基于数据卸载策略的能量优化方法在移动代理路径规划中的应用

提出了移动代理数据卸载策略,对无线传感器网络中现有移动代理规划路径进行优化,根据卸载规则决定是否将数据分组分离通过优化的卸载路径传递,卸载数据的移动代理通过原路径访问数据源节点.使用移动代理经典算法IEMF(itinerary energy minimum for first-source-selection)进行大量的仿真实验,结果显示,提出的数据卸载策略能有效地解决数据源节点能量消耗过快的问题,延长数据源节点的生存期.     

无线传感器网络中基于移动代理的信息驱动的多分辨率算法研究

该文提出了一种适用于无线传感器网络的基于移动代理的信息驱动的多分辨率(MAIDM)算法,以提高目标跟踪过程中数据处理的精度和容错性,并满足无线传感器网络对节能方面的要求。该文在以簇为逻辑结构的无线传感器网络中,移动代理根据各节点信息贡献量的估计,使用多分辨率算法收集、处理节点数据,并根据移动代理迁移路径上节点信息贡献量的最大值,动态决定其携带的数据量,以达到在节省能量的同时,提高跟踪的精度和容错性。仿真验证了MAIDM算法在精度和容错性方面比IDSQ算法有很大的提高,在节省能量方面比MA-CSIP算法更加有效。     

改进离散粒子群的异构无线传感器网络路由算法研究

异构无线传感器网络深受人们青睐,传感器节点能量的损失与路由算法密切相关,所以路由算法成为近年来无线传感器网络研究工作开展的主攻方向。本文结合改进的自适应离散粒子群算法,提出基于改进自适应离散粒子群算法的异构无线传感器网络路由算法,构建综合性目标函数及确定评价指标。仿真结果表明:改进算法由于在适值函数上充分考虑簇头节点能耗及簇间负载均衡因子,使得算法性能得以改良。     

基于网格和遗传算法的移动代理路由算法研究

针对一类基于移动代理的无线传感器网络内移动代理的迁移路由问题,提出了一种基于网格和遗传算法的移动代理迁移路由算法.该方法通过改进的自适应遗传算法获取迁移的基路径信息,再结合网络网格化和路由修复策略来实现路由节点失效时的路由修复,从而有效降低能耗和实现成功迁移.     

无线传感器网络中基于空间相关性的移动代理路由算法

资源受限的传感器节点密集分布在无线传感器网络监控区域,sink节点通过收集节点间观测信息对监控区域内发生的事件进行感知.本文提出SCMAR(Spatial Correlation-based Mobile Agent Routing)路由算法,在移动代理架构内,利用节点观测数据的空间相关性以能量有效的方式对感知事件进行...     

WSNs中基于粒子群优化的信宿移动路径规划算法

感测数据,再将数据传输至信宿是无线传感网络(WSNs)中节点的首要任务。传感节点由电池供电,它们的多数能量用于传输数据,越靠近信宿的节点,传输的数据量越大。因此,这些节点的能耗速度快,容易形成能量-空洞问题。而通过移动信宿收集数据能够缓解能量-空洞问题。为此,提出基于粒子群优化的信宿移动路径规划(PSO-RPS)算法。PSO-RPS算法结合数据传递时延和信息速率两项信息选择驻留点,并利用粒子群优化算法选择最优的驻留点,进而构建时延有效的信宿收集数据的路径。仿真结果表明,提出的PSO-RPS算法有效地控制路径长度,缩短了收集数据的时延。     

无线传感器网络中基于移动代理的自适应数据融合路由算法

该文提出在无线传感器网络中基于移动代理的自适应数据融合路由(AFMR)算法,解决移动代理如何以能量有效的方式融合、收集相关性数据的问题。该算法综合考虑了移动代理在路由过程中传输能量和融合能量的消耗,并根据数据融合算法的能量开销和节能增益,对移动代理迁移到各节点时是否执行数据融合操作进行自适应调整,以达到在各种不同的应用场景中优化移动代理能量开销的目的。通过仿真验证了在无线传感器网络的各种相关性数据收集的应用环境中,AFMR算法在节省能量方面比现有TSP和FMR的移动代理路由算法更加有效。     

基于量子粒子群算法的移动节点覆盖优化

提出了基于量子粒子群的无线传感器网络覆盖优化算法.由于在量子空间中粒子满足集聚态性质完全不同,使得该算法可以在整个可行区域内搜索.全局搜索能力远远优干基本粒子群,克服了粒子群算法容易陷入局部最优的缺点.仿真结果表明,该算法比基本粒子群算法拥有更好的覆盖优化效果。     

基于移动代理的WSN数据融合的研究

移动代理已广泛用于无线传感器网络并进行数据融合。该文将移动代理用于簇成员节点间进行数据收集并进行数据融合,并提出了基于精度的量化编码的数据融合算法。该算法有效减少了冗余数据,提高了传输速率,延长了无线传感器网络的寿命,并将其应用到森林防火中去。     

基于移动代理WSN分布入侵检测研究

针对聚类无线传感器网络安全的问题,将移动代理技术与分布式入侵检测技术相结合,提出了一种基于移动代理的无线传感器网络分布式入侵检测方案,采用了多个代理模块进行分布式协作,运用一种基于聚类的分布式入侵检测算法,从节点上收集和处理数据,减少网络负载、促进效率平衡,能够满足WSNs的要求和限制。从而达到提高无线传感器网络的安全性、可靠性,降低入侵检测能量消耗的目的。     

Discrete particle swarm optimization based multi-objective service path constructing algorithm

Aiming at previous research primarily focused on constructing service paths with a single objective,for exam-ple,latency minimization,cost minimization or load balance,which ignored the overall performance of constructed ser-vice paths,a multi-objective service path constructing algorithm based on discrete particle swarm optimization (MOPSO) was proposed.To promote the convergence rate and improve constructing performance,the criterions for selecting can-didate physical nodes and paths were explored,and a particle position initialization and update strategy (PIFC) was de-signed.Simulation experiments show that the proposed algorithms can improve the overall quality of service paths and increase the success rate and long-term average revenue.     

Multi mobile agent itinerary planning based on network coverage and multi-objective discrete social spider optimization algorithm

The multi mobile agent collaboration planning model was constructed based on the mobile agent load balancing and total network energy consumption index.In order to prolong the network lifetime,the network node dormancy mechanism based on WSN network coverage was put forward,using fewer worked nodes to meet the requirements of network coverage.According to the multi mobile agent collaborative planning technical features,the multi-objective discrete social spider optimization algorithm (MDSSO) with Pareto optimal solutions was designed.The interpolation learning and exchange variations particle updating strategy was redefined,and the optimal set size was adjusted dynamically,which helps to improve the accuracy of MDSSO.Simulation results show that the proposed algorithm can quickly give the WSN multi mobile agent path planning scheme,and compared with other schemes,the network total energy consumption has reduced by 15%,and the network lifetime has increased by 23%.     

Mobile anchor assisted particle swarm optimization (PSO) based localization algorithms for wireless sensor networks

Node localization is essential to wireless sensor networks (WSN) and its applications. In this paper, we propose a particle swarm optimization (PSO) based localization algorithm (PLA) for WSNs with one or more mobile anchors. In PLA, each mobile anchor broadcasts beacons periodically, and sensor nodes locate themselves upon the receipt of multiple such messages. PLA does not require anchors to move along an optimized or a pre‐determined path. This property makes it suitable for WSN applications in which data‐collection and network management are undertaken by mobile data sinks with known locations. To the best of our knowledge, this is the first time that PSO is used in range‐free localization in a WSN with mobile anchors. We further derive the upper bound on the localization error using Centroid method and PLA. Simulation results show that PLA can achieve high performance in various scenarios. Copyright © 2011 John Wiley & Sons, Ltd.     

改进粒子群算法优化低功耗自适应集簇分层的路由算法

针对LEA低C功H算法的簇头分布不合理、网络能耗不均的问题,在耗自适应集簇分层路由算法。首先将分割线的选择LE问A题CH转协议的基础上,提出了一种改进粒子群算法优化化成带约束的非线性优化问题,然后利用粒子群算法求解,并针对粒子群算法的不足进行相应的改进,最后采用仿真实验测试算法的性能。仿真结果表明,相对于其它改进LEACH路由算法,本文算法有效提高了网络的能量利用率,能够实现节点之间的能耗均衡,使无线传感器的网络生存时间得到延长。     

Path planning algorithm for WCE with joint energy replenishment and data collection based on multi-objective optimization

Considering limited energy of the wireless charging equipment (WCE) in wireless rechargeable sensor network,an energy replenishment strategy and a data collection strategy are designed.On the basis of these,a path planning model for WCE with functions of joint energy replenishment and data collection based on multi-objective optimization is constructed with two optimization objectives,maximizing the total energy utility of WCE and minimizing the average delay of data transmission of all the sensor nodes in the network.To deal with it,a multi-objective ant colony optimization algorithm based on elitist strategy was proposed,where the state transition strategy and the pheromone updating strategy were improved.Then,the Pareto set was obtained in terms of this multi-objective optimization problem.The parameter setting of ant colony algorithm’s effects on the proposed algorithm were analyzed under 20 sensor nodes.50 groups of contrastive experiments show that the average number of energy utilization obtained by ES-MOAC algorithm is 4.53% higher than that of NSGA-II algorithm.The average number of average delay of all node data transmission obtained by ES-MOAC algorithm is 5.12% lower than that of NSGA-II algorithm.     

一种求解多目标优化问题的粒子群算法的研究

为改善多目标粒子群算法的收敛性和多样性,通过对粒子群算法全局极值和个体极值选取方式的研究,采用随机选取和评估选取相结合的方法选取全局极值和个体极值,提出了一种可用于解决多目标优化问题的粒子群优化算法,从而实现了对多目标优化问题的非劣最优解集的搜索,仿真实验结果证明算法是有效的。     

中心粒子群优化算法

在线性递减权重粒子群优化算法(LDWPSO)中提到了中心粒子这一概念,进而提出了中心粒子群优化算法(中心PSO)。在线性递减权重粒子群优化算法中,中心粒子不像其它一般的粒子,中心粒子没有明确的速度,并且被始终置于粒子群的中心。此外,在神经网络训练算法中比较中心粒子群优化算法和线性递减权重粒子群优化算法,结果表明:中心粒子群优化算法的性能优于线性递减权重粒子群优化算法。     

基于粒子群算法的嵌入式云计算资源调度

随着移动互联网的发展,基于嵌入式设备的云计算服务成为研究热点。在国内,嵌入式云计算目前正处于探索研究阶段,云资源管理调度是嵌入式云计算的核心技术之一,其效率直接影响嵌入式云计算系统的性能。为了提高云计算性能,本文提出一种基于粒子群优化算法的云计算任务调度模型。粒子群算法中粒子位置代表可行的资源调度方案,以云计算任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找出最优资源调度方案。在matlab实验平台进行了仿真,通过大量数据模拟实验表明,该模型可以快速找到最优调度方案,提高资源利用率,具有较好的实用性和可行性。     

一种分层路由协议的改进和仿真分析﹡

在深入分析无线传感器网络路由协议设计目标的基础上,根据LEACH协议分层设计的思想,融入了负载平衡和簇内成树的思想,通过控制簇头之间的位置,使得簇的分布较为均匀,同时簇内节点根据节点的高度值形成一棵树,让节点采集到的数据沿着这棵树进行传输,使得簇内节点由单跳传输变成了多跳传输,很好的均衡了网络能耗.通过理论分析和仿真结果表明改进后的协议极大的延长了网络生命期, sink节点数据收集量也增加不少.     

基于粒子群优化算法的机器人路径规划

文章提出一种机器人路径规划的有效算法,为机器人找到一条从起点到终点最短的无碰撞路径,主要是优化了粒子群的惯性权重,然而其在不同的阶段采用不同的权重值。通过实验发现,改进后粒子群能够收敛得更快,数据收敛得更精确。