无线多媒体传感器网络视频流多路径路由算法

无线多媒体传感器网络中的视频流传输,需要提供多样QoS保障.提出一种基于改进蚁群算法多路径路由算法ACMRA(ant colony based multipath routing algorithm),以寻找具有多种优先级路径的路径集,并对重要性不同的视频数据进行相应路径的选择.通过优化网络链路上人工信息素的初始分布,改进后的蚁群算法具有更快的可行路径发现速度及收敛速度.多路径机制的引入提高了网络数据吞吐量与视频传输性能,同时可均衡网络资源,延长网络生命.实验结果表明,算法ACMRA在网络性能、视频传榆性能与网络生命周期方面,较之其他路由算法具有明显优势.     

引入拥挤度概念的蜂群算法与网络组播路由研究

计算机网络中的QoS组播路由选择是一个NP完全问题,采用改进的人工蜂群算法对其进行优化。当采蜜蜂进行邻域搜索时,引入拥挤度参数可以对其数量进行调控,避免过多的采蜜蜂在同一蜜源附近搜索;当拥挤度高时则增加侦查蜂的数量,从而有效提高算法的全局搜索能力。算法通过人工蜂群遍历所有满足时延、延迟抖动、带宽、丢包率等约束条件下的可能路径,进而选择组播路由的最佳方案。对于静态网络拓扑的仿真实验表明,上述改进算法的收敛性能明显优于基本蜂群算法。     

基于Ad Hoc网络的SMR优化算法的研究

SMR是一种基于DSR算法的多路径路由算法,这种算法的本身具有明显的局限性。第一,它可能在存在多条不相关多路径路由的情况下选择两条相关多路径路由作为最后的主路由与备份路由;第二,它在目的节点只收到一个RREQ分组的情况下只生成一条主路由,而实际可能存在多条传输线路。针对SMR算法的局限性,本文提出一种改进的SMR算法—ISMR,该算法保证了两条路由的形成,保证了在存在多条不相关多路径路由情况下,一定会生成两条不相关多路径路由。     

基于改进人工蜂群算法的机器人路径规划北大核心CSCD

为了实现在避障环境空间下移动机器人的平滑最优路径规划,提出了一种基于改进蜂群算法的三次Bezier曲线优化的路径规划方法。借助Bezier曲线描述路径,把路径规划问题转换为生成Bezier曲线有限个点的位置优化问题,并改进人工蜂群优化算法进行最优路径搜索。该改进算法在雇佣蜂的搜索阶段中引入个体当前最优值及随机向量,并选择新的选择概率函数,不仅加快算法的收敛速度,而且在一定程度上有利于保持种群多样性,防止算法陷入局部最优。仿真结果表明,该算法可以有效地进行平滑路径的无碰撞路径规划。     

求解指路标志指引路径规划问题的改进人工蜂群算法*

摘要:针对指路标志指引路径规划问题,提出了一种基于改进人工蜂群算法的求解方法。首先,基于路网拓扑表达,对指路标志指引路径规划问题进行论述;其次,考虑指路标志指引路径规划问题的离散型特点,设计了人工蜂群算法求解的具体的方法和步骤;为了提高人工蜂群算法求解指路标志指引路径规划问题的收敛速度和寻优性能,引入遗传交叉因子、精英保留策略和动态侦查蜂机制对传统人工蜂群算法进行改进;最后,选取广州市大学城作为试验区域,将改进的人工蜂群算法用于求解指路标志指引路径规划问题,试验结果表明：改进后的算法有效的解决了传统人工蜂群算法在求解指路标志指引路径规划问题时收敛速度慢、易早熟等的缺陷,更具可行性。     

无线传感器网络一种不相交路径路由算法

无线传感器网络经常被用来采集物理数据,监测环境变化.由于低功耗无线通信不确定性、链路质量不稳定性以及节点失效等问题,传感器网络很容易导致路由数据包丢失.为了提高网络路由的可靠性,人们提出多路径路由算法.多路径路由中源节点到目的节点的多条路径可能含有公共节点,或者公共边,如果公共节点或者公共链路失效,则这个数据包也丢失,因此又有人提出不相交多路径路由算法.不相交多路径路由算法又分为链路不相交多路径路由算法和节点不相交多路径路由算法.提出了一种不相交路径路由算法,可以将感知节点采集到的数据通过不相交路径传送到汇聚节点,提高路由的可靠性.而且,这个算法还可以很方便地应用到多Sink节点的网络当中.该路由算法用到的路由表大小为|K|,其中|K|表示路径数.算法的运行时间复杂度是O(|L|),其中|L|表示网络中的边数.     

基于着色树优化的网络并发链路故障快速恢复方法

为了实现网络并发链路故障的快速恢复,提出一种基于改进人工鱼群算法着色树优化的故障快速恢复方法.首先从备份拓扑构造、着色树生成及流量转发三个方面分析整体恢复方案,在此基础上,建立着色树的生成模型并利用人工鱼群算法对其进行优化以进一步提高其性能,引入变异操作有效解决寻优陷入局部僵局的问题.仿真实验表明,该恢复方案不仅提高了网络在并发链路失效情况下的故障恢复能力,同时在恢复路径及路由备份方面也具有较强的性能.     

隐形矫治方案中的牙齿运动路径规划方法研究

针对隐形矫治方案制定过程中传统牙齿运动路径规划方法准确度及效率低下问题， 根据牙颌评价参数提出新的目标函数，再以传统的人工蜂群算法(ABC)为基础，通过外部存储 存放Pareto 解集，然后以改进的Harmonic 距离对Pareto 解集进行更新，从而提高种群的多样 性。随后通过Slerp 球面线性插值以及线性插值获取牙齿运动路径初始值，与人工蜂群算法中 的初始食物源生成方式相结合，生成更好的食物源。通过改进后的人工蜂群算法采用优先级方 案对新目标函数进行优化，得到牙齿的无碰撞运动路径。通过验证本文方法的矫治方案效果， 并与传统目标函数进行比较，结果表明目标函数可以生成更符合临床治疗要求的矫治方案，改 进ABC 算法相比基本ABC 能够获得更优的路径，缩短了矫治阶段数，具有实用价值。     

基于蚁群算法的能量均衡多路径路由算法的研究

本文对现有的基于蚁群算法的路由协议进行了深入的研究,并提出了一种基于蚁群算法的能量均衡多路径路由算法（ABMR）,该算法在蚂蚁数据包结构、信息素更新公式、信息素更新方式和多路径建立机制等方面作了改进。在信息素更新公式中综合考虑了路径的能量消耗速度、路径上剩余的最小能量、距离目的节点Sink的跳数和路径的拥塞程度。在信息素更新方式上,改变传统的信息素的累加更新方式,采用彻底的链路信息素更新方式,使网络负载更加均衡。ABMR的多路径生成机制可以在源节点和目的节点间更加合理的建立起多条路径。数据发送阶段,概率路由选择策略使数据流量均衡的注入无线传感器网络。本文在NS-2仿真环境下对ABMR协议进行仿真实验,仿真结果表明,和传统协议比较, ABMR协议在能量有效性、数据分组投递率以及分组端到端时延等方面都有一定的提高。     

基于IAG-ABC算法的路径覆盖测试用例生成技术

针对遗传算法(genetic algorithm,GA)存在搜索初期收敛速度过快、易陷入局部最优解、未能充分结合搜索过程中的反馈信息,同时人工蜂群(artificial bee colony,ABC)算法存在初期寻优速度缓慢、局部搜索具有很大随机性等问题,对遗传算法和人工蜂群算法分别进行了改进,并将改进后的两种算法进行融合,实现两者的优势互补,提出了一种自适应遗传-蜂群（improved adaptive genetic-artificial bee colony, IAG-ABC）算法。采用路径覆盖信息设计引导算法搜索方向的适应度函数,并用IAG-ABC算法实现路径覆盖的测试用例生成,实验结果表明,相对于标准遗传算法和自适应遗传算法,IAG-ABC算法在测试用例生成效率和覆盖率上均有一定的优势。     

一种优化的关联规则增量更新算法

针对PFUP算法存在扫描多次数据库这个瓶颈问题,提出一种优化的关联规则增量更新算法MIFUP(Mixed Improve Fast Updating).该算法提出了两种优化策略:借鉴事务压缩原理和用数组存放一阶非频繁项集个数.实验仿真说明,MIFUP算法效率明显优于PFUP算法.     

一种防火墙规则冲突快速检测算法

目前,在防火墙规则冲突检测算法中,效率问题一直没有很好的解决,当防火墙规则数目较大时,检测规则冲突的速度很难满足客户的需要。为了能够快速地检测出防火墙中的规则冲突,在目前使用较多的ASBV算法上提出一种规则冲突检测算法(DBBV算法)。该算法采用的方法是使用位向量和分治技术,该设计在检测规则冲突的时候,设计的算法只是进行了一次位运算。同时该算法采用的是范围形式的规则集。经过对算法详细的分析,以及通过实验方法的验证,改进的DBBV算法的规则冲突检测效率明显高于ASBV算法。     

基于遗传神经网络的MADA

宏观质量决策方案的评价与选择,需要能准确给出各影响因素的权重系数,文中在分析了多属性决策问题及现有方法之后,提出子用遗传神经网络建立权重分配模型,从而改进多属性决策的方法,使权重的确定较为客观准确,并具有自学习功能,实践表明,效果良好。     

基于仿生理论的几种优化算法综述

简要介绍了目前比较流行的三种新型仿生优化算法,即人工鱼群算法、免疫算法和禁忌搜索算法,就这些算法的特点和异同进行了分析,并对它们的发展进行了进一步的阐述,提出了今后的研究方向。     

一种基于小波理论的LMS算法研究

基于LMS算法原理和MALLAT算法,提出了小波自适应算法,并对算法进行了理论分析和仿真研究,仿真结果表明,小波自适应算法在非线性系统辩识中表现出了良好的性能。     

加密算法在共享软件加密中的简单应用

在共享软件设计开发过程中,利用不同的加密算法实现对软件注册、软件系统文件、用户权限等进行加密保护,实现了简单的软件加密,有效保护了共享软件的传播和软件系统自身安全。     

改进的蝴蝶优化聚类算法

针对当前算法在求解聚类问题时存在精度低、速度慢及鲁棒性差等问题,提出一种改进的蝴蝶优化聚类算法,借鉴精英策略思想重新定义蝴蝶优化算法的局部搜索迭代公式,然后融合遗传算法的选择、交叉和变异操作.在1个人工数据集和5个UCI数据集上的测试结果表明所提出算法的性能,且与其他算法相比具有一定优势.     

一种关于蛋白质模体的自动识别算法

随着生物信息学的发展，模体识别已经成为一种能够从生物序列中提取有用生物信息的方法。文中介绍了有关模体的一些概念，讨论了模体识别算法(MEME)的基础，即EM(expectation maximization)算法，由于MEME算法是建立在EM算法的基础上的，所以又由此引出了MEME算法，并对MEME算法的一些基本问题比如时间复杂度、算法性能等进行了详细讨论，对算法的局限性和有待改进的地方作了说明。实践证明，MEME是一个较好的模体识别算法，它能够识别出蛋白质或者DNA序列中单个或多个模体，具有很大的灵活性。     

基于空间复用的信号检测算法研究

为了在接收端恢复出发送端的原始数据,需要在接收端进行信号检测。对几种经典的传统信号检测算法进行了详细阐述和分析,并对各种算法进行了Matlab仿真和性能比较。由此得出,改进型的V-BLAST算法可以用于TD-LTE无线综合测试仪的开发。     

浅谈几种智能优化算法

该文首先介绍介绍了几种典型的群体智能算法,具体包括遗传算法、蚁群算法和粒子群算法,并对它们进行了详细的分析。