无线传感器网络中异常节点快速定位算法研究

研究无线传感器网络的准确定位问题,为了确定医疗、森林火险等事件的发生地,要搜索定位,及时预报.针对传统的集中式无线传感器网络定位方法,全网络中需要定位的异常节点都需传递信息到参照节点才能得到定位信息,过于依赖参照节点,造成参照节点负载过大,导致定位效率下降,不能快速完成异常节点定位的问题.现提出一种禁忌搜索( TabooSearch,TS)分布式定位算法,通过启发式逐步寻优算法,把定位过程分布到网络中相关通信节点上,通过异常节点与周边节点通信获取局部信息,利用局部网络信息对异常节点位置进行估计,避免了传统集中式方法对参照节点的过度依赖.实验证明,对TS分布式定位算法进行实验,证明能够有效利用网络信息,对异常节点实现快速定位,取得了满意的结果.     

基于探测包的IP网络链路故障监测算法

在一个大型的IP网络中,对链路的监测尤为重要,但是传统的网络管理工具很少提供这样的功能,已经存在的面向链路的监测工具也存在一些缺陷.文中提出的一系列算法能够有效监测IP网络中链路的故障,并且考虑到了系统的开销.通过分析可知,网络的规模和复杂程度直接影响了链路监测的代价.     

多链路因特网接入网络出口路径选择研究

针对当前企事业单位广泛使用多链路因特网接入问题,选取链路成本和影响网络性能的路由跳数作为多链路因特网接入网络的研究对象,建立多链路出口路径选择优化模型,在链路成本满足不大于zC_min的约束条件下,将多链路出口路径选择转化为路由跳数优化问题,并提出一个自适应多链路出口路径选择算法,模拟结果表明,提出的算法能达到提高网络性能,降低网络链路成本的目的。     

大型云计算多服务器环境下故障节点定位仿真

云计算环境下多服务器故障节点准确定位关系到设备的安全。在云计算环境中,大量不同编码规则的服务器同时工作,单个服务器形成服务器节点,由于编码规则的不同,服务器节点之间存在较强的差异性,传统的服务器故障节点定位模型都是以相同规则编码下的服务器统一特征对比为基础,完成故障定位的,一旦服务器之间是不同规则的,定位需要进行区分,定位效果不好。提出基于粒子群单循环搜索算法的云计算中多服务器故障节点定位方法。提取云计算网络中不同服务器故障节点特征,计算对应特征的权重,并对特征提取误差进行补偿,实现差异化故障节点特征提取。根据上述特征,构造初始粒子群,计算粒子的更新速度和空间位置,搜索故障特征最优解,得到的即是故障节点。实验结果表明,利用改进算法进行云计算中故障节点定位,能够极大的提高定位精度,在服务器数量较多,服务器节点之间差异较大的情况下,这种优势更加明显。     

基于动态规划的多链路出口路径选择算法

针对多链路接入问题,选取链路成本及影响网络性能的路由跳数作为多链路出口路径选择的优化对象,通过建立多目标优化模型,将多链路出口路径选择转化为动态规划问题,提出一个基于动态规划的多链路出口路径选择优化算法。模拟结果表明,该算法能有效提高网络性能,降低网络链路成本。     

求解多车型校车路径问题的带参数选择机制的GRASP算法

考虑到校车路径安排过程中不同车型容量和成本的差异,建立了多车型校车路径问题(SBRP)模型,并提出了一种带参数选择机制的贪婪随机自适应(GRASP)算法进行求解。在初始解构造阶段,设计一组阈值参数控制受限候选列表(RCL)的大小,使用轮盘赌法选择阈值参数。完成初始解构造后,使用可变邻域搜索(VNS)进行邻域解改进,并记录所选择的参数和解的目标值。算法迭代过程中,先设置相同阈值参数的选择概率,每隔若干次迭代后,评估每个阈值参数的性能并修改其选择概率,使得算法能够得到更好的平均解。使用基准测试案例进行了测试,比较了基本GRASP算法与设计的GRASP算法的性能,并与现有求解多车型校车路径问题的算法进行对比,实验结果表明所设计的算法是有效的。     

基于锚节点选择的无线传感器网络定位算法

针对无线传感器网络定位系统中节点随机分布及锚节点数量有限而影响定位性能.在传统的DV-Hop定位算法基础上提出并分析一种基于锚节点选择的无线传感器网络定位改进算法.首先,根据距离矢量路由技术获得节点到锚节点间的距离.然后,选取合适锚节点进行初始位置估计,并进行位置优化.最后,将其升级为锚节点从而提高锚节点密度.仿真结果表明该算法与传统的DV-Hop定位算法相比定位精度有很好的改善,具有一定的可用性.     

多层信息网络故障定位综述

本文对多层网络（覆盖网、虚拟网等）故障定位问题进行了分析和总结。讨论了多层网络探测故障信息获取策略和故障定位模型的发展状况,即介绍了被动监测、主动探测、主被动结合探测和终端用户观察等探测信息获取策略,以及基于图论故障传播模型、依赖矩阵模型、症状-故障-行动模型等故障传播模型的原理以及其优缺点。从故障定位模型、探测信息获取策略、故障定位计算、网络异构性、运行效率与成本多个方面重点综述了多层网络故障定位方法,讨论了每种方法的优点和局限性。最后,对多层网络故障定位研究的不足和亟待进一步研究解决的问题进行了探讨。     

室内定位中基于EFIM和距离协作的节点选择算法

协作定位网络中节点间(除了锚节点和锚节点间)大量的信息交换会造成计算复杂度的增加,冗余信息的交换还会造成能源浪费.为了解决这个问题,提出一种基于等效费希尔信息矩阵(EFIM)和距离协作的节点选择算法,并用位置误差界限的平方(SPEB)来描述位置精度.首先获取邻近节点到目标节点的距离作为辅助信息以提高定位精度,然后通过推导更新EFIM来计算SPEB,根据新提出的算法选择邻近节点作为辅助节点.仿真结果表明新提出的算法优于其他几种常用的算法,达到某一特定的定位精度要求时选择的邻近节点数量最少,同时还提高了能量的利用率.     

面向排序学习的层次聚类特征选择算法

大型搜索系统对用户查询的快速响应尤为必要,同时在计算候选文档的特征相关性时,必须遵守严格的后端延迟约束。通过特征选择,提高了机器学习的效率。针对排序学习中快速特征选择的起点多为单一排序效果最好的特征的特点,首先提出了一种用层次聚类法生成特征选择起点的算法,并将该算法应用于已有的2种快速特征选择中。除此之外,还提出了一种充分利用聚类特征的新方法来处理特征选择。在2个标准数据集上的实验表明,该算法既可以在不影响精度的情况下获得较小的特征子集,也可以在中等子集上获得最佳的排序精度。     

基于云计算的混合并行遗传算法求解最短路径

为提高最短路径求解问题的效率,提出一种基于云计算的细粒度混合并行遗传算法求解最短路径的方法。方法采用云计算中H adoop的Map Reduce并行编程模型,提高编码效率,同时将细粒度并行遗传算法和禁忌搜索算法结合,提高了寻优算法的计算速度和局部寻优能力,进而提高最短路径的求解效率。仿真结果表明,该方法在计算速度和性能上优于经典遗传算法和并行遗传算法,是一种有效的最短路径求解方法。     

一种融入注意力和预测的特征选择SLAM算法

针对SLAM (simultaneous localization and mapping)在急转弯、快速运动场景中定位失败的问题,提出一种融入注意力和预测的特征选择即时定位与地图创建(SLAM)算法,选择随着相机的运动更有可能保持在视野中的特征点,舍去即将消失在视野中的特征点。首先利用logdet度量量化特征选择的可行性,然后计算特征点的信息矩阵,再从检测到的特征中通过贪婪算法选择 k 个特征(近似的)最大化logdet度量,最后结合ORB-SLAM2的实际实验表明,该算法在复杂场景(如急转弯、快速运动)中可以确保定位的准确性。     

无线传感器网络局部协同定位算法

针对无线传感器网络中距离定位算法精度和覆盖率低的问题,提出了局部协同定位算法(LCLA)。该算法通过对节点路径损耗指数的局部计算,将通信中受到环境或者障碍物影响的锚节点判定为无效锚节点;同时引入协同定位思想,将满足误差要求的已定位节点升级为锚节点,并参与其他未知节点的定位,以提高定位的覆盖率。节点定位时,若收到多个锚节点信号,优先选取初始的有效锚节点对其进行定位;当有效锚节点个数不足以定位时,再选取升级后的锚节点,以减少累积误差,提高定位精度。仿真结果表明,局部协同定位算法在定位覆盖率和精度方面优于改进的接收信号强度指示(RSSI)定位算法、多维尺度分析(MDS-MAP)算法和协作定位算法。     

A modified genetic algorithm with fuzzy roulette wheel selection for job-shop scheduling problems

The job-shop scheduling problem is one of the most difficult production planning problems. Since it is in the NP-hard class, a recent trend in solving the job-shop scheduling problem is shifting towards the use of heuristic and metaheuristic algorithms. This paper proposes a novel metaheuristic algorithm, which is a modification of the genetic algorithm. This proposed algorithm introduces two new concepts to the standard genetic algorithm: (1) fuzzy roulette wheel selection and (2) the mutation operation with tabu list. The proposed algorithm has been evaluated and compared with several state-of-the-art algorithms in the literature. The experimental results on 53 JSSPs show that the proposed algorithm is very effective in solving the combinatorial optimization problems. It outperforms all state-of-the-art algorithms on all benchmark problems in terms of the ability to achieve the optimal solution and the computational time.     

Sensor selection for received signal strength-based source localization in wireless sensor networks

Generally, localization is a nonlinear problem, while linearization is used to simplify this problem. Reasonable approximations could be achieved when signal-to-noise ratio (SNR) is large enough. Energy is a critical resource in wireless sensor networks, and system lifetime needs to be prolonged through the use of energy efficient strategies during system operation. In this paper, a closed-form solution for received signal strength (RSS)-based source localization in wireless sensor network (WSN) is obtained...     

无线传感器网络改进型节点定位算法的研究

无线传感器网络节点位置信息对于事件监测起到至关重要的作用,节点定位技术是无线传感器网络应用的支撑技术之一。为了提高无线传感器网络节点定位的精度,同时减少定位计算过程中的能耗,在RSSI,HCRL定位机制分析的基础上提出了一种改进型的节点定位算法:接收信号强度比定位算法(RSS-RL),通过仿真试验显示:RSS-RL定位算法不仅降低了节点定位复杂度,而且,提高了定位精度。     

基于RSSI比值修正的无线传感器网络DV-Hop定位算法

针对传统原DV-Hop算法未考虑因邻居节点间分布不均直接使用跳数来估计每跳距离而导致对未知节点到信标节点的距离估算造成较大的误差,提出一种基于接收信号强度指示(RSSI)比值修正距离估计定位算法,把RSSI作为节点间欧氏距离的比征来修正每一跳的距离.仿真实验表明:该改进算法在几乎没有增加通信开销的前提下有效地提高了DV-Hop定位精度,同时增强了算法的环境适应性.