基于量子遗传算法的无线传感器网络路径优化

无线传感器网络作为一种有广泛应用前景的新型信息获取和处理技术,引起了国内外学术界和产业界的高度关注;文章采用量子遗传算法对无线传感器网络进行路径优化,将节点能耗和路由恢复时间等实际因素作为路径优化问题的约束条件,按照重要性考虑各种约束条件和多种目标的优先次序,并对量子遗传算法的各个环节进行了细致的分析与设计,包括量子比特编码、适应度函数设计、量子门更新、量子变异等;仿真实验表明,使用量子遗传算法能找到无线传感器网络有效的优化路径,并且优于相关算法。     

基于遗传算法的WSNs多路径路由优化

对WSNs的拓扑结构进行分析,建立其路由网络模型,结合遗传算法基本原理,提出了一种求解WSNs最优多路径路由算法。该算法采用可变长度染色体编码,采取选择、交叉和变异操作,充分利用基站的信息资源和强大功能,全局优化了WSNs多路径路由。仿真结果表明,该优化机制有效延长了WSNs的生命周期,改善了网络性能。     

多层级设施选址-路径规划问题建模及算法

基于有向图对物流网络多层级设施选址-路径规划问题,建立混合整数规划数学模型,提出量子进化算法与遗传算法协同的双智能算法集成求解方案.量子进化算法解决设施选址和设施分配,遗传算法进行路径规划,并提出可达配送区域的搜索策略和路径长度为权重的设施分配优化策略以提高算法效率.实例测试表明,所提出的数学模型和组合智能算法是可行而有效的,可为多层级设施选址-路径规划问题提供理论与方法指导.     

机载PHM中的无线传感器网络功率控制算法

由于机载环境的复杂性,机载故障预测与健康管理(PHM)系统采用无线传感器网络(WSNs)技术进行数据采集。鉴于机载PHM对消息传输高实时性的要求,需要通过功率控制来优化网络拓扑,减少网络平均长度。提出一种基于小世界理论的功率控制算法(PCS),该算法通过添加捷径来降低网络平均路径长度,并采用遗传算法对捷径进行优化,得到通信代价较小、网络平均路径长度较短的捷径。仿真结果表明:PCS算法优化了网络拓扑,缩短了网络平均路径长度,提高了信息传输速率,并且在较大的传感器网络环境下也具有较好的适用性。     

改进QGA在WSNs节点部署中的应用

对含有障碍区域的无线传感器网络（WSNs）节点部署问题进行研究。建立节点探测模型和网络覆盖率评价方法,基于概率传感器模型提出一种部署方式,即对障碍区域进行随机布撒节点,确定区域采用量子遗传算法（QGA）寻找最优节点部署位置,实现对同构WSNs节点构成的目标区域的高效覆盖。仿真结果与GA,QGA相比：改进QGA有效提高了算法整体的搜索能力和收敛速度。     

传感网中带有可控阈值的优化协同覆盖算法

传统型的无线传感器网络(WSNs)覆盖受限于节点能量和数据冗余,迫使WSNs异常中断。为此,提出一种带有可控阈值的优化协同覆盖算法(OCC-CT)。该算法首先确定关注目标节点(FTNs)的位置信息,利用遗传算法(GA)给出了节点路径规划;其次,通过可控阈值参数和变异参数等特性对事件域节点成簇进行优化,使之节点成簇更为均匀,以减少节点能量的消耗,提升对全局目标节点的搜索能力;再次,利用适应函数对所覆盖目标位置及节点监测范围所形成的覆盖连续性进行优化,达到了提高网络覆盖率和延长网络生存周期的目的。最后,仿真实验结果表明,OCC-CT算法与其他三种算法相比在网络覆盖率、网络生存周期等方面平均提升了0.11、0.16,在网络能量开销方面提升了0.14,从而进一步验证了OCC-CT算法具有较强的稳定性和有效性。     

基于遗传压缩感知的无线传感器网络数据压缩方法

考虑到无线传感器网络WSNs能量、通信带宽、计算能力及成本有限,不适合大规模数据传输,同时存在数据冗余,需要进行数据压缩处理,提出一种新的基于遗传算法的压缩感知CS(Compressive Sensing)重构方法,应用于无线传感器网络数据压缩中。详细阐述分布式WSNs数据压缩特点,压缩感知基本理论,基于遗传算法的CS重构新方法以及在WSNs数据压缩中的应用。通过实验仿真证明,从压缩比、节点平均能耗、网络生存时间和网络时延四个方面,与DCCM算法及CCS算法的WSNs数据压缩算法进行比较,提出的算法具有较高的压缩比,提高了采集数据的重构精度,降低了数据冗余度和网络通信量,提高了网络效率。     

基于量子粒子群优化算法的无线传感器网络节点优化

针对无线传感器网络感知节点的分布优化问题进行了研究,提出了一种基于量子粒子群优化(QPSO)算法的分布优化机制。仿真实验结果表明:QPSO算法在优化性能上优于传统遗传算法(GA)和量子遗传算法(QGA),能够有效提高网络整体的感知能力,该方法用于传感器节点优化部署是可行的。     

基于量子行为粒子群优化算法的定位技术研究

针对无线传感器网络(WSNs)节点定位问题,阐述了WSNs的分布迭代式定位方法研究。这种方法将每次迭代后定位的节点作为其余未知节点的参考节点.同时将基于测距定位问题看成一个多维优化问题,并提出利用具有快速收敛能力的量子行为粒子群优化(QPSO)算法进行求解。最后将仿真实验结果与粒子群优化(PSO)算法进行比较,表明QPSO算法在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法的有效性。     

基于量子遗传的蒙特卡洛节点定位算法

针对无线传感器网络(WSNs)节点定位的问题,提出了一种量子遗传算法与蒙特-卡洛相结合的定位算法(QGA-MCL).将QGA应用于MCL中的采样过滤阶段,通过合理的编码方案、译码方案以及量子旋转门对采样区域中随机产生的量子染色体进行操作,提高了样本寻优效率和定位精度,并加快了算法的收敛速度.仿真结果表明:与蒙特-卡洛定位算法相比,提出的QGA-MCL算法能够减少约10.2％的定位误差,同时,算法的收敛速度也得到了显著提升.     

基于CS优化的双簇头分簇路由算法研究

为了减少无线传感器网络(WSNs)分簇路由中簇头的能量消耗,提出了一种基于布谷鸟搜索(CS)优化的双簇头分簇路由算法.CS通过采用节点的剩余能量和节点之间的位置关系来构造适应值函数并选举出最优双簇头.其中,主簇头将数据进行融合,副簇头将融合的数据发送给基站,缓解了以往单簇头同时负责数据融合和传输的双重压力,使得整体能耗在各个节点的分配更均衡.仿真实验表明:与LEACH算法、粒子群优化(PSO)算法相比,CS算法在减小网络能耗以及延长网络生存周期上更具优势.     

基于改进蚁群优化算法的无线传感器网络路由研究

无线传感器网络为能量受限系统,为了促使网络节点能量消耗相对均衡,将蚁群优化(ACO)算法应用于无线传感器网络的路由选择,提出一种基于能量均衡的无线传感器网络路由算法。该算法将节点能量作为转移概率规则启发因子,通过计算转移概率和适应度值找到最优路径。仿真结果表明:该算法可以显著减低网络总能耗,从而延长无线传感器网络的生命周期。     

一种带侦察子群蚁群算法的无线传感路由协议

针对无线传感器网络（WSNs）路由面临安全威胁和节点能量有限的不足,提出一种基于引入侦察子群的改进蚁群算法（SACO）路由协议。通过改进的蚁群算法构造一条数据传输链,选择其中能量最大节点为簇头,信息通过相邻节点传送。结果显示：该算法兼顾到节点的能量和路径消耗,较标准蚁群算法和贪婪算法具有高效的路由选择功能,能够使网络中节点能量消耗更加均衡,从而延长网络的使用寿命。     

基于信念重用的WSNs能量高效跟踪

针对无线传感器网络(WSNs)中目标跟踪性能与传感器能量消耗难以平衡问题,提出一种信念重用的WSNs能量高效跟踪算法。使用部分可观察马尔可夫决策过程(POMDPs)对动态不确定环境下的WSNs进行建模,将跟踪性能与能量消耗平衡优化问题转化为POMDPs最优值函数求解过程;采用最大报酬值启发式查找方法获得跟踪性能的逼近最优值;采用信念重用方法避免重复获取信念,有效降低传感器通信带来的能量消耗。实验结果表明:信念重用算法能够有效优化跟踪性能与能量消耗之间的平衡,达到以较低的能量消耗获得较高跟踪性能的目的。     

基于元胞蚁群优化算法的农业无线传感器网络路由研究

无线传感器网络(WSNs)进行农业信息采集时,针对传感器节点数量多,能量消耗不均衡的特点,提出基于元胞蚁群优化(CACO)的WSNs路由算法。算法将网络中的节点映射成CACO算法中的元胞,通过改进蚂蚁信息素更新模型,引入睡眠唤醒机制,有效地减少了节点间的通信,从而改善能量消耗不均衡。仿真结果表明:该算法有效地减少了网络耗能、节点消亡数量,延长了网络生命期。     

改进的离散果蝇优化算法在WSNs覆盖中的应用

针对无线传感器网络( WSNs)随机部署产生的区域覆盖率低、节点利用率差问题,提出一种改进的离散果蝇优化算法( FOA)对WSNs覆盖进行优化.新算法引入自适应步长的分类嗅觉随机搜索和基于移民操作及精英库的多种群协同进化机制,提高了优化精度和效率.仿真实验结果表明:新算法有效解决了WSNs覆盖问题,在确保网络覆盖率最大化的同时节点利用率较大,延长网络寿命.     

基于改进蚁群算法的WSN能量均衡路由算法

WSN节点大都分布散乱，无法及时进行电池的更换，所以易出现网络能耗不均，重要节点过早消耗殆尽，故提出一种优化改进蚁群算法的路由算法，运用网络分层带和限制搜索角，引入介能距离和梯度函数，并在概率函数中加入能量因子等，来增长网络周期，增强寻优能力，降低能量消耗，避免先行陷入局部最优。通过仿真实验表明，该改进算法确实能够克服经典蚁群算法的缺陷，实现高效实时的优化路由。     

一种多目标的覆盖优化策略在WSNs中的应用

针对目前无线传感器网络（WSNs）能量均衡覆盖策略大都基于节点静态感知能耗的不足,提出一种基于节点的动态能耗和网络覆盖率的多目标覆盖优化策略.该优化覆盖策略将动态路由协议引入到覆盖控制优化中,计算覆盖区域在不同节点分布下的动态通信能耗和网络的剩余能量,再结合区域覆盖率构成对覆盖和能量综合指数评价的优化函数.最后利用改进差分进化算法和差分进化算法对优化函数进行仿真,并利用覆盖结果验证策略的有效性.仿真结果表明：提出的覆盖优化策略既能使网络达到较高覆盖率,同时又能保证网络的能耗动态均衡,并将改进差分进化算法与常规差分进化算法比较,结果表明：前者克服了早熟现象,覆盖和能量的综合优化函数值更高,达到了6.184.