基于ISO 15693的RFID中间件反冲突算法设计与实现

反冲突作为射频识别(radio frequency identification,RFID)技术的基础,引起了各种相关机构的重视,各种读写器与标签之间的反冲突算法层出不穷,但由于算法的复杂性,许多读写器往往只具有冲突探测功能,而没有实现完全的反冲突。利用ISO15693—3协议中关于冲突探测机制和反冲突算法描述,设计并实现了对读写器进行反冲突控制的算法。实验表明：该反冲突控制算法达到了高效反冲突的目的。     

基于粒子群优化的生物网络布局

基本粒子群算法（Particle Swarm Optimization,PSO）用于生物网络布局优化存在以下不足：存在影响布局优化的边界效应（boundary effects）,并且仅适用于小规模网络.针对边界效应提出了无边界限制的PSO算法（FPSO算法）.该算法一定程度上减少了边界效应对布局的影响.针对较大规模生物网络布局,提出了具有免疫反向学习特性的PSO算法（IO_FPSO算法）.采用主观评价、目标函数评价和布局准则定量评价进行算法比较,实验结果表明FPSO算法明显优于基本PSO算法,而IO_FPSO则进一步改善了较大规模生物网络布局效果.     

基于SFLA-PSO算法的几何约束求解

为提高求解几何约束问题的效率和收敛性,将几何约束问题等价为求解非线性方程组问题。并将约束问题转化为一个优化问题,采用基于混洗蛙跳（SFLA：Shuffled Frog Leaping Algorithm）和粒子群优化（PSO：Particle Swarm Optimization）算法求解该问题。SFLA-PSO算法采用将SFLA和PSO二者相结合的方法,利用PSO算法进行族群局部搜索,利用SFLA的多种群的进化方法进行族群的混选,相互取长补短,以达到收敛速度快和全局搜索的目的。实验表明,该方法可以提高几何约束求解的效率和收敛性。     

软时间窗和匹配运输下的供应链配送网络优化

针对客户和供应商匹配运输下的供应链配送网络优化问题,在模型中加入客户软时间窗约束、车辆最大行驶距离约束以及设施容量约束,建立了全新的0—1整数规划模型,采用基于整数编码和交换序的离散粒子群优化算法来求解。通过算例将标准粒子群算法（PSO）、局部版粒子群算法（LPSO）和离散粒子群算法（DPSO）的运行结果进行比较,结果表明,DPSO算法可以减少迭代次数,并获得问题的最优解。     

混合群智能算法在模体识别中的应用

为了避免传统吉布斯算法的诸多缺陷,提高算法的求解能力,对蚁群算法（ACO：Ant Colony Optimiza-tion）进行了改进：引入粒子群算法（PSO：Particle Swarm Optimization）动态调节ACO函数中的参数获得最优解。在奔腾PC机的实验平台上、Windows 2003Server操作系统下、开发工具为VB的模拟实验中,结果证明,混合的群智能算法使经典旅行商问题求解的计算时间缩短,提高了算法的收敛速度,有较好的发展前景。利用PSO处理连续优化问题的优点,将混合算法应用于生物信息学的模体识别中,可实现更加快速的基序发现处理。     

多模式资源受限项目调度问题的优化方法

为求解多模式资源受限项目调度问题,提出了一种结合粒子群优化算法（PSO）和基因表达式编程（GEP）的混合优化算法。其中,PSO用来提供活动执行模式组合,GEP用来构造在给定活动执行模式下的调度规则。调度规则由项目状态和活动属性构成,与其他优化方法相比,这是一种新的编码方式与求解方法,也更符合实际应用。对于粒子所表达的不可行活动模式的组合,设计了粒子调整算法,以满足项目调度中可更新资源和不可更新资源总数的约束。最后给出了混合优化算法求解步骤,并采用该算法对项目实例进行了计算与分析,验证了算法的有效性。     

利用微粒群优化算法求解非线性规划问题

针对过程系统优化中的非线性规划 (NLP)问题 ,应用微粒群优化算法 (ParticleSwarmOptimization ,PSO)对其进行求解。系统介绍了PSO算法的基本思想和解题步骤 ,通过引入罚函数把PSO算法应用到NLP问题的求解中 ,可以对一般的NLP问题和非凸的NLP问题进行有效地求解。利用两个测试函数和一个过程系统优化的实例对其进行了测试并与其它算法所得的结果进行了比较。结果表明 ,PSO算法在使用的普遍性、求解的准确性方面都优于一般的算法 ,是一种有效的求解NLP问题的方法     

RFID系统中防碰撞算法的改进

在查询树（QT）算法和二叉树堆栈（ID-BTS）算法基础上,提出一种改进算法,应用于读写器要对其查询范围内的标签进行反复识别的情况.该算法中,读写器引入一个堆栈S来记录二叉树发生碰撞时的右子树节点信息,一个队列Q来记录没有碰撞发生时的查询命令.当读写器完成第一轮识别后,需要对其查询范围内的标签进行再次识别时,直接从队列Q中弹出查询前缀即可.读写器每发送一个查询前缀,将识别出一个标签.Matlab仿真实验表明,在总搜索次数和系统通信量方面,该算法可以更高效地识别标签.     

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量（HOC）的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声，其解法一般采用的是梯度搜索法，但是梯度搜索过程难以避免局部收敛而且计算复杂．粒子群优化算法（PSO）具有算法简洁，易于实现，且不需要梯度信息等优势．使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题，为滤波器参数的优化提供了一种新的思路．仿真结果表明，使用PSO优化算法求解自适应滤波器系数能获得更高的精度．同时PSO算法受系统跃变的影响较小，因此它在求解非平稳过程模型系统时具有一定的优势．     

基于PSO的无线传感器网络自组织成簇算法

为了有效延长WSN网络的生存时间,需要设计能量有效的自组织成簇机制,以适应无线传感器网络的特点。提出了一种适合无线传感器网络能量有效的成簇优化模型,并使用微粒群优化算法（PSO）对该模型进行求解。为了使微粒群算法适合于该问题的求解,设计了适合微粒群算法的微粒位置向量和速度向量的更新机制,并用罚函数法对两个主要约束进行了处理,给出了适应值函数,并通过MATLAB7．1进行了实例仿真。仿真结果表明,该优化模型是解决WSN能量问题的有效方法。     

一种基于微粒群算法的自适应滑模控制

提出了一种基于微粒群算法的自适应滑模控制方法,把微粒群算法运用于自适应滑模控制器设计中。首先利用一种自适应算法估计系统中总不确定量的上确界,然后利用微粒群算法对自适应滑模控制器的切换参数和自适应参数进行优化调节,在改善系统控制性能和鲁棒性的同时削弱了抖振。仿真研究结果证明了该方法的有效性。     

基于微粒群模型的无线传感器网络节点部署

提出了一种新的基于微粒群模型节点部署优化算法。该算法根据节点的位置信息建立节点部署优化模型,利用微粒群算法求解该优化模型,优化过程中的最优解作为节点的最终配置位置。仿真结果表明该算法有效的改善了网络的覆盖率。     

新型动态粒子群算法及其在工业控制中的应用

粒子群优化算法是一种在复杂优化问题的空间域探求最优解的启发式搜索方法。为了优化传统的PSO算法,缩短其运行时间,提出了一种动态收缩型的粒子群优化。收缩型粒子群算法在初始阶段含大量的粒子,随着迭代次数的增加,粒子数量不断减少,仿真结果显示,此方法相比于传统的PSO算法可减少近60%的运算时间。运用此改进的粒子群算法优化理论,实现了对PID控制参数的自适应调节。结果表明,新型的PSO算法可以使得PID控制参数调整速度更快,产生超调量小。     

无线接入点吞吐率预测的建模与优化

针对接入点吞吐率的多步预测问题,提出基于Nu-支持向量回归的建模策略,设计了并行混合粒子群算法,从特征选择与参数选择两个方面对预测模型进行联合优化。评估结果表明,Nu-支持向量回归模型在吞吐率多步预测中能取得较高精度,并行混合粒子群算法具有良好收敛性,且能显著提高预测模型的性能。     

基于微粒群算法的NURBS曲线降阶

从最优化思想出发,把NURBS曲线的降阶问题转化为求解优化问题,并基于微粒群算法,给出NURBS曲线降阶的一种新方法．该方法可以实现多次降阶,且降阶后的NURBS曲线直接以显式给出．     

基于多粒子信息共享策略的PSO小波网络模型

针对粒子群优化算法在训练小波网络存在的早熟收敛问题,提出一种改进的粒子群优化算法.该算法通过引入多粒子信息共享策略,使种群中各粒子共享多个粒子的有用信息,以期增加种群多样性,减少各粒子在进化早期被吸引到最优粒子附近的可能性,提高小波网络的建模质量.仿真表明,相对于BP算法和标准粒子群优化算法,本文算法在训练小波网络方面估计精度更高,收敛速度更快,并有效解决了早熟收敛和局部最优问题.     

箱型约束优化问题的免疫进化的微粒群算法

通过引入免疫进化项,提出一个求解箱型约束优化问题的新的算法—免疫进化的微粒群算法。该算法利用8个典型的测试函数进行数值实验,且与被动聚集的微粒群算法、全局版本的微粒群算法、局部版本的微粒群算法和具有压缩因子的微粒群算法进行计算比较,计算结果表明免疫进化的微粒群算法是求解箱型约束优化问题的一个高效的算法。     

地球物理资料非线性反演方法讲座（十） 粒子群反演方法

绝大多数地球物理反演问题是非线性问题。近年来,非线性反演方法的研究和应用,都有了一定的进展,涌现了许多新的反演方法,引起了人们的重视。本讲座类比遗传算法和模拟退火等智能随机非线性反演方法寻优思想之后,在前人工作的基础上,详细地介绍了我们首次在地球物理资料反演中付诸实现的一种新的非线性反演方法——粒子群反演算法。文中以地震波阻抗数值模拟和实际资料为例,说明了该方法的可行性及有效性。