基于KL-Ball的社区挖掘方法

针对邻接矩阵的稀疏特性,采用KL散度来计算网络节点间的距离,提出了一种基于KL-Ball的社区挖掘方法.该方法中,一个KL-Ball代表一个社区,它从质心、半径、互信息及密度4个方面来描述社区,其中质心决定了社区在网络中的位置,半径刻画了社区所能覆盖的范围,互信息度量了社区中包含节点的一致性,密度反映了社区包含节点的数量.给定一个半径,期望从复杂网络中寻找具有低信息、高密度的社区,低信息使得社区包含的节点具有较强的一致性,高密度使得一个社区具有较强的凝聚性.为此,定义了一个基于KL-Ball的社区挖掘目标函数,给出它的优化算法,并从理论上证明了该算法的收敛性.依据社区半径的大小及质心的位置,该算法可应用于非重叠社区挖掘以及重叠社区挖掘.实验结果表明,基于KL-Ball的社区挖掘方法可有效地挖掘网络中蕴含的社区结构,包括非重叠的社区及重叠的社区.     

一种改进的无线传感器网络质心定位算法

在无线传感器网络中,确定节点位置或事件发生的位置对其监测活动至关重要。节点自身的准确定位不仅是提供监测事件或监测目标位置信息的前提,也是提供网络拓扑自配置、提高路由效率、向部署者报告网络的覆盖质量以及为网络提供命名空间等网络功能的基础。为此,本文对无线传感器网络定位技术中的质心定位算法进行了改进,对未知节点大致位置的算法做了新的修正,并对未知节点位置确定算法中的加权因子进行了优化,使未知节点的定位误差和定位精度更加精确。相比原加权质心定位算法,本文仿真结果表明,改进的质心定位算法无论在定位误差还是在定位精度方面都有很大的提高。     

传感器网络中一种基于维诺图的跟踪节点选择算法

能源节省和跟踪的及时、准确是移动目标跟踪的重要研究问题.提出了一种基于维诺图的跟踪节点选择算法,利用维诺图的性质建立网络模型,选择距离目标最近的传感器节点参与目标跟踪,同时给出了睡眠节点的唤醒机制,以保证跟踪及时准确的同时最小化唤醒节点数量.最后通过实验讨论了网络中各个参数对算法性能的影响.实验结果表明,该算法在能源节省和跟踪精度方面具有很好的效果.     

分布式融合算法在WSANs中的性能分析

在无线传感器执行器中,执行器节点接收传感器节点传来的信息并执行相应的动作。为了满足执行器节点及时地采取行动,无线传感器执行器网络对时延有严格的限制。构建了一种一般性的分布式融合算法并与集中式融合算法比较。通过从网络传输时延、节点能量消耗、网络寿命、有效传输次数等方面分析了这种算法在无线传感器执行器网络中的特性。在三种典型拓扑结构下的仿真实验表明,在相同条件下,分布式融合算法比集中式融合算法具有更小的网络传输时延,更长的网络寿命,同时节点的能量消耗更加均匀。     

极限分割估计矩形的Bounding-Box定位算法

针对无线传感器网络中Bounding-Box算法定位精度低的问题,在Bounding-Box算法的基础上提出一种极限分割估计矩形的方法来改进定位算法,分割后的估计矩形产生一个待选质心,当满足分割条件时,对估计矩形继续分割,并不断产生待选质心,当满足终止分割条件时,将上一次分割得到的待选质心坐标作为未知节点的最终位置,通过极限分割的方法可以修正未知节点的定位误差。仿真结果表明,在无需增加额外通信开销的情况下,改进的算法在一定程度上降低了算法的平均相对定位误差。     

无线传感器网络质心定位算法研究

节点定位是无线传感器网络中的关键技术之一.质心定位算法完全依赖于锚节点的密度大小及分布情况,锚节点的密度较小且随机分布,所以质心定位算法的定位精度比较低.为了提高节点定位的精度,提出了一种改进的无线传感器网络质心定位算法.在质心定位算法中引人接收信号强度(RSSI)信息,利用RSSI计算节点间点到点的信号强度,并把信息强度值转换成距离值,取倒数作为质心算法权重值,通过质心定位算法对未知节点坐标进行计算,得到节点的具体位置.通过仿真对算法进行测试与分析,仿真结果表明,算法定位的误差减小,提高了节点定位精度,是一种有效的定位算法,为网络设计提供了依据.     

基于正方形区域的WSAN节点定位算法的研究

在WSAN中,执行器节点可根据传感器节点感知的数据做出决策并执行相关操作,因此其对感知到事件的传感器节点的准确定位对于实施精确的控制策略至关重要.区别于现有WSN中的非测距定位方式,利用移动的执行器节点代替WSN中的锚节点,提出了一种基于正方形区域的WSAN节点定位算法.首先通过执行器节点的移动确定待定位传感器节点所在区域,然后通过迭代不断缩小该区域,当满足定位精度要求时计算区域的质心作为待定位节点的坐标.仿真实验证明,算法能够在存在RSSI误差和GPS误差干扰的情况下取得较好的定位精度,且使用少量的执行器节点完成定位不仅能节省网络部署成本,还可以克服传统WSN中非测距定位算法严重依赖锚节点密度的不足.     

生物启发的无线传感执行网络协同方法

本文针对无线传感执行网络(wireless sensor and actor network,WSAN),在昆虫生物种群协作机理的启发下,提出了一种WSAN协同方法,以改善网络传输可靠性、节能与执行效率.首先,针对传感器节点与执行器节点之间的协作,提出以信息传递能耗和剩余能量衡量中继节点选择概率的效能协同机制,以及包含区域中继、影响因子和学习因子3个保障单元的组织协同机制.进而,针对执行器--执行器间的协作,引入学习因子作为组织协同机制中的一个保障单元.最后,给出了算法执行的流程,并通过仿真验证了方法的优越性.仿真结果表明,采用本文提出的协同机制,不但优化了WSAN信息传递路径,而且在执行器节点间协作中选择优势节点参与信息处理和决策,降低了网络能耗,同时提高了网络执行效率.     

基于质心理论的多Sink节点重选址算法

针对无线传感器网络WSNs(Wireless Sensor Networks)中Sink节点静止不动附近邻居节点易出现"能量空洞"、缩短网络生命周期等问题,提出一种基于质心的多Sink节点重选址算法.将网络中某段时间内向Sink节点发送过数据包的全部一跳邻居节点视为质点系,所发送的数据量作为质点质量,使Sink节点向着传感器节点密度大的方向移动,实现多个Sink节点相互协作,逐步逼近到该质点系的质心位置.将质心重选址算法与多Sink节点位置固定的重选址算法和COST函数多Sink节点重选址算法进行仿真对比,结果表明质心重选址算法可以有效的均衡网络负载,降低网络能耗,延长网络生命周期,提高网络性能.     

无线传感器网络中基于能量级加权的质心定位算法

针对无线传感器网络的内在特点以及传统质心定位方法的局限性,提出一种基于能量级加权的质心定位算法——PWC定位算法.它完全基于网络连通性,采用信标节点的能量级信息作为加权因子计算未知节点位置,体现了不同信标节点对质心计算结果的影响.仿真结果表明,该算法减小了平均定位误差,是一种适合大规模传感器网络应用的节点定位算法.     

Cooperative Target-capturing with Incomplete Target Information

This paper presents a distributed target-centric formation control strategy for multiple unmanned aerial vehicles (UAVs) in the presence of target motion uncertainty. The formation is maintained around a target using a combination of a consensus protocol and a sliding mode control law. Consensus helps in distributing the target information which is available only to a subset of vehicles. Sliding mode control compensates for the uncertainty in the target information. Hence, collectively the combined strategy enforces each of the vehicles to maintain its respective position in the formation. We show that if at least one vehicle in a group has target information with some uncertainty and the corresponding communication graph is connected, then a target-centric formation can be maintained. The performance of the proposed strategy is illustrated through simulations.     

基于改进Q-学习算法的多阶段群体决策模型

多阶段群体决策问题是一类典型的动态群体决策问题,主要针对离散的确定状态下的最优群体决策问题求解.但由于现实环境面临的大部分是不确定状态空间,甚至是未知环境空间(例如状态转移概率矩阵完全未知),为了寻求具有较高共识度的多阶段群体最优策略,决策者需要通过对环境的动态交互来获得进一步的信息.针对该问题,利用强化学习技术,提出一种求解多阶段群体决策的最优决策算法,以解决在不确定状态空间下的多阶段群体决策问题.结合强化学习中的Q-学习算法,建立多阶段群体决策Q-学习基本算法模型,并改进该算法的迭代过程,从中学习得到群体最优策略.同时证明基于Q-学习得到的多阶段群体最优策略也是群体共识度最高的策略.最后,通过一个计算实例说明算法的合理性及可行性.     

Consensus fingerprint matching with genetically optimised approach

Fingerprint matching has been approached using various criteria based on different extracted features. However, robust and accurate fingerprint matching is still a challenging problem. In this paper, we propose an improved integrated method which operates by first suggesting a consensus matching function, which combines different matching criteria based on heterogeneous features. We then devise a genetically guided approach to optimise the consensus matching function for simultaneous fingerprint alignment and verification. Since different features usually offer complementary information about the matching task, the consensus function is expected to improve the reliability of fingerprint matching. A related motivation for proposing such a function is to build a robust criterion that can perform well over a variety of different fingerprint matching instances. Additionally, by employing the global search functionality of a genetic algorithm along with a local matching operation for population initialisation, we aim to identify the optimal or near optimal global alignment between two fingerprints. The proposed algorithm is evaluated by means of a series of experiments conducted on public domain collections of fingerprint images and compared with previous work. Experimental results show that the consensus function can lead to a substantial improvement in performance while the local matching operation helps to identify promising initial alignment configurations, thereby speeding up the verification process. The resulting algorithm is more accurate than several other proposed methods which have been implemented for comparison.     

基于信息矩阵加权一致策略的分布式Kalman 滤波器

本文提出采用信息矩阵加权的方法改进基于一致性策略的分布式Kalman 滤波算法,提高其在传感器 网络估计融合应用中的性能．此方法中,节点根据其自身及其邻居节点估计的不确定信息融合估计值．在此基础上, 文中还讨论了通过优化一致加权系数进一步提高算法性能的方法．仿真实验表明,本文所提算法不仅改进了节点状 态估计的精确度,而且显著提高了各个节点状态估计的一致性．     

一种采用完全学习策略的量子行为粒子群优化算法

为了进一步提高量子行为粒子群优化（QPSO）算法的全局收敛性能,有效改善算法中存在的粒子早熟问题提出一种基于完全学习策略的改进QPSO算法（CLQPSO）.该学习策略改变了QPSO中局部吸引子的更新方式,充分利用了种群的社会信息.采用8个测试函数对算法性能进行比较分析.实验结果表明,所提出的改进算法不仅收敛速度快,而且全局收敛能力好,收敛精度优于PSO算法和QPSO算法.     

An Improved Cooperative Team Spraying Control of a Diffusion Process With a Moving or Static Pollution Source

This paper is concerned with a control problem of a diffusion process with the help of static mesh sensor networks in a certain region of interest and a team of networked mobile actuators carrying chemical neutralizers. The major contribution of this paper can be divided into three parts: the first is the construction of a cyber-physical system framework based on centroidal Voronoi tessellations (CVTs), the second is the convergence analysis of the actuators location, and the last is a novel proportional integral (PI) control method for actuator motion planning and neutralizing control (e.g., spraying) of a diffusion process with a moving or static pollution source, which is more effective than a proportional (P) control method. An optimal spraying control cost function is constructed. Then, the minimization problem of the spraying amount is addressed. Moreover, a new CVT algorithm based on the novel PI control method, henceforth called PI-CVT algorithm, is introduced together with the convergence analysis of the actuators location via a PI control law. Finally, a modified simulation platform called diffusion-mobile-actuators-sensors-2-dimension-proportional integral derivative (Diff-MAS2D-PID) is illustrated. In addition, a numerical simulation example for the diffusion process is presented to verify the effectiveness of our proposed controllers.      

综合密度信息的矢量变异多目标粒子群优化

粒子群优化算法求解多目标优化问题存在早熟收敛和后期收敛速性差的不足,解的分布性也有待提高。为此设计一种新的多目标粒子群优化算法：对寻求粒子最优解的sigma方法进行改进,提出一种综合非支配解密度信息和sigma值的最优解求解机制。对变异粒子速度进行矢量扰动变异;对停滞粒子进行位置变异,有效避免算法的早熟收敛问题。测试结果表明,所提出的算法在收敛性和解的分布性、多样性方面较经典的算法具有明显的优势。     

基于混沌PSO算法的Hadoop配置优化

针对Hadoop的组合优化问题,提出一种基于混沌粒子群优化算法的配置优化策略。为保证算法在进行局部搜索的同时避免陷入局部最优,对陷入局部最优的标准值和混沌处理的迭代次数的不同组合进行实验,获得使Hadoop性能达到最优的配置。实验结果表明,算法得出的最优配置方案能够有效提高Hadoop的性能,具有较好的稳定性。     

Multi-agent consensus algorithm with obstacle avoidance via optimal control approach

Multi-agent consensus problem in an obstacle-laden environment is addressed in this study. A novel optimal control approach is proposed for the multi-agent system to reach consensus as well as avoid obstacles with a reasonable control effort. An innovative nonquadratic penalty function is constructed to achieve obstacle avoidance capability from an inverse optimal control perspective. The asymptotic stability and optimality of the consensus algorithm are proven. In addition, the optimal control law only requires local information from the communication topology to guarantee the proposed behaviour, rather than all agents’ information. The consensus and obstacle avoidance are validated through various simulations.     

基于CPCRLB和一致性算法的分散式传感器管理

针对无线传感器网络中的目标跟踪问题,基于条件后验克拉美—罗下界（CPCRLB）提出一种分散式传感器节点管理方法．基于一致性策略给出一种CPCRLB的分布式迭代算法,并且基于分布式粒子滤波器给出该算法的数值逼近实现．对层次结构的无线传感器网络,将CPCRLB作为传感器管理的准则,基于平均一致性给出一种迭代的局部搜索算法,实现了无线传感器网络下观测节点的分散式在线选择．仿真结果表明了基于CPCRLB的分散式传感器管理方法在目标跟踪精度方面的有效性．