基于局部信标选择的无线传感器网络定位算法

针对DV-hop算法定位精度低的问题,本文分析了节点间的位置拓扑关系对定位精度的影响,提出了一种基于局部信标选择的定位算法(RBS-DV-hop)。该算法权衡了定位精度和计算复杂度,从三方面寻找局部最优的信标节点组,包括信标节点的共线度、未知节点与信标节点的跳数以及信标节点相对于未知节点的分布。仿真结果表明,改进后的算法明显提高了定位精度和稳定性,为合理选择信标节点组进行定位提供了一种方法。     

移动无线传感网中的迭代蒙特卡罗定位算法研究

研究移动无线传感网中的节点定位问题,分析影响蒙特卡罗定位精度的两个因素:观测值和前一时刻的位置样本集,提出一种迭代蒙特卡罗定位算法。该算法中,信标节点的位置信息在每个时间段只被它的邻居节点转发一次,但是接收到该信息的其他节点会保存它们,并在下一时间段将它们与待发送/转发的信息融合成一个数据包进一步转发,增加待定位节点用于估算前几个时间段位置样本集的观测值。待定位节点再利用蒙特卡罗算法迭代计算前面时间段的位置样本集,并充分利用观测值滤除较差样本,从而提高当前时刻的定位精度。仿真实验表明改进算法提高了定位准确度。当信标节点密度较低时,更能体现改进算法的优越性。     

线性离散时滞重复过程的H∞控制

首先给出了线性离散时滞重复过程的2D(两维)Roesser模型, 采用线性矩阵不等式方法导出了过程稳定并具有H_∞扰动抑制度的一个充分条件. 通过求一个线性矩阵不等式的可行解来构造系统的一个状态反馈H_∞控制器. 进一步, 通过求解一个线性矩阵不等式凸优化问题得到该过程的最优状态反馈H_∞控制器.     

线性时滞系统稳定性分析综述

时滞在工程领域广泛存在,对此综述了线性时滞系统的稳定性研究方法.从频域和时域两个角度详细介绍了各种方法的特点,着重讨论基于线性矩阵不等式(LMI)的分析方法,指出保守性是分析的重点.对现有结果的保守性进行比较和评述,并提出了改进的思路.     

采样粒子群优化模型及其动力学行为分析

本文提出一种变采样周期的粒子群优化模型, 利用误差动力系统的李雅普诺夫函数分析优化行为的稳定性. 通过粒子的轨迹分析, 得出轨迹收敛的采样时间约束条件. 算法收敛性理论分析结果表明该算法不能收敛到局部最优. 针对多模态函数优化问题, 提出一种基于量子群的变采样周期的粒子群优化模型. 实验分析了采样周期对算法优化行为的影响. 结果表明其相对于传统粒子群算法的优势. 最后对基于量子群的采样子群优化算法的多极值寻优能力进行测试, 结果表明其有效性.     

聚类算法分析及在GIS中心选址中的仿真研究

通过对聚类算法初始点选择策略的分析和比较,经典k-means算法在GIS海量数据处理上的效率问题,提出了随机采样的k-means算法来进行坐标聚类;并将随机采样k-means算法应用于GIS中心选址,充分利用GIS数据分析和处理能力,以城市间的欧几里得距离为相似条件,采用最大最小原则选取初始点进行聚类,从而缓解局部最优解产生的概率;选取中心城市作为目标对象,从而提高商业决策的充分性和可靠性;经仿真结果验证了所提出的随机取样k-means算法的有效性和正确率。     

基于遗传算法的轮廓切割顺序受限路径优化

考虑一类轮廓切割顺序受限的加工路径优化问题.遵循由内到外的轮廓切割约束条件,以遍历所有待切割轮廓且刀头在轮廓问移动的空行程距离最短为优化目标,把约束条件转化到遗传算法编码问题采用启发式搜索技术以加快遗传算法的爬山速度,并且能自适应调整交叉和变异概率.实际应用结果表明所提算法能有效缩短空行程.     

WSNs覆盖的拟物力导向粒子群优化策略

针对无线传感器网络的重复覆盖和算法耗时问题,提出一种拟物力导向的粒子群覆盖优化策略。通过仿真实验对该策略进行优化性能测试,与粒子群算法、粒子进化的多粒子群算法、传统遗传算法和新量子遗传算法的优化效果相比,该策略覆盖率分别提高9.5%、1.7%、6.03%和3.71%,收敛速度分别提高23.2%、1.8%、24.5%和24.5%。结果表明该优化策略具有比上述4种算法更好的覆盖优化效果。     

带宽受限网络化系统的广义H2滤波

研究了一类带宽受限网络化系统的广义H2滤波问题. 滤波器采用量化后的测量信号作为其输入信号, 采用对数量化器, 将滤波误差系统建模成范数有界不确定时滞系统. 利用Lyapunov 稳定性理论和线性矩阵不等式(LMI)技术, 得到了滤波误差系统渐近稳定的充分条件以及滤波器的设计方法. 数值示例验证了所给算法的可行性.     

基于蚁群算法的城市快速路优化控制

根据城市快速路交通流的特性,以宏观稳态交通流Macro模型为基础,将快速路虚拟划分为多个路段,将车辆在快速路系统内总的服务流量最大及入口匝道车辆平均等待时间最小作为优化控制目标,设计快速路多匝道联合控制模型,并采用蚁群优化算法对设计的控制模型进行求解计算,以确定各匝道最优调节率。模拟实验结果表明,通过多匝道联合控制,能够提高城市快速路系统的运行效率,减少交通事故及交通拥堵的发生概率。