LSO改进CGA解决多目标作业车间调度问题

针对传统方法在处理作业车间调度问题时很难将库存容量考虑在内的问题,提出了基于局部搜索算子(LSO)改进交叉遗传算法(CGA)的多目标作业车间调度模型。为了提高所提模型的效率,首先设计一种基于关键路径的交叉遗传算子;然后,设计一种新的局部搜索算子来提高遗传算法的局部搜索能力;最后,基于这两种算子,设计混合遗传算法框架,在考虑调度总完成时间的同时将库存容量作为目标进行优化。所提算法的有效性在FT10、LA01、LA06、LA11、LA21和LA36等基准问题测试中得到验证。仿真结果表明,与较为先进的非劣分层遗传算法(NSGA-II)相比,使用所提算法获得了更好的非支配解,从而更好地解决了多目标作业车间调度问题。     

基于改进免疫遗传算法的K覆盖异构传感器节点调度

为了实现无线传感器网络监测区域目标点的多重覆盖,设计了一种基于改进免疫遗传算法的异构传感器节点调度算法实现目标点的K重覆盖;首先,在传统的概率感知模型中加入剩余能量和感知能力因素,得到改进的概率感知模型,并设计了以最小化节点数并满足覆盖度约束的目标函数;然后,采用改进的免疫遗传算法对节点进行调度,最后,给出了具体的采用改进免疫遗传算法实现WSN异构节点调度的具体算法;仿真实验表明:文中方法能在满足K覆盖约束前提下实现监测区域的节点调度,与其他方法相比,活动节点数平均多7%,具有较长的网络生命周期和较少的网络能耗。     

基于最优化理论的无线传感器网络通信模型

针对无线传感器网络中多源多基站的最大生命期问题,提出一种基于最优化理论的网络通信模型。根据无线传感器网络能量限制和数据流量守恒原则建立整数非线性规划模型,以网络最大生命期为最优目标,将能量和带宽作为限制的多约束条件,利用最优化技术中的分布式算法求解该模型。仿真结果表明,在多基站环境中,该模型能够延长网络生命期。     

基于传感器多模式调度的智能目标跟踪算法

智能目标具有反跟踪的特性,其运动状态的改变与跟踪传感器的工作模式相关.为了实现对智能目标的有效跟踪,文中提出一种基于传感器多模式调度的交互多模型跟踪算法.首先,为智能目标构建混合多模型集,描述其与传感器模式相关的智能运动特性;其次,提出一种传感器多模式调度策略,综合考虑了一步预测的目标跟踪误差、二步预测的目标运动趋势误差以及传感器模式的辐射代价3方面因素,据此构建传感器多模式调度的目标函数;最后,将传感器多模式调度与交互多模型跟踪算法相结合,通过"模式调度→交互跟踪→模式调度"的闭环结构,提高了对智能目标跟踪的自适应性.仿真结果表明,与选择固定传感器模式的方法和基于近视策略的传感器模式调度方法相比,文中方法实现了对智能目标的持续精确跟踪.     

考虑目标捕获率和能量限制的无线传感器网络管理

究目标跟踪背景下的无线传感器网络管理问题,在保证目标跟踪需求的情况下减小能耗, 首先对集中式无线传感器网络结构和目标跟踪任务中传感器网络的工作过程进行了介绍,其次介绍了以多交互滤波方法为基础的机动目标跟踪理论,接着建立同时考虑传感器能耗节省和目标捕获概率的传感器调度模型,继而提出基于Logistic混沌序列和Boltzmann选择策略的改进布谷鸟算法用于求解最优传感器调度方案。最后通过仿真证明了本文模型和算法的有效性。     

基于免疫蚁群优化的无线传感器网络节点调度研究

提出一种基于免疫优化蚁群算法(QIACO)的无线传感器网络节点调度策略方法;针对传统的蚁群算法在寻优过程中存在的收敛速度慢、容易出现停滞现象等缺陷,借鉴免疫系统的自我调节机制,提出了一种新的疫苗选取策略及疫苗接种方法,设计了基于免疫优化的蚁群算法,达到提高算法的收敛速度和避免停滞现象的发生;通过对MESA算法、蚁群算法、量子遗传算法和QIACO算法在负载均衡性分析、能耗均衡性分析和网络寿命分析进行仿真验证,提出的算法在无线传感器网络节点调度策略中效果最好,能有效地提高网络寿命。     

面向目标跟踪的传感器网络调度方法

对面向移动目标跟踪任务的传感器网络调度方法进行了研究。从单任务跟踪精度和总体任务完成情况两方面设计调度指标,采用扩展卡尔曼滤波器实现目标跟踪并计算跟踪精度,进而建立了该问题的混合整数调度模型。针对模型复杂度较高的特征,提出一种基于局部解空间跳出机制的改进型遗传算法并进行求解。仿真结果表明该算法针对该问题具有较高的求解性能。     

无线传感器网络中带粒子群优化的分簇节点睡眠调度算法

为延长无线传感器网络的生命周期,提高节点能量利用率,将分簇算法与睡眠调度算法相结合,提出一种无线传感器网络中带粒子群优化的分簇节点睡眠调度算法.该算法采用二进制编码机制,引入遗传算法的变异和交叉算子,同时考虑网络覆盖保持和能量消耗减少优化目标,构造一个相应的离散粒子群优化方法.仿真实验结果表明,文中算法能较好地减少能耗和保持网络覆盖,有效延长网络的生命周期.     

基于模糊偏好的多目标成像卫星调度方法研究

不确定条件下的成像卫星调度问题是一个多目标优化问题。借鉴连续函数的鲁棒性优化思想,提出了一种基于邻域的鲁棒性指标,考虑多种约束条件,建立了多目标成像卫星调度模型。在考虑目标间偏好的情况下,提出了一种基于模糊偏好的多目标遗传算法。实例研究表明,该模型和算法能够有效地解决不确定条件下的成像卫星调度问题。     

动态视觉传感器网络中的节点目标覆盖机制

动态视觉传感器网络是一个新的研究课题,节点目标覆盖是其中的一个基本问题,它反映了网络的监测性能.对于动态视觉传感器网络的有向感知模型,节点目标覆盖问题需要考虑如何调整节点的位置和方向实现利用最少节点最大化网络覆盖能力.针对这一问题,提出一种改进的遗传算法寻找最优位置和方向,通过对传统遗传算法的交叉过程进行改进,加强了算法局部搜索能力.仿真结果表明:算法能有效地收敛到最优解,利用最少的节点数实现网络覆盖最大化,提高了网络性能.     

基于差分算法的异构无线传感器网络多重覆盖节点调度方案

针对部署区域中存在多个不同覆盖质量需求的目标,本文提出一种基于多重覆盖算法的异构节点调度机制。该算法在满足区域覆盖要求和重点区域监测目标多重覆盖的要求,及节点能量的约束条件下,以网络的有效覆盖率最大和工作节点数目最少为目标,借助改进的差分算法来对节点状态进行优化达到提高网络覆盖性能和降低网络能耗的目的。仿真结果显示,本文的算法在满足热点目标监测要求的前提下,最大限度地兼顾网络的区域覆盖质量,减少了网络的能耗;较之随机调度算法,本文算法在覆盖率和网络能耗方面优于后者。     

EQOWSN: Evolutionary-based query optimization over self-organized wireless sensor networks

In this paper, a new approach has been introduced that integrates an evolutionary-based mechanism with a distributed query sensor cover algorithm for optimal query execution in self-organized wireless sensor networks (WSN). An algorithm based on an evolutionary technique is proposed, with problem-specific genetic operators to improve computing efficiency. Redundancy within a sensor network can be exploited to reduce the communication cost incurred in execution of spatial queries. Any reduction in communication cost would result in an efficient use of battery energy, which is very limited in sensors. Our objective is to self-organize the network, in response to a query, into a topology that involves an optimal subset of sensors that is sufficient to process the query subject to connectivity, coverage, energy consumption, cover size and communication overhead constraints. Query processing must incorporate energy awareness into the system by reducing the total energy consumption and hence increasing the lifetime of the sensor cover, which is beneficial for large long running queries. Experiments have been carried out on networks with different sensors Transmission radius, different query sizes, and different network configurations. Through extensive simulations, we have shown that our designed technique result in substantial energy savings in a sensor network. Compared with other techniques, the results demonstrated a significant improvement of the proposed technique in terms of energy-efficient query cover with lower communication cost and lower size.     

基于自适应功耗管理的高性能计算机作业调度策略的研究

作业调度系统是高性能计算机的核心组件,其目标是在满足性能要求的前提下,使得所有任务消耗的总功耗最低。提出了一种自适应功耗管理策略,该策略采用遗传算法作为功耗调度算法,采用作业队列的能效比作为调度因素,与面向资源效率的传统作业调度算法相比,在确保提升资源利用率、减少资源碎片、提升作业吞吐率、减少饥饿作业的前提下,大幅提升了系统的能效比。实验证明该策略能有效提高整机能效,与传统作业调度策略相比能节约9%以上的能耗。     

无线传感器网中基于加权负载的时隙调度算法

针对无线传感器网络MAC协议,提出了一种能量有效的自适应时隙调度算法EATA。算法基于簇结构,由簇首根据节点加权通信负载动态调度各节点占空比,减少节点的空闲侦听时间;并通过动态调节时隙更新频率和顺序以降低时隙划分的能量和时间代价。仿真表明,在控制数据包时延的前提下,算法有效地提高了网络能量有效性,延长了网络生存周期。     

无线传感器网络中基于能量效率的分布式MAC协议

针对无线传感器网络中能量效率与频谱资源利用率的问题,提出了一种分布式媒介接入控制(MAC)算法。通过分析基于节约能量消耗的SMAC(Sensor-MAC)协议,结合现有的一些协议的改进方法,利用功率控制技术有效降低了更多的能量消耗。同时通过选择与维护邻居调度表的方式,提升了网络的有效链接并降低了碰撞率。节点采用在侦听与睡眠之间相互切换,在侦听期间以最优发送功率发送控制与数据信息,降低了干扰范围。数值计算与实验仿真结果显示,算法可以有效地改善网络性能,节省网络能量消耗,提升网络的有效吞吐量。     

基于Memetic算法的WSN分簇协议的研究 *

针对无线传感器网络的寿命和覆盖优化,提出了一种基于Memetic算法和节点休眠-唤醒调度策略的复合文化基因聚类协议(Composite Memetic Algorithm Clustering Protocol,CMACP)。算法首先运行文化基因算法初始化需要激活的节点并规划相邻冗余节点,其中遗传算法和局部搜索算法能保障得到最优的初始节点分布。随着网络的运行,当某个节点因能量耗尽而丢失覆盖目标时,休眠调度策略选择激活最优相邻节点弥补覆盖漏洞。仿真实验表明,与其他WSN分簇协议相比,CMACP能较好的延长WSN稳定周期生存时间,并且提高WSN对感知区域的覆盖能力。     

无线传感器网络邻近节点数据融合调度算法

现有的调度算法存在节点能耗大、数据收集时延长等问题。为此,提出一种能量高效的邻近节点数据融合调度(CNDAS)算法。该算法通过计算竞争集,产生无冲突的调度序列,并为兄弟节点分配连续的传输时隙,从而降低节点状态转换的频率,节省节点能耗。模拟结果表明,当网络规模较大时,CNDAS算法的能量有效性明显优于SCHDL算法。     

Determining node duty cycle using Q-learning and linear regression for WSN

Wireless sensor network(WSN)is effective for monitoring the target environment,which consists of a large number of sensor nodes of limited energy.An efficient medium access control(MAC)protocol is thus imperative to maximize the energy efficiency and performance of WSN.The most existing MAC protocols are based on the scheduling of sleep and active period of the nodes,and do not consider the relationship between the load condition and performance.In this paper a novel scheme is proposed to properly determine the duty cycle of the WSN nodes according to the load,which employs the Q-leaming technique and function approximation with linear regression.This allows low-latency energy-efficient scheduling for a wide range of traffic conditions,and effectively overcomes the limitation of Q-learning with the problem of continuous state-action space.NS3 simulation reveals that the proposed scheme significantly improves the throughput,latency,and energy efficiency compared to the existing fully active scheme and S-MAC.     

Energy-Efficient Wake-Up Scheduling for Data Collection and Aggregation

A sensor in wireless sensor networks (WSNs) periodically produces data as it monitors its vicinity. The basic operation in such a network is the systematic gathering (with or without in-network aggregation) and transmitting of sensed data to a base station for further processing. A key challenging question in WSNs is to schedule nodes' activities to reduce energy consumption. In this paper, we focus on designing energy-efficient protocols for low-data-rate WSNs, where sensors consume different energy in different radio states (transmitting, receiving, listening, sleeping, and being idle) and also consume energy for state transition. We use TDMA as the MAC layer protocol and schedule the sensor nodes with consecutive time slots at different radio states while reducing the number of state transitions. We prove that the energy consumption by our scheduling for homogeneous network is at most twice of the optimum and the timespan of our scheduling is at most a constant times of the optimum. The energy consumption by our scheduling for heterogeneous network is at most Theta (log {frac{R_{rm max}}{R_{rm min}}}) times of the optimum. We also propose effective algorithms to construct data gathering tree such that the energy consumption and the network throughput is within a constant factor of the optimum. Extensive simulation studies show that our algorithms do considerably reduce energy consumption.     

无线传感器网络RCF-MAC协议研究

射频充电（ RFC）技术是一种通过基站发射射频电波为传感器节点补充电量的新兴技术。但在RFC无线传感器网络中,多基站同时发射能量时产生的能量干涉衰减现象会明显降低充电效率,此外,能量传输与数据通信共享信道会降低整个网络的吞吐量。针对上述问题,提出了RFC—MAC协议,为提高充电效率,将请求充电传感器节点周围的基站按距离分为两组,两组基站分时能量传输,以避免能量干涉衰减现象;传感器网络中设双信道,分别用于能量传输与数据通信,以提高网络的吞吐量。仿真结果表明：RFC—MAC协议显著提高了传感器节点的充电效率和平均网络吞吐量。