共查询到19条相似文献,搜索用时 171 毫秒
1.
2.
研究无线传感器节点部署优化问题,传感器网络节点的部署在一定程度上决定了网络的性能和使用寿命.传统的遗传算法在无线传感器节点部署优化过程中,由于交叉和变异的概率是固定的,易产生局部最优问题,导致部署不理想,网络生命周期过短.为了更好地优化网络部署,提高网络生命周期,提出了一种基于模拟退火遗传算法的无线传感器节点部署优化方法.方法将传感器节点部署转化为一个组合优化问题,网络节点离散成为网格,通过遗传算法进行最优部署方案的搜索,同时采用模拟退火算法对遗传算法的种群进行更新,提高了最优解的搜索速度.仿真结果表明,模拟退火遗传算法部署的效率高,网络存活的节点数更多,有效地延长了网络的生命周期. 相似文献
3.
为了更好地解决无线传感器网络(WSN)数据传输的路径优化问题,降低数据传输的能量消耗,提出了一种基于改进遗传模拟退火算法(SAGA)的WSN路径优化算法。首先根据优化目标建立数学模型,然后设计了种群的编码方式,并对遗传算法中的适应度函数、交叉算子、变异算子进行改进,使算法能够更加有效地避免陷入局部搜索;接着根据旧种群和新种群每个对应个体的不同进化程度提出了一种新的Metropolis准则,使模拟退火算法的跳变更具有规律性。实验结果显示:与其它路径优化算法相比,该算法不仅能生成更节能的数据传输路径,而且优化时间也大大降低。所以该算法是一种高效的路径优化算法。 相似文献
4.
5.
自适应最优保存的模拟退火遗传调度算法研究及其应用 总被引:1,自引:0,他引:1
该文对调度算法做了简单的介绍。在结合已有的模拟退火算法和遗传算法的基础上,改进了现有的遗传调度算法,自适应地保存最优个体,并对其进行模拟退火。与简单最优保存遗传调度算法进行了比较,结果表明新的算法比原有算法搜索能力更强,在跳出局部最优方面也有改进,有效地解决了原有遗传调度算法的早熟现象。 相似文献
6.
7.
8.
9.
基于遗传模拟退火算法的无线传感器网络定位算法 总被引:6,自引:0,他引:6
无线传感器网络定位问题本质上是一个基于不同的距离或路径测量方法的优化问题.第一次提出了基于遗传模拟退火算法的无线传感器网络定位算法GASA-Hop,它是将遗传模拟退火算法作为DV-Hop的后期优化.其中,DV-Hop用来估计未知节点与锚节点的测量距离,GASA用来最小化与DV-Hop相关的适应度函数.仿真结果表明,本算法定位精度高、条件简单,比较适合无线传感器网络的节点定位. 相似文献
10.
基于遗传模拟退火算法的移动机器人路径规划 总被引:4,自引:2,他引:2
针对移动机器人路径规划的难题,运用了一种基于遗传模拟退火算法的移动机器人最优路径规划方法,对移动机器人的路径规划进行了设计,采用了栅格法对环境进行建模.为了提高路径规划的效率,采用了一种改进的避障算法来生成初始种群.将遗传算法与模拟退火算法相结合形成遗传模拟退火算法,新算法具有较强的全局和局部搜索能力.仿真实验结果证明算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高. 相似文献
11.
一种带约束的多目标服务质量路由算法 总被引:6,自引:0,他引:6
多约束服务质量(QoS)路由是要求在多个约束条件下计算满足所有独立限制条件的可行路径.将这种NPC问题转化为一种带约束条件的多目标优化问题,根据多目标遗传算法的智能优化原理,提出一种多目标QoS路由算法来产生一组最优非劣路由.理论分析和实验结果表明,使用带约束的多目标遗传算法是解决多约束QoS路由的有效途径,能对提高网络性能起到重要作用. 相似文献
12.
基于遗传算法的集送一体化的车辆路径问题 总被引:3,自引:0,他引:3
有时间窗的集送货一体化的车辆路径问题(VRPPDTW)是对经典的车辆路径问题(VRP)的扩展,是一类重要的组合优化问题,但是目前对该问题的研究非常有限。论文采用了新的染色体编码方法,设计了遗传算法对该问题进行求解。在求解过程中,对集送一体化、多种配送车辆类型的问题进行了有效处理,同时考虑了车辆载重量和时间窗等约束。最后的实验结果表明,该算法可以求得这类车辆路径问题的最优解或次优解。 相似文献
13.
基于蚁群算法的QoS多播路由优化算法 总被引:5,自引:1,他引:5
蚁群算法是一种新型的随机优化算法,能有效地解决 QoS 受限的多播路由问题。基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作,并在分析多约束QoS的多播路由的基础上,提出了一种具有全局优化能力的多播路由算法(OQMRA),仿真实验表明了该算法是合理的和有效的。 相似文献
14.
15.
This paper studies an online linear optimization problem generalizing the multi-armed bandit problem. Motivated primarily by the task of designing adaptive routing algorithms for overlay networks, we present two randomized online algorithms for selecting a sequence of routing paths in a network with unknown edge delays varying adversarially over time. In contrast with earlier work on this problem, we assume that the only feedback after choosing such a path is the total end-to-end delay of the selected path. We present two algorithms whose regret is sublinear in the number of trials and polynomial in the size of the network. The first of these algorithms generalizes to solve any online linear optimization problem, given an oracle for optimizing linear functions over the set of strategies; our work may thus be interpreted as a general-purpose reduction from offline to online linear optimization. A key element of this algorithm is the notion of a barycentric spanner, a special type of basis for the vector space of strategies which allows any feasible strategy to be expressed as a linear combination of basis vectors using bounded coefficients.We also present a second algorithm for the online shortest path problem, which solves the problem using a chain of online decision oracles, one at each node of the graph. This has several advantages over the online linear optimization approach. First, it is effective against an adaptive adversary, whereas our linear optimization algorithm assumes an oblivious adversary. Second, even in the case of an oblivious adversary, the second algorithm performs slightly better than the first, as measured by their additive regret. 相似文献
16.
提出一种自适应混沌粒子群优化算法(SACPSO)用于三维空间路径规划。首先进行三维空间环境建模,并考虑使用路径长度、障碍物危险程度和路径平滑度三个评价函数来制定适应度函数;然后对算法中的三个控制参数提出了一种新的自适应更新策略,以此来动态调整算法的全局探索和局部开发能力;最后当种群陷入局部极值时,利用提出的自适应Logistic混沌映射对全局最优粒子进行混沌优化,引导种群跳出局部极值点。将该算法与其他改进的粒子群算法比较,结果表明,该算法在收敛到全局最优解时所用迭代次数更少,生成路径质量更高,有效地提高了粒子群算法应用于三维空间路径规划时的计算效率和可靠性。 相似文献
17.
Memetic算法是一种启发式搜索方法,常用于解决一些NP问题。本文通过对遗传Memetic算法的改进与优化,结合智能组卷问题的特点,提出一套完整的解决方案。算法使用Memetic算法框架,全局搜索策略采用分段实数编码的遗传算法,融合了算法的交叉变异操作,局部搜索策略采用模拟退火算法,有效解决陷入局部最优问题。通过不同算法的对比实验表明,本文提出的Memetic算法能够快速高效地解决智能组卷问题,大大提升试卷生成质量,减少迭代次数,可快速获得最优解。
相似文献
18.
针对考虑电池续航能力和换电站约束的电动车货运路径优化问题,提出考虑速度、载重和距离等多因素的电动车碳排放计算方法。首先,以耗电量和旅行时间费用最小化为目标,建立混合整数规划模型;然后,在爬山优化和换电邻域搜索的基础上提出一种自适应遗传算法,并设计随种群适应度变化而自适应调整的交叉和变异概率;最后,采用爬山搜索加强算法的局部搜索能力,并设计电动车换电邻域搜索策略对最优解进行进一步的改进,以满足电池续航能力和换电站约束,得到最优可行解。实验结果表明:相较于传统的遗传算法,自适应遗传算法能够更快速有效地找到满意解;考虑耗电量和旅行时间的路径安排能够减少货运配送的碳排放和总费用;与固定的交叉和变异概率参数设置相比,自适应参数调节方法能够更有效防止局部优化问题,提高算法的全局搜索能力。 相似文献
19.
采用多目标遗传算法来确定多跳无线网服务质量路由优化问题的Pareto最优解集。通过计算表明,多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集,这为决策者进行目标折衷决策提供了充分的依据,此算法是有效可行的。 相似文献