基于蚁群算法的军事通信网路由算法

蚁群算法是一种新型的模拟进化算法,初步的研究已经表明该算法具有许多优良的性质,为求解复杂的组合优化问题提供了一种新思路.文中即对蚁群算法进行改进,用于解决军事通信网路由技术中的DCLC路径问题.     

改进的网络路由协议低功耗自适应分簇算法

LEACH(low energy adaptive clustering hierarchy低功耗自适应算法)是无线传感器网络层次型路由协议中最重要和最具代表性的算法之一。通过对经典分簇路由算法LEACH的分析,针对LEACH算法中簇首分布不均匀、簇首与基站之间只能采用单跳路径的缺点,在簇首选择方式、簇首与基站的通信方式两方面进行了改进,并对LEACH算法及改进后的算法进行了仿真试验。仿真结果表明:该算法能有效地降低无线传感器网络节点的能量消耗,延长了网络存活时间,提高了传统LEACH算法的性能。     

基于蚁群算法的Ad hoc网络节点信息感知路由研究

针对Ad hoc网络易出现拥塞,路由查找过程较慢,将蚁群算法应用到Ad hoc网络的路由选择问题上,提出一种基于网络节点链路拥塞度和识别目的节点信息素的Ad hoc网络路由算法。该方法根据网络中链路拥塞度值来修改信息素的挥发因子,并利用其进行蚁群信息素浓度更新,使路由选择与网络参数相关联,实现拥塞控制。仿真结果表明:该算法在分组交付率和平均端到端延迟等方面都有一定的改善。     

基于簇加权的协作频谱感知算法

目前对于认知无线电分簇协作频谱感知算法的研究,大都认为每个簇均等的参与协作,没有考虑簇所经历的不同衰落对判决结果的影响.为有效解决这一问题,提出簇加权的协作频谱感知算法.该算法采用能量节省的分簇感知机制,充分考虑路径损耗与衰落对检测性能的影响.通过设计权重因子,动态调整各个簇的判决结果,强化权重较大的簇判决,弱化权重较小的簇参与协作的力度.仿真结果表明:该算法实现简单,可以显著提高系统的检测性能,并且明显优于传统的以及分簇的协作频谱感知算法.     

基于改进蚁群算法的软件测试方法

为了降低软件的测试成本,提高软件测试效率,提出一种基于改进蚁群算法的软件测试方法.将Markov决策模型应用到软件测试过程当中,采用测试用例约简技术对测试用例集进行简化,利用贪心算法求得的较优解增强蚁群算法初始时刻信息素,通过改进的蚁群算法求得最优解,并进行仿真分析.仿真结果表明:改进的测试方法比采用基本蚁群算法的测试方法求得解更优,说明改进的测试方法可以使搜索时间更短,并可降低软件的测试成本.     

基于蚁群算法的目标分配问题研究

目标分配问题是多机协同战术决策的核心内容之一.文中以攻击优势最大为准则,结合蚁群算法的思想,建立了基于蚁群算法的目标分配问题求解模型,并以实例说明了算法的有效性.     

多跳分簇自组网络的最优簇内跳数分析

多跳分簇自组网络的网络规模扩展性差、开销大,簇内跳数的选取是影响分簇网络性能的关键。综合考虑路由层簇维护和媒体介入控制层调度的开销,利用硬核泊松点过程推导网络的干扰与容量,进一步建立网络吞吐量与信道利用率模型,以吞吐量最大化为目标,以信道利用率为约束,得到最优的簇内跳数。仿真结果表明,所建立的模型能有效反映簇内跳数、节点密度等参数对干扰强度、网络吞吐量和信道利用率的影响,簇内跳数的最优值取决于路径损耗系数和节点密度。     

一种能量平衡的无线传感器网络路由算法的设计

提出了一种用于无线传感器网络的能量平衡路由算法。该算法综合考虑了节点可用能量和传输代价，引入了不对称的上下行通信方式，使节点能量平衡消耗，能在大多数情况下延长无线传感器网络的运行寿命。     

遗传-蚁群算法在目标分配问题中的应用研究

针对传统算法很难满足大型水面舰艇编队防空武器的武器目标分配(weapon target assignment,WTA)问题,提出一种将遗传算法融入蚁群算法的混合算法。分析了遗传算法和蚁群算法的优缺点、利用遗传算法快速全局随机搜索能力生成一组粗略解,用其作为蚁群算法的初始信息素,再利用蚁群算法的并行性、正反馈机制,最后求得最优解,并对遗传-蚁群算法与蚁群算法、遗传算法这3种方法进行仿真比较。分析结果证明:遗传-蚁群算法用更少的时间获得最优的火力分配方案,缩短了武器系统反应时间,在求解质量方面有较大优势。     

基于并行蚁群算法的常规导弹作战任务分配

作战任务分配是常规导弹作战研究的关键问题之一。结合常规导弹作战实际情况和任务分配特点,综合考虑作战意图、任务协同等约束条件,采用并行蚁群算法,建立了作战任务分配模型。在多子群蚁群算法的基础上,设计了基于任务能力评估的子群协调沟通策略和基于任务代价的状态转移规则,提出了并行求解任务分配问题的蚁群算法思想。通过仿真验证了模型的正确性,仿真结果表明该方法能够有效解决常规导弹作战任务分配问题。     

无线传感器网络路由的安全性问题分析

网络层路由遭受的攻击可归为:哄骗、篡改或重放路由信息、选择性转发、Sinkhole攻击、Sybil攻击、Wormholes攻击、Flooding攻击、应答欺骗.从效果上看,一种是直接对数据进行攻击,另一种是对路由拓扑结构的攻击.针对各种攻击,提出了外/内部攻击的对策.     

基于桥梁监控系统的无线传感器网络路由协议在NS2下的仿真

针对桥梁监控迫切需求,基于无线传感器网络的桥梁监控系统进行网络仿真模型的搭建,对具有代表性的路由协议在NS2下进行仿真,并对仿真结果进行分析,得出结论：AODV路由协议较适合桥梁监控系统的需求。     

基于改进蚁群算法的战时雷达器材运输调度模型

针对战时雷达器材运输中的有硬时间窗要求的运输调度问题,提出了一种改进的蚁群算法。通过分析其模型的建立,引入最大最小信息素约束,用奖惩因子用于信息素的更新,局部搜索策略2-opt和or—opt。并通过实例进行验证,结果表明,在雷达器材需求点数目和需求量等各种条件已知的情况下,该算法能得到较好的全局最优解,比基本蚁群算法具有更快的收敛速度和更高的收敛精度,并对其它相关的运输调度问题有很强的借鉴意义。     

基于无线传感器网络PEGASIS算法的一种改进方案

基于对LEACH算法分簇思想的研究,对PEGASIS算法进行了改进,提出了高能效的PEGASIS(HEE-PEGAS-IS)算法;新算法将网络划分成多个等宽区域,区域内节点成链,考虑节点剩余能量和节点与基站之间的距离,使各簇链的簇首节点依次成主链,由主链首节点与基站通信;仿真结果表明:与PEGASIS算法相比,改进后的算法能有效节省网络能量,延长无线传感器网络寿命,提高了数据传输总量。     

风压无线传感器网络测试系统

基于无线传感器网络的风压测试系统,由传感器节点、微处理器模块、无线通信模块及外围接口电路组成.在监测区域部署的压力传感器,通过自组织方式构成无线传感器网络.各传感器节点采集的数据沿其他传感器节点逐跳传输或存储在汇聚节点.系统监测人员通过人机交互功能模块对该网络发出命令,读取监测数据,并以无线通信方式传输给上位机.     

基于贪心原则的传感器网络多重覆盖增强算法

覆盖问题反映传感器网络的感知能力.许多应用场合需要对感兴趣区域进行多覆盖,然而目前大部分的算法仅解决了一重覆盖增强问题.提出了一种给邻域内的节点设置优先级并且依据局部贪心原则使得受虚拟力最大的节点率先移动的k重覆盖增强算法(KCEGA).利用k重覆盖判定算法(KCDA),计算节点自身周界覆盖度以及节点所受的虚拟力大小,并利用贪心原则提高节点移动效率,减少算法迭代次数.仿真结果表明:该方法较随机部署的传感器网络k重覆盖度有了大幅提升,且KCEGA比KCEA具有更快的收敛速度,节约了网络能量.     

Research on Data Routing Model Based on Ant Colony Algorithms

Improved traditional ant colony algorithms,a data routing model used to the data remote exchange on WAN was presented.In the model,random heuristic factors were introduced to realize multi-path search.The updating model of pheromone could adjust the pheromone concentration on the optimal path according to path load dynamically to make the system keep load balance.The simulation results show that the improved model has a higher performance on convergence and load balance.     

基于跳数量化的无线传感器网络节点定位算法

为提高无线传感器网络节点定位精度,提出一种基于跳数量化的定位(MDS-HE)算法。将网络中节点的一跳邻居节点集合分割成3个不相交的子集,根据跳环分割的相交区域面积来估算节点间的距离,从而将整数跳数转换成实数跳数,转换后节点间实数跳数更能准确地表示节点间的距离;将实数跳数矩阵应用于多维定标(MDS)算法中,并且引入扩展卡尔曼滤波算法对节点坐标进行准确定位。在节点随机布撒的网络中,对提出的算法进行了仿真和实验分析。仿真和实验结果表明：在不同节点数量情况下,MDS-HE算法的性能优于距离向量定位算法和经典MDS算法,而且在锚节点足够多的条件下,MDS-HE算法定位更加准确。