应.针对考虑依赖工件位置学习效应的单人单工序作业车间最小化最大完工时间的调度问题,建立一种混合整数规划模型.为解决该问题,设计一个考虑学习效应的贪婪算子,利用该算子构造两种贪婪算法,并提出一种基于贪婪的模拟退火算法.为衡量混合整数规划模型、贪婪算法和基于贪婪的模拟退火算法的性能,设计两种规模问题的数据实验.通过实验得出:现代混合整数规划模型求解器可以解决机器数量和工件总数量乘积小于75的小规模问题;基于贪婪的模拟退火算法求解此问题具有有效性,适用于各种规模的问题;间隔插入贪婪算法解决此问题速度较快,效果良好,可以应用于需要快速求解的场景.