一种改进的无线传感器网络EEMCDS算法

针对无线传感器网络中的有效路由,提出了一种改进的,基于最小连通支配集的能量有效算法IEEMCDS(Improved Energy-Efficient Minimum Connected Dominating Set).路由搜索主要集中在连通支配集内,通信量小.该算法是一个能量有效的分布式算法,在维护最小连通支配集时,充分考虑了节点的能量问题,优先选择高能量的节点充当连通支配集节点,提出了支配节点能量最小阈值调整法,可以有效地延长网络寿命.实例仿真表明在改进算法的连通支配集中,高能量的节点在支配集中一直占有较高的比例,从而有效地延长了网络寿命.     

井下无线传感器网络最小跳数路由改进算法研究

针对经典无线传感器网络最小跳数路由算法存在节点能耗高、网络生存周期较短的问题,提出了一种最小跳数路由改进算法。该改进算法在梯度场建立阶段设置节点延时计时器;在数据传输阶段综合考虑节点能耗的有效性和均衡性,依据能量代价函数,动态选择唯一中继节点,构建一条从信源节点到Sink节点能量代价最小的路径。仿真结果表明,该改进算法进一步降低了节点能耗,延长了网络寿命,能够满足井下无线传感器网络路由需要。     

基于改进麻雀搜索算法优化的DV-Hop定位算法

为了提高传统DV-Hop算法在无线传感网络中的节点定位精度,提出一种基于改进麻雀搜索算法优化的DV-Hop定位算法.首先,锚节点采用双通信半径细化节点间的最小跳数;然后利用最小均方差准则以及归一化加权因子分别对锚节点和未知节点的平均跳距进行修正;最后,采用麻雀搜索算法估算未知节点的位置,并引入佳点集和Levy飞行策略增强算法的遍历性和跳出局部最优的能力.仿真结果表明,相比于传统DV-Hop算法,改进的算法有效提高了定位精度.     

求解度约束最小生成树的一种改进算法

度约束最小生成树问题是网络设计和优化中的一个NP-hard问题。提出一种求解网络G关于指定节点的最大度约束最小生成树的改进算法。算法在保证指定节点最大度的前提下,通过选取剩余边中权最小的边加入当前网络,得到网络G关于指定节点的最大度最小生成树,同时对算法的复杂度进行了分析。最后通过与其他算法的仿真比较,表明新算法的有效性和通用性。     

基于补偿系数的DV-HOP定位的改进算法

DV-Hop定位算法是一种重要的无需测距定位算法.在各向同性的密集网络中,它可以获得比较合理的定位精度,然而在随机分布的网络中,节点的定位误差较大.根据DV-Hop算法的定位过程,利用最小均方误差法对平均跳距进行改进,并考虑到传感器节点通常部署在非平面应用场景,通过补偿系数来校正未知节点到信标节点之间的估计距离,提出一种基于补偿系数的定位算法.仿真结果表明,在适当增加节点计算开销的条件下,改进算法的定位精度有明显改善,是一种可行的无线传感器网络节点定位解决方案.     

一种改进的拓扑网络分层算法

为了更好地使用动态规划把小型网络整合为更大的网络,提出一种网络拓扑结构分层算法的改进方法.给定正整数(n,d,Δ),使用来互相连接n个节点的边数最小,以满足网络直径不超过d,最大节点度数不超过Δ,并且网络是单节点可生存的.改进算法解决了对较小值问题的兼容性,并在主干网度数问题上进行优化.仿真表明该算法在计算结果和算法复杂度上的优化和改进.     

基于跳数分类的改进DV-Hop节点定位算法

在传统DV-Hop节点定位算法中,不同的网络节点密度使得节点之间不同跳数的平均每跳距离差异较大,跳数越多误差越大.为了减小平均每跳距离差异对节点定位精度的影响,提出一种DV-Hop改进算法.改进算法首先提出跳数分类的策略对网络中不同的跳数进行分类,以减小不同跳数之间平均每跳距离差异的影响,提高节点的定位精度;然后对加权最小二乘估计进行改进,采用改进的权系数取值策略来适应累积误差的非线性变化,从而更好地控制不同跳数在最小二乘估计中的权重,以减小因跳数增加而产生的累积误差,进一步提高节点的定位精度.实验结果表明,改进算法可以有效地减小平均每跳距离差异以及高跳数对节点定位的影响,节点定位性能显著优于传统DV-Hop节点定位算法,相较于对比文献也有一定的提升,并且对不同的网络节点密度具有更好的适应性.     

具有多类型激活函数的RBF网络设计

提出多类型激活函数的径向基网络结构设计方式,网络隐层由薄板样条函数节点和高斯函数节点构成,分别采用改进的粒子群算法和前向局部优化算法对两种类型节点的参数进行学习.改进的粒子群算法综合运用粒子运动过程的启发式信息和样本的梯度信息进行种群迭代,减小了陷入局部极值的概率.前向局部优化算法是一种高斯节点的序贯学习算法,算法采用DFP方法对新增高斯节点的参数进行局部优化,提高了网络的逼近性能.通过解析和工程算例验证了多类型激活函数RBF网络的高拟合能力及其学习算法的有效性.     

基于网络预处理的改进标签传播算法

LPA中存在的随机策略,严重破坏算法的鲁棒性.随着大数据时代的来临,复杂网络的规模不断增大,从而造成算法的运算量增加,收敛速度减慢.针对这一问题,提出了一种新的改进标签传播算法-KLPA.首先,对初始网络预处理：利用K-Shell指数将网络划分成核心-边缘层次,去除边缘层节点,赋予核心层的节点标签.其次,改进标签传播策略对预处理网络进行社区划分.最后,实验证明KLPA算法减小网络规模,提高了社区划分质量,同时也加快了算法的收敛速度.     

NLOS环境中的拉格朗日乘子改进约束最小二乘定位算法

无线通信中的非视距误差是影响传统定位算法精度的主要因素.因此本文针对存在锚节点与移动节点的无线传感网络,提出了一种利用拉格朗日乘子法改进的约束最小二乘定位算法.算法核心思路在于运用拉格朗日乘子法修正约束最小二乘代价函数来构建新的目标函数,同时也提出一种分组定位组合的思想以进一步提高定位性能.仿真结果表明在非视距误差较大或网络中固定节点较多时,提出的算法可以有效消除非视距误差引起的定位精度损失,同时本文算法还具有随节点数目增加而提升优势的特性.     

最小费用最大流问题的一种新算法

现有的最小费用最大流算法都有自身的缺陷,增广链的选取不当会给计算带来不便,同时费用也达不到理想的效果。鉴于对最小费用最大流算法的增广链选取和最小费用的探索,文章通过对费用差的定义给出了一种求最小费用最大流的新算法。新算法的原则是优先选择费用差最小的有向路径进行增广,当费用差相同时就选择修正后的路径。通过对最小费用最大流算法的改进,新算法易理解且便于计算。通过实例说明了新算法的有效性和执行效率。     

一种改进的慢开始冲突避免算法研究

慢开始与拥塞避免算法及后来改进的快重传和快恢复算法是TCP拥塞控制的常用算法.虽然快重传和快恢复算法对慢开始与拥塞避免算法做了相应的改进,但其对慢开始门限的控制,一直采用乘法减小算法.当慢开始门限减至最低时,就只能以最低的慢开始门限发送数据报文.本文针对以上不足,提出一种基于网络信道拥塞状况的慢开始门限回升算法,以此达...     

Using an interval graph approach to efficiently solve the housing benefit data retrieval problem

Rappos and Thompson use a set covering formulation and a commercial software package to solve the problem of trying to minimize the number of data sets that have to be read in retrieving all new housing benefit (HB) data entries for a fixed period of time. In this paper, we show that determining the minimum number of data sets that have to be read in retrieving all new HB data entries for a fixed period of time can be solved by finding a minimum size clique cover for an interval graph. Since it is well‐known that a greedy algorithm finds a guaranteed minimum size clique cover for an interval graph, this approach will be more efficient than a set covering approach. Finally, it is obvious that this interval graph formulation and greedy algorithm solution approach is applicable to other data retrieval problems.     

基于粒子群算法的无源滤波器多目标优化设计

摘要：针对无源滤波器参数优化问题,将无源滤波器的最小费用、谐波电压畸变率、谐波电流残留率、以及无功功率补偿容量作为设计的优化目标,改进了传统的粒子群算法,引用惩罚函数将问题转化为无约束优化问题。本设计算法是采用改进多目标粒子群优化算法与惩罚函数相结合的算法为无源滤波器参数优化设计提供了一种新的优化方法。     

适用于凹多边形的Cyrus-Beck改进算法

本文对目前常用的二维线段裁剪算法进行分析,提出了一种基于Cyrus-Beck算法的改进算法,使其能够扩展到对凹多边形的处理,通过对线段与裁剪窗口位置关系的严格判断将求交次数减到最少,并且通过对交点性质的判断来识别出线段的可见部分。理论分析和实验结果均表明该算法优于目前处理任意多边形裁剪框的算法。     

有向基因组移位排序问题的O(n2)快速算法

有向基因组移位排序问题在计算生物学研究中占有重要位置．以前最好的算法时间复杂度为O(n^2logn)．该文给出一个有向基因组移位排序的新多项式算法，将移位排序的时间复杂度改进为O(n^2)．算法改进的关键在于找到一种寻找有效合理移位的新方法，通过在最小子排列中删除无关顶点确定一个合理移位是否有效，从而将寻找一个有效移位的时间复杂度改进为O(n)，总时间复杂度由此降为O(n^2)．     

Huffman算法的改进及其在图像压缩中的应用

本文改进了Huffman编码算法,主要是针对Huffman编码生成Huffman树构造中的排序方法的改进,提出一种基于"堆排序"的新方法。采用堆排序找到最小值实现Huffman编码,经过这种改进的Huffman编码方法对内存读写的次数大为减少,从而提高了响应速度。使得Huffman编码效率有所提高。通过对JPEG的Huffman压缩算法的分析以及采用4个JPG文件对改进的和传统的Huffman算法进行了仿真实验,对比分析表明改进算法的性能无论是压缩比率还是压缩时间方面都比经典的Huffman算法性能有所提高。     

一种基于粗集理论的增量式学习改进算法

增量式学习中,当向决策表中增加一个新例子时,为了获得极小决策规则集,一般方法是对决策表中的所有数据重新计算。但这种方法显然效率很低,而且也是不必要的。论文从粗集理论出发,提出了一种最小重新计算的标准,并在此基础上,给出了一个增量式学习的改进算法。该算法在一定程度上优于传统的增量式学习算法。     

基于最小二乘和最小投影距离的车牌倾斜校正

在车牌图像的采集过程中,经常会有车牌倾斜的现象发生,这种倾斜给后续的字符分割和字符识别造成了很多不利影响。为此,文中提出了一种基于最小二乘和最小投影距离的车牌倾斜校正方法。该方法将车牌倾斜分成水平倾斜和垂直倾斜两部分:对于水平倾斜,首先对二值化后的车牌去边框和铆钉,再对车牌利用最小二乘拟合直线求取倾斜角;而对于垂直倾斜,则引入分块查找法来降低查找最小投影距离的执行次数,从而提高算法的执行效率。实验结果表明:该算法简单实用,能够准确地对车牌进行校正。     

求解度约束最小生成树的新的快速算法

针对度约束最小生成树问题,提出了一种新的快速算法。新的快速算法分为两个主要部分,第一部分从一棵最小生成树出发,构造一棵度约束树。第二部分设计了一种改进策略,从第一部分求得的度约束树出发,每次去掉树的一条边,将顶点按照连通性划分成两个集合,在不违反度约束的情况下,从这两个集合构成的边割中,选择一条权值减少最大的边添加到图中。通过大量的数值实验表明新的快速算法性能良好。