两级定位-路径问题的变邻域人工蜂群算法

建立了两级定位-路径问题的数学模型,提出了一种求解该问题的人工蜂群算法。针对该算法容易出现早熟现象,将近年来国外出现的一种新颖的轨迹式启发式算法--变邻域搜索融入其中,由此提出三种变邻域搜索策略。基于不同变邻域搜索策略的人工蜂群算法和人工鱼群算法的求解效果进行对比仿真。实验结果表明,变邻域人工蜂群算法能有效求解两级定位-路径问题。     

风力发电机组无线监测系统设计

针对目前风力发电机组有线监测系统安装、维护不便和监测点有限等问题,设计了一种基于Zig Bee的无线传感器网络监控系统。通过网关将Zig Bee协议转换成TCP/IP协议后,Zig Bee子网采集的数据,经光纤网络传送至中心服务器,并通过登陆界面来显示和控制无线监测系统,实现风力发电机组的智能化监测。测试表明:测量精度达到设计要求,实现高效率、高可靠性的监测,并通过Internet提供远程数据服务,进行离线数据分析和挖掘。     

基于快速响应湿度传感器的无线呼吸检测系统

呼吸功能的实时检测对有呼吸功能障碍的人群十分重要.基于纳米材料湿度传感器和Zig Bee无线网络技术设计了一种呼吸检测系统,该系统由四部分组成:湿度传感器探头、数据采集节点、数据接收节点、基于VC++的MFC平台开发的呼吸功能检测软件.系统实现了呼吸频率记录、呼吸暂停报警、呼吸信号波形实时显示等功能.实验对几位志愿者进行呼吸功能检测,验证了系统的有效性.呼吸检测系统具有响应和恢复快、能够检测急促呼吸、受外界干扰小、无线检测、携带性强等特点.     

引入佳点集和猴群翻过程的人工蜂群算法

针对人工蜂群算法存在早熟现象和搜索过程容易陷入局部最优的缺陷,提出一种引入佳点集和猴群翻过程的改进人工蜂群算法。首先利用佳点集方法构造均匀的初始种群,通过保持种群的多样性,在一定程度上避免早熟现象,加快算法的收敛速度。然后学习猴群算法的翻过程,在寻优过程中使种群的搜索区域进行转移,从而跳出局部最优,得到全局最优解。在经典测试函数和CEC05测试函数集上的实验结果表明,与标准人工蜂群算法以及其它改进算法相比,算法性能优越,具有很强的鲁棒性和快速收敛的能力,且有效避免陷入局部最优。     

改进的人工蜂群算法性能

为克服人工蜂群算法容易陷入局部最优解的缺点,提出一种新的改进型人工蜂群算法。首先,利用数学中的外推技巧定义了新的位置更新公式,由此构造出一种具有引导趋势的蜂群算法;其次,为了克服算法在进化后期位置相似度高、更新速度慢的缺陷,将微调机制引入算法中,讨论摄动因子范围,由此提高算法在可行区域内的局部搜索能力。最后通过3个基准函数仿真测试,结果表明：与常规算法相较,改进后在搜索性能和精度方面均有明显提高。     

基于人工蜂群算法的水位流量关系最优定线研究

在保凸保单调的分段幂函数的基础上,进一步引入自动分段机制,解决分段幂函数在水位流量关系拟合中分段点难以界定的问题.使用自动分段机制后的模型待求参数更多,求解更复杂,因此使用鲁棒性强、收敛速度快且全局寻优性能优异的人工蜂群算法进行求解.研究结果表明,引入人工蜂群算法可以更好的拟合关系曲线,水位流量关系曲线率定求解更加有效.     

Zig Bee技术在隧道施工监测中的应用

设计了一种基于Zig Bee无线传感器网络的隧道施工无线监测系统,系统主要用于监测隧道内的应力和位移变化等相关参数,给隧道施工提供实时监控.介绍了系统组成原理,给出了硬件和软件的设计原理和框图.通过实现上位机软件对Zig Bee传输来的传感器数据发送到上位机处理、显示、报警.测试结果表明:该监控系统无线传输可靠、传输距...     

基于改进的蜂群算法求解专有路径保护设计优化问题

针对光网络故障恢复资源利用的优化问题,采用改进的蜂群算法（IABC）来求解专有路径保护设计优化问题。由于采蜜机理的蜂群算法全局寻优能力较弱,引入禁忌表机制,增强算法搜索全局最优解的能力,并改进蜂群算法的交叉算子,增强算法的收敛速度。通过实验仿真。结果表明与传统的ABC算法相比,IABC能算法大大地提高计算效率,针对较复杂网络资源优化的NP问题提供有效的可行性实施方法。     

一种嵌入式无线车辆信息采集系统设计

提出了一种新的嵌入式无线车辆信息采集系统设计方案,这种方案基于S3C6410硬件平台和嵌入式WinCE操作系统。研究了基于磁阻传感器的无线车辆检测技术的基本原理与通信方式;针对无线车辆信息采集系统的构成与实现方法进行了详细的研究与设计;在嵌入式WinCE平台下完成了基于MFC的无线车辆信息采集系统的应用程序界面和功能的开发,并对系统进行了车辆存在和车速测试。测试结果表明:系统能够在低功耗工况下实现对车辆信息的采集、存储、传输和控制,并且运行良好。     

基于当前最优解的人工蜂群算法

为克服人工蜂群算法在求解函数优化问题时存在收敛精度低、收敛速度慢的缺点,提出一种改进的人工蜂群算法。为提高人工蜂群算法的局部搜索能力和避免早熟收敛,跟随蜂在当前最优解的周围进行局部搜索,并随着迭代次数的增加,逐渐缩小侦查蜂在当前最优解周围的局部搜索范围。通过6个标准测试函数完成仿真实验,结果表明,与基本人工蜂群算法相比,改进算法在寻优精度和收敛速度上均得到提高。