基于LBT-SA的LoRaWAN信道接入方法研究

标准LoRaWAN协议中定义的纯ALOHA信道接入方法在网络负载较大时会造成大量碰撞，使LoRa网络的可扩展性和可靠性受到极大挑战。为此提出了一种将先听后说与模拟退火相结合（Listen Before Talk combined with Simulated Annealing，LBT-SA）的LoRa信道接入方法。该方法通过在设备发送之前先监听信道，降低信道被同时接入的概率，并以成功传输所需退避时间为初始值，搜索更小的退避时间。仿真结果表明，LBT-SA和基于二元指数退避算法的先听后说（Listen Before Talk，LBT）方法在包成功传输率方面保持了高度的一致，并且LBT-SA在周期传输过程中逐渐减少了不必要的退避时间，从而减少了时延。在多达10 000个终端接入单个网关的场景中，该算法的平均退避时间至少降低了16.38%。     

基于模拟退火优化BP神经网络的变形监测数据预测方法

针对BP神经网络模型用于变形监测数据处理时容易陷入局部极小值并且收敛速度慢的问题，提出一种基于模拟退火(Simulated Annealing,SA)算法优化BP神经网络的建筑物变形预测方法，利用SA的全局寻优能力对BP神经网络的模型参数进行优化，使参数迭代过程始终保持较高的“温度”和“能量”，从而确保BP神经网络能够得到全局最优解的同时具备较高的预测精度和收敛速度。采用实际算例对所提SA-BP方法在低信噪比和小样本条件下的预测精度进行验证，结果表明所提方法相对于传统BP神经网络法和小波方法能够获得更高的预测精度，并且在小样本和低信噪比条件下优势更加明显。     

双层过道布置问题的混合整数非线性规划模型及两阶段改进模拟退火算法

结合实际布局活动中，设施在多层空间布置的实际情况，提出了双层过道布置问题，并构建了该问题的混合整数非线性规划（MINLP）模型。针对问题特征，提出了一种改进模拟退火算法，通过采用两阶段改进策略，对退火过程及抽样过程进行改进。该算法以自适应搜索策略替代马氏链搜索长度，并引入记忆功能、回火操作以提高求解质量，通过设置双阈值来提高求解效率。应用所提算法对24个基准算例进行测试，并将其与原模拟退火算法和GUROBI精确方法作对比，验证了所提算法的有效性。     

航班恢复问题的迭代局部搜索算法

在恶劣天气和机械故障等原因造成航班不能按照原计划执行时，航空公司需要采取相应的措施对航班进行恢复。本文基于经典的资源指派模型，综合考虑了调整时间、换机、联程拉直、取消航班和调机5种恢复策略，提出一种以最小化加权成本为优化目标的航班恢复模型，并设计一种迭代局部搜索算法。首先用构造-修复启发式方法构造可行解，然后从该初始解出发，在飞机路线对的邻域中进行局部搜索。当陷入局部最优后，对解进行扰动，然后从扰动后的解重新出发进行局部搜索。为了提高搜索效率，同时降低陷入局部最优解的概率，局部搜索过程采用模拟退火算法。实例结果表明，本文提出的模型及算法能够在短时间内对受到影响的大规模航班计划进行恢复。