机场噪声监测无线传感网络最小连通覆盖集研究

针对机场噪声监测无线传感网络中的最小连通覆盖集问题,设计了一种基于目标区域Voronoi划分的集中式近似算法,用于分析完全覆盖目标区域所需的最低要求的节点集;为了更好地调整噪声监测节点的感知半径Rs与通信半径Rc的比值关系,在通信半径小于两倍感知半径时,提出了一种基于最小生成树的连通算法用以确保CVT算法构造的覆盖集连通所需的辅助节点。理论分析与仿真实验表明,与现有常用的集中式贪婪算法和DVC算法相比,CVT(+MST)算法的性能在时间复杂性和连通覆盖集大小等两方面都较优。     

Ad Hoc网络区域最小覆盖方法研究

覆盖控制作为无线传感器网络中的一个基本问题,反映了网络所能提供的“感知”服务质量,可以使无线传感器网络的空间资源得到优化分配,进而更好地完成环境感知、信息获取和有效传输的任务.如何计算同时满足“覆盖要求”（工作节点必须能够完全覆盖目标区域）和“连通性要求”（工作节点组成的通信网络必须是连通的）的最小节点集合,是一个NP难问题.本文设计了一种基于目标区域Voronoi划分的改进集中式近似算法,用于计算完全覆盖目标区域所需要的近似最小节点集.     

基于改进的Voronoi划分的集中式算法的无线传感器网络覆盖问题研究

设计了一种基于目标区域Voronoi划分的改进的集中式近似算法,用于计算完伞覆盖目标区域所需要的近似最小节点集.仿真结果表明,该算法能够有效地找到更少的连通覆盖节点,降低能耗,延长网络的生命周期.     

基于Voronoi图的无线传感器网络K覆盖算法

针对无线传感器网络(WSN)在随机高密度部署节点情况下的多重覆盖问题,提出一个基于Voronoi图的K覆盖算法。该算法利用邻居节点信息计算Voronoi覆盖邻居节点集,构建有向Voronoi覆盖关系图,通过调整关系图中的节点状态实现K覆盖。仿真结果表明,该算法能正确判断网络覆盖率,连通K覆盖的近似最小活动节点集数目少于CCP算法。     

基于连通性的无线传感器网络覆盖优化算法

针对无线传感器网络(WSNs)的覆盖优化和连通性问题,提出了一种基于连通性的WSNs覆盖优化算法(CC-BCBS).在二维监测区域内,CC-BCBS以传感器节点间的通信半径作为限制条件,只对连通的传感器节点进行Voronoi图划分,根据节点对应泰森多边形的覆盖情况构造盲区图,将盲区重心作为候选优化位置,使节点尽可能最大化覆盖监测区域.节点通信半径影响着区域覆盖的冗余度,故针对划分时可能出现的3种不同连通情况,给出了相应措施.仿真结果表明:CC-BCBS在覆盖率,分布均匀性,平均连通个数与连通率方面相比BCBS等算法有明显优势.     

基于能耗均衡的WSN连通覆盖集构建算法

为提高无线传感器网络的能量利用率,提出一种基于能耗均衡的连通覆盖集构建算法EBACCS。该算法以概率覆盖模型为基础,采用Voronoi图划分目标区域,获得网络冗余节点,根据能量权值函数,从冗余节点中选出必要的连接节点建立一个优化的连通覆盖集。理论分析和仿真实验结果表明,EBACCS能够保证网络的连通性与覆盖性,均衡节点能耗,延长网络寿命。     

半径可调的无线传感器网络三维覆盖算法

针对三维无线传感器网络区域中节点覆盖的问题,提出一种半径可调的无线传感器网络三维覆盖算法（3D-CAAR）。该算法利用虚拟力作用实现无线传感器网络的节点均匀部署,同时结合传感器节点的半径可调覆盖机制,判断节点与被覆盖区域中目标点之间的距离。引入能耗阈值,使得节点根据自身情况调节节点感知半径,从而降低无线传感器网络的整体能耗,提高了节点利用率。最后,通过与传统基于人工势场的三维部署算法（APFA3D）、基于与未知目标精确覆盖的三维算法（ECA3D）仿真实验对比,3D-CAAR的事件集覆盖效能明显较高,能有效解决三维无线传感器网络中对目标节点的覆盖问题。     

WSNs中基于Voronoi图的分布式覆盖协议

研究网络随机部署情况下的覆盖问题,提出基于Voronoi图的分布式覆盖协议。采用分布式节点冗余判断算法来判断传感器节点自身的冗余性,据此对节点进行相应的职能调度。当网络中节点的通信半径大于或等于其感应半径的2倍时,该协议能达到网络完全覆盖及连通的要求。通过该协议的推广,满足了覆盖度动态变化的要求,保证网络的k-度覆盖。     

无线传感器网络一维区域的覆盖研究*

无线传感器网络覆盖问题的研究应综合考虑感知覆盖、通信覆盖和连通覆盖三个方面,建立适合不同监测空间的节点覆盖模型。讨论了无线传感器网络一维区域的覆盖问题,对无线传感器网络中一维直线区域出现的问题进行分析,讨论了均匀分布情况下的节点覆盖概率和覆盖数的计算方法,仿真实验表明节点感知半径是影响节点覆盖率和覆盖数的主要因素。     

无线传感器网络最小覆盖集的贪婪近似算法

网络生命期是限制无线传感器网络发展的一个瓶颈.在保证网络监控性能的前提下,仅调度部分节点工作而让其余节点处于低功耗的休眠状态,可以有效节省能耗,延长网络生命期.节点调度的目标是寻找一个能够覆盖监控区域的最小节点集合,这是一个NP难问题,目前,其近似算法的性能较低.提出了一种基于贪婪法的最小覆盖集近似算法,在构造覆盖集的过程中,优先选择扩展面积最大的有效节点加入覆盖集.理论分析表明,该算法能够构造出较好的覆盖集,时间复杂度为O(n),其中,n为初始节点总数.实验数据表明,该算法的性能要优于现有算法,得到的覆盖集的平均大小比现有算法减小了14.2%左右,且执行时间要短于现有算法.当初始节点分布较密时,该算法得到的平均覆盖度小于1.75,近似比小于1.45.     

一种参考能量的最小连通支配集近似算法

在无线传感器网络中,能量效率问题至关重要,构造精简的虚拟骨干网可以节约有限资源,这等同于在图论中求解最小连通支配集(MCDS)问题.由此,提出一种构造MCDS的启发式算法.首先根据均值公式为顶点建立次序表,其次构造极大独立集(MIS),再次连接MIS节点,最后优化.仿真实验表明:该算法能够在短时间内找到规模较小的连通支配集(CDS),并且有效地均衡了各节点能量,延长了网络生命周期.     

无线传感器网络中具有容错能力的连通支配集构造算法*

根据无线传感器网络中虚拟骨干节点极易失效的问题,建立了一个具有容错能力的连通支配集。首先提出了一种分布式连通支配集构造算法DACDS;然后在这个算法基础上,根据一般构造容错支配集的规则,提出了容错算法kCDS;最后根据该算法的缺点,对其作了一个改进,并对kCDS和改进kCDS算法进行了仿真。仿真结果表明,改进kCDS算法具有更好的性能。     

基于连通支配集的虚拟骨干网构造算法

针对无线传感器网络中缺少骨干网络的问题,提出一种基于连通支配集的虚拟骨干网构造算法。该算法利用图论中的极大独立集和连通支配集构造一个虚拟骨干网络,运用修剪规则去除冗余节点,通过优先选择能量多、距离近的节点使网络寿命更长、延迟更小。实验结果表明,该算法在单位圆图中产生的连通支配集至多为7.6opt+1.4,消息复杂度和时间复杂度为O(n)。     

无线传感器网络基于权值的极小支配集路由算法

在无线传感器网络设计中,为节约系统能量、延长网络寿命,提出了基于权值极小支配集路由算法(Minimal dominating set with weight,WMDS).该算法的路由搜索主要集中在生成的支配集及网关节点内.当网络中少数节点发生变化时,只需个别相关节点更新它们的状态,不需要网络中所有节点重新计算支配集.考虑到网络内传感器节点能量分布均衡,各节点可以轮换充当支配点,支配点的数据融合可以减少传输信息包的数量.仿真实验表明,WMDS算法能得到较小的支配集,从而有效减少网络广播过程中的转发节点数,节省了网络资源.路由算法明显减少了信息包传输的数量,均衡了各节点的能量消耗,有效地延长了网络的寿命.     

基于粗糙集理论的馈线自动化技术

馈线自动化系统是配电网系统的重要环节,本文从配电网系统及馈线自动化系统的分析出发,分析研究基于多Agent系统（MAS）网络式保护的FTU馈线自动化模式。馈线远方终端（FTU）的设计基于Agent技术,构成MAS,其基于粗糙集理论的故障判断模块能针对馈线的不同故障采取有效的保护措施实施馈线保护。在系统发生复杂故障或开关、保护存在较多误动、拒动以及因信道干扰而发生信息丢失等诸多不确定因素的情况下,也能够按决策规则表进行故障诊断,有效的提高系统的容错性。     

基于CORBA的自适应容错系统的设计与实现

基于新一代国防领域信息处理系统要求处理速度快、高可用性的需求,文章设计了一种基于CORBA的自适应容错系统,并对其实现提出了详细的设计思想.     

融合粒子群优化和遗传算法的基因调控网络构建

MicroRNA（miRNA）是一类大小为21~25 nt的内源性非编码小核糖核酸（RNA）,通过与mRNA的3’-UTR互补结合,导致mRNA降解或翻译抑制来调控编码基因的表达。为了提高构建基因调控网络的准确度,提出一种基于粗糙集、融合粒子群（PSO）和遗传算法（GA）的基因调控网络构建方法（PSO-GA-RS）。该方法首先通过对序列信息进行特征提取;然后采用粗糙集的依赖度作为适应度函数,融合粒子群和遗传算法选出较优的特征子集;最后使用支持向量机（SVM）建立模型,预测未知的调控关系。在拟南芥数据集上进行实验,相比基于粗糙集和粒子群优化的特征选择方法和Rosetta算法,所提方法的预测准确率、F值和受试者工作特征（ROC）曲线面积最多能提高5%,在水稻数据集上最多能提高8%。实验结果表明所提方法能够比较准确地预测miRNA和靶基因之间的调控关系。     

Extract Rules by Using Rough Set and Knowledge-Based NN

In this paper,rough set theory is used to extract roughly-correct inference rules from information systems.Based on this idea,the learning algorithm ERCR is presented.In order to refine the learned roughly-correct inference rules,the knowledge-based neural network is used.The method presented here sufficiently combines the advantages of rough set theory and neural network.     

边排序质量影响因素研究

网络可靠度BDD分析方法的计算性能与BDD尺度紧密相关,而BDD尺度严重依赖边排序质量。因此,边排序问题是网络可靠度BDD分析方法的重要问题。由于求解最优边排序是一个NP问题,在实际网络可靠度分析中,通常采用启发式边排序策略如BFS和DFS,它们适用不同类型的网络。然而,对于给定网络,采用何种边排序策略更优,有哪些因素影响边排序质量,迄今没有给出评判依据。利用边界集思想,提出"边界长度(BSL)"概念,并用边界长度BSL表征边排序质量,揭示边界长度BSL和BDD尺度(节点数目)之间的关系。实验结果表明,边界长度BSL与BDD尺度具有正相关性,即较小BSL对应的BDD尺度较小,较大BSL对应的BDD尺度较大,多数情况下,BSL取最值时,BDD尺度能取到(或接近)最值。这为特定网络选择(或设计)高性能边排序提供了重要的参考依据。     

基于相似粗糙集的案例特征权值确定新方法

针对现有案例特征权值确定方法客观性差、算法复杂等问题，首先介绍和完善了基于传统粗糙集的权值确定方法．其次，针对基于传统粗糙集的方法会造成案例相似度测量误差从而影响案例推理的准确性的问题，将传统粗糙集的不可分辨关系推广为相似关系，提出了一种基于相似粗糙集的案例特征权值确定方法．给出了相似粗糙集的基本定义，以及利用该方法基于差别矩阵进行特征权值计算的两个定理．最后，用实例表明了方法的有效性．