基于ZigBee的动态WSN节点定位

针对因障碍物影响而无法实现动态无线传感网MWSN (mobile wireless sensor network)高精度定位的问题,提出了基于RSSI信号传播模型的α-驱动更新的质心定位算法α- drive renewing weighted centroid localization(α-DRWCL).根据WCL (weighted centroid localization)的距离计算公式,建立了路径衰减因子α的计算模型,利用边界探测装置的探测结果适时改变α的值,得到较接近实际情况的各参考节点权重,达到了减小定位误差的目的.在实验环境中对α-DRWCL算法进行定位仿真,仿真结果表明了该算法的精确性和有效性.     

延迟容忍传感器网络中基于群组运动的事件传输

提出了一种基于分布式群组移动的事件分类传输策略GMED(distributed group mobility adaptive event delivery).通过有效地发现和利用传感器节点在运动过程中形成的群组,建立基于群组的事件分类传输模型,改善数据传输性能.其中,群组的转发是依据各自与汇聚点的机会概率按照多副本方式进行的;而群内的事件传输则是基于各成员的稳定邻居集建立传输路径,并以单副本方式进行.队列管理则根据事件的优先级决定递交的顺序和丢弃原则.此外,引入冗余副本控制机制,优化副本管理,降低网络负载.模拟实验结果表明,与现有的几种DTMSN(delay tolerant mobile sensor networks)数据传输算法相比,GMED能以较低的数据传输能耗和传输延迟获得较高的数据传输成功率,且网络寿命相对较长.     

一种基于路径优化的推测多线程划分算法

推测多线程(speculative multithreading,简称SpMT)技术是一种实现非规则程序自动并行化的有效途径.然而,基于控制流图和分支预测技术的线程划分方法,不可避免地会受到划分路径上所存在的控制依赖和数据依赖的制约.目前,在传统的线程划分算法中存在的一个重要问题是,在对划分路径进行选取时只考虑了控制依赖影响却不能有效地综合考虑数据依赖的影响,进而导致不能选取最佳的划分路径.因此,针对传统方法中这种依赖评估方法效率低下的问题,设计并实现了一种基于路径优化的线程划分算法.该算法通过引入基于程序切片技术的预计算方法,建立一种路径评估方法来评估程序间的控制和数据依赖.同时,引入控制线程体大小的启发式规则,以便有效地解决负载不平衡的问题.基于Olden测试集的测试结果表明,所提出的算法可以有效地对非规则程序进行划分,其平均加速比可以达到1.83.     

无线传感器网络基于路径的非均匀分布策略

无线传感器网络中多对一的数据传输方式导致节点负载的不均衡性,靠近汇聚节点(Sink)的节点要比远离Sink的节点消耗更多的能量,如此容易引发能量空洞问题。针对该问题,从网络数据的传递路径出发,根据网络中节点承担的路径数量的不同,平衡各层节点的能耗,提出感知节点覆盖率一致、内层路由节点与其所有外层感知节点数目相同的的非均匀分布策略,并通过仿真实验证明了该方法的有效性。     

有效的ν支持向量回归机的ν解路径算法?

由 Sch?lkopf 等人提出的ν支持向量回归机具有通过参数ν控制支持向量和错误向量个数的优点,然而与标准的支持向量机相比,其形式更为复杂,迄今为止仍没有有效的算法计算ν解路径.基于ν支持向量回归机的修改形式,提出了一种新的解路径算法,它能够追踪参数ν对应的所有解,并通过理论分析和实验,说明了该算法能够尽可能地避免不可行的更新路径,并在有限步内拟合出所有的ν解路径.     

一种基于混合学习策略的移动机器人路径规划方法

针对未知环境下移动机器人路径规划问题,以操作条件反射学习机制为基础,根据模糊推理系统和学习自动机的原理,提出一种应用于移动机器人导航的混合学习策略.运用仿生的自组织学习方法,通过不断与外界未知环境交互从而使机器人具有自学习和自适应的功能.仿真结果表明,该方法能使机器人学会避障和目标导航任务,与传统的人工势场法相比,能有效地克服局部极小和振荡情况.     

道路网络中k路径最近邻居针对两种目标点的应用

提出一种道路网络中针对两种不同类型目标点的k组路径最近邻居查询,这是一种新的查询:给出用户希望到达的终点位置以及两组目标点集合,这种查询返回连接用户当前位置和终点位置的最短路径,以及相对于这条最短路径的k组路径最近邻居,每组包含两个不同类型的目标点,将这种查询命名为k-PNNT.提出了一种典型的过滤-精炼算法得到k-PNNT及对应的最短路径,并且在实际道路网络中进行了实验.实验证明,算法可行,有效.     

基于蜕变关系的多路径覆盖测试数据进化生成

提出一种基于蜕变关系的多路径覆盖测试数据生成方法。在多路径测试数据进化生成过程中,对于已生成的测试数据,利用被测程序的蜕变关系衍生新的测试数据,以新数据为输入执行被测程序,如果穿越的路径是未找到测试数据的目标路径,则该路径的测试数据同时被生成,从而提高多路径覆盖测试数据的进化生成效率。在典型三角形分类基准测试程序中的应用结果验证了该方法的有效性。     

求解CARP-RP-ML问题的改进算法

传统方法无法有效求解交通道路维护运作中的有补给点及多装载的容量约束弧路径(CARP-RP-ML)问题。为此,提出改进的启发式算法和遗传算法。启发式算法将不同的分割算法用于由所有需求弧随机排序得到的个体上,构造问题的可行解;遗传算法利用分割算法计算其个体适应值,确定对应的可行车辆路径及补给位置,并用局部搜索作为变异算子,进一步扩大搜索空间。数值实验结果表明,与启发式算法相比,遗传算法能更有效地求解CARP-RP-ML问题。     

基于路径覆盖插桩的可执行代码测试工具实现

为解决传统程序插桩技术存在代码膨胀和运行时间较长的问题,提出对可执行代码进行控制流路径覆盖消除冗余的插桩策略。依据该策略设计一种针对Java可执行代码的单元测试工具,完成程序执行路径跟踪和覆盖率分析。对测试工具进行功能验证和性能分析,结果表明,该策略能够有效减少插桩点数量,降低插桩对被测程序时间特性的影响。