可充电无线传感网络能量均衡路由算法

针对可充电无线传感网络中的能量均衡路由问题,提出在稳定功率无线充电和监测数据收集网络场景下的多路径路由算法和机会路由算法,以实现网络的能量均衡。首先,通过电磁传播理论构建了无线传感节点的充电和接收功率关系模型;然后,考虑网络中无线传感节点的发送能耗和接收能耗,基于上述充电模型将网络能量均衡的路由问题转化为网络节点运行时间的最大最小化问题,通过线性规划得到的各链路流量用以指导路由中数据流量分配;最后,考虑一种更加现实的低功耗的场景,并提出了一种基于机会路由的能量均衡路由算法。实验结果表明,与最短路径路由（SPR）和期望周期最短路由（EDC）算法相比较,所提出的两种路由算法均能有效提高采集能量的利用率和工作周期内的网络生命周期。     

计算机网络互连的路由算法的设计及仿真研究

互连网络目前应用最广泛、最流行的一种网络拓扑,广泛应用于多处理器系统、电话网络、分布式计算机系统及路由器交换机等领域。本文主要对直连网络的负载均衡路由算法进行了研究,提出了一种新的负载均衡路由算法。通过对该算法的仿真发现在相同的网络仿真环境下,该算法的性能要优于传统路由算法。     

一种SRIO网络负载均衡最短路径路由算法

在串行RapidIO传输过程中,路由选路算法是影响传输性能的重要因素之一。针对串行高速输入-输出(SRIO)网络深度优先搜索分配路径非最优问题,提出一种负载均衡最短路径路由算法。通过广度优先搜索对SRIO网络中的节点进行枚举并建立网络拓扑信息,以路由跳数定义路由的成本,根据改进Floyd-WarShall算法计算并保存交换节点间的K最短路径。给出预期负载的概念和链路上的路由路径数量来定义链路的负载,采用负载均衡算法从K最短路径中进行选路,建立SRIO网络最短路径约束的负载均衡路由。实验结果表明,与深度遍历路由算法、最小跳数算法相比,该算法在网络传输平均跳数、链路平均负载和链路负载均衡方面有更好的表现,能够有效提升SRIO路由网络的稳定性。     

基于限制广播的ZigBee分布式动态能量均衡协议

提出一种基于限制广播的ZigBee分布式动态能量均衡协议。改进后的算法引入了能量均衡指标和备选路由表,并且在路由发现阶段采用基于节点深度的RREQ广播策略以约束最小能量路径,基于ZigBee网络的分布式动态能量均衡路由算法能够根据局部的能量分布状况动态的调整路由,从而达到均衡网络能量分布,延长网络生存时间的目标。最后结合适当的能量模型,利用OPNET仿真平台对算法进行了仿真,结果表明,改进后的算法能很好的均衡能量分布,延长了网络生存时间。     

基于能量均衡的ZigBee网络树路由算法

针对ZigBee网络树路由算法中的路由非最优以及某些节点可能会因为业务量过大而过早耗尽电池能量的问题,提出一种改进的基于能量均衡的ZigBee树路由算法。改进算法中通过引入邻居表,考虑路由跳数使路由局部最优,同时改进算法中也考虑了节点的剩余能量,路由选择的时候尽量避开剩余能量较低的节点。仿真结果表明,改进算法能有效地节省网络的总体能量消耗,实现网络负载均衡,最大化网络的生存时间。     

基于全局均衡策略的无线传感器网络路由算法

针对无线传感器网络的能耗均衡问题,提出了一种基于全局均衡策略的路由算法。该算法一方面利用基于区域划分的非均匀分簇方法均衡WSN数据收集汇聚树纵向上簇头之间的能耗;另一方面应用基于能耗与剩余能量复合权值的Dijkstra算法优化簇间路由——降低传输能耗并分摊数据转发任务,以均衡汇聚树横向上簇头之间的能耗。仿真实验结果表明,该路由算法能够有效地均衡网络中节点的能耗,显著延长网络的生存期。     

基于蚁群算法的WSN多路径负载均衡路由

为使无线传感器网络节点能量消耗相对均衡,在定向扩散路由算法的基础上,结合蚁群算法,提出一种多路径负载均衡路由算法。该算法利用蚁群的自适应和动态寻优能力,在源节点和目的节点之间搜索建立多条传输路径,并将节点剩余能量引入启发因子,均衡节点能量消耗。同时,运用层次分析法,赋予每条路径一定的负载分配比例,使数据总能在链路性能较优的多路径中均衡传输,延长整个网络的生命期。仿真结果表明,与定向扩散路由算法相比,该算法能够均衡节点能耗,有效延长网络寿命。     

基于WSN均衡汇聚树的CTP路由算法改进

针对无线传感器网络(WSN)节点能量均衡消耗的需求,提出一种基于均衡汇聚树的路由算法LB-CTP。该算法定义节点均衡度,引入规避繁忙节点接入机制。在路由更新中,相应节点以LB-CTP路由算法选择父节点接入网络,分担繁忙节点负担。基于TinyOS操作系统对 LB-CTP进行实现,通过TOSSIM平台进行仿真实验,结果表明,与CTP算法相比,LB-CTP算法能有效地均衡网络负载。     

无线传感器网络的能量均衡路由算法

针对大部分无线传感器网络路由协议只能实现局部能量均衡的问题,提出一种改进的能量均衡路由算法,把传感器网络构建成按最小跳数分层的网络,利用节点直接传输和逐跳转发相结合的混合传输策略,在多跳传输时,使用改进的基于多路径路由的最大能量路径算法。仿真结果表明,该算法能有效延长网络的生存时间。     

一种无线传感器网络环境下的查询路由与负载均衡机制

针对无线传感器网络节点数量多、通信距离短、能量有限的特点,提出一种查询增益路由算法以及基于路由的负载均衡机制。查询增益路由算法通过查询增益矩阵维护路由信息,并依据历史查询成功记录来选取路由节点;而基于路由的负载均衡机制可以在查询路由过程中记录节点的能量信息,转移负载,使得查询路径中各节点的能量消耗得到均衡。仿真实验结果表明,查询增益路由算法可以在降低节点能量消耗的前提下提高查询成功率,而基于路由的负载均衡机制可以进一步降低查询增益路由算法的能量消耗。     

口语理解中改进循环神经网络的应用

口语理解性能的提升对于口语对话系统的研究具有重要作用。为了提高口语理解性能，应用循环神经网络（RNN）及其变体（LSTM，GRU）方法。在此基础上，提出一种改进的循环神经网络（Modified-RNN）方法，该方法通过添加存储历史状态信息，能够存储更长时的信息，含有更少的参数，根据获取的更多信息提取特征信息增加获取信息的有效性，提高了口语理解的精准率和[F1]，缩短了实验时间。在航空旅行信息数据库（ATIS）上的实验结果验证了该算法的有效性和可靠性。     

基于MSR局部多径的QoS路由算法

无线多媒体传感网络（WMSN）QoS路由研究的普遍思路是通过增加网络控制负载以保障服务质量（QoS）。针对该思路中网络效率低的缺陷,提出一种应用于Mesh结构WMSN中的,基于局部多径策略的QoS路由算法（PQMSR）。该算法在保障QoS的前提下,参考多径源路由（Multipath Source Routing,MSR）算法,通过局部多径策略和携带QoS信息的IP包头来降低网络控制负载。NS-3网络模拟实验结果表明,该算法能够在保证较高传输成功率的同时,降低网络负载和网络延时。     

SA-HHGA优化RBF神经网络的方法及应用

提出一种利用模拟退火和混合递阶遗传算法优化RBF神经网络的方法。通过利用混合递阶遗传算法对RBF神经网络的拓扑结构、径向基中心和半径进行参数寻优,引入模拟退火算法对交叉和变异概率进行控制,采用最小二乘法确定网络的输出权值。将此方法应用于典型实例,并与其他四种方法进行对比,通过试验结果证明了该方法的准确率明显优于其他四种方法,方法的可行性和优越性得到验证。     

基于改进T-S模糊神经网络的交通流量预测

在萤火虫优化算法和T-S模糊神经网络的基础上,提出了一种采用萤火虫算法优化的T-s模糊神经网络预测交通流量的算法。该算法利用萤火虫算法得到T_s模糊神经网络的最优参数配置,从而能发挥T-s模糊神经网络泛化的映射能力。将该算法应用到实测交通流中进行算法的有效性验证,并与传统的T-s模糊神经网络和遗传算法优化的T-S模糊神经网络进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明了该算法在交通流量预测领域的可行性和有效性。     

基于递进式特征增强聚合的伪装目标检测

伪装目标检测（COD）旨在检测隐藏在复杂环境中的目标。现有COD算法在结合多层次特征时,忽略了特征的表达和融合方式对检测性能的影响。为此,提出一种基于递进式特征增强聚合的COD算法。首先,通过主干网络提取多级特征;然后,为了提高特征的表达能力,使用由特征增强模块（FEM）构成的增强网络对多层次特征进行增强;最后,在聚合网络中设计邻近聚合模块（AAM）实现相邻特征之间的信息融合,以突显伪装目标区域的特征,并提出新的递进式聚合策略（PAS）通过渐进的方式聚合邻近特征,从而在实现多层特征有效融合的同时抑制噪声。在3个公开数据集上的实验表明,所提算法相较于12种最先进的算法在4个客观评价指标上均取得最优表现,尤其是在COD10K数据集上所提算法的加权的F测评法和平均绝对误差（MAE）分别达到了0.809和0.037。由此可见,所提算法在COD任务上拥有较优的性能。     

基于PSO算法的模糊神经网络的网络异常检测

在网络异常检测中,为了提高对异常状态的检测率,降低对正常状态的误判率,提出一种基于粒子群优化算法训练模糊神经网络进行网络异常检测的新方法。在对模糊神经网络训练中采取PSO算法和梯度下降算法相结合的方法,充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势。实验数据采用KDD CUP99数据集,实验结果表明,该学习算法与传统的梯度下降法（GD）相比,收敛速度快,具有更好的全局收敛性,提高了异常检测的准确性,同时该方法对于新的异常也有较高检测率。     

改进的粒子群算法对RBF神经网络的优化

为了改进神经网络模型结构和参数的设置方法,提出了一种改进的粒子群优化径向基函数（RBF）神经网络的方法。该方法通过动态调整粒子群算法中的惯性权重因子,提高了算法的收敛速度和搜索全局最优值的能力。实验结果表明：基于改进的PSO算法训练的神经网络在函数逼近性能上优于自组织选取中心算法与标准PSO算法,提高了网络泛化能力和优化效果,有效地增强了网络对非线性问题的处理能力。     

多优先级自适应片上网络路由算法设计

提出一种适用于二维网格结构的片上网络(NoC)路由算法,该算法具有自适应性与最短路径的特点.采用多种优先级对数据进行裁决并传输,能提高系统的吞吐量,降低网络延迟.通过采用NIRGAM仿真平台对算法进行仿真,在4×4网格结构下,与其他NoC路由算法进行性能对比,结果显示该算法在热点模式下具有优势.     

蚁群优化的无线传感器网络分簇方法研究

分簇算法是无线传感器网络中减少网络能量消耗的一种重要方法。为了有效使用无线传感器节点有限的能量,将蚁群优化算法应用于无线传感器网络的路径选择,利用蚁群的动态适应性和寻优能力,在分簇产生的簇头节点之间找到最优路径,进而达到均衡网络负载、延长整个网络寿命的目的。模拟仿真实验结果表明了该算法的可行性和有效性。     

改进PSO优化BP神经网络的混沌时间序列预测

为提高BP神经网络预测模型的预测准确性,提出了一种基于改进粒子群算法优化BP神经网络的混沌时间序列预测方法。引入自适应变异算子对陷入局部最优的粒子进行变异,改进了粒子群算法的寻优性能; 利用改进粒子群算法优化BP神经网络的权值和阈值,训练BP神经网络预测模型求得最优解。将该预测方法应用到几个典型的非线性系统的混沌时间序列进行有效性验证,结果表明了该方法对典型混沌时间序列具有更好的非线性拟合能力和更高的预测准确性。