基于差分进化和人工蜂群混合策略的DV-Hop改进算法

为了解决无线传感器网络依靠DV-Hop算法定位过程中存在误差偏高的问题,将人工蜂群算法和差分进化算法融合,引入传统DV-Hop算法中,提出一种HDV-Hop算法。该算法在继承经典DV-Hop算法的前提下,获取锚节点的信息及平均跳距距离,在未知节点定位阶段引入混合策略的目标函数,优化搜索算法,提高定位精度,完成对未知节点的定位。仿真分析表明,该算法相比于DV-Hop算法和基于人工蜂群的定位算法能有效降低定位误差,提高稳定性。     

基于改进DV-Hop的无线传感器网络节点定位算法

针对DV-Hop距算法定位误差大的难题,提出一种改进离估计误差,并利用DV-Hop的传感器节点定位算法。首先修正知节点与信标节DV-Hop算法对节点进行定位;然后对进V-Hop算法定位误差行校正,最后在Matlab 2012平台上对算法性能进行仿真分析。仿真结果表明,本文算法可以较好地克服DV-Hop算法存在的不足,提高了传感器节点的定位精度。     

无线传感器网络中基于DV-Hop定位算法的改进

根据信标节点到达未知节点的跳数信息,将未知节点接收到的信标节点划分为3个级别,即到达未知节点跳数为1的节点为第一级节点、跳数为n的节点为第二级节点,剩余的为第三级节点。为此,在未知节点的信息表中定义了两个计数器,即counter1和counter2。计数器的值不同,意味着所选择的定位方法也有所区别。此外,跳数为1的情况下,引入了接收信号强度指示(RSSI)模型进行定位。同时,文章也详细阐述了对传统的DV-Hop算法的改进。     

基于GWO和PSO协同优化的DV-Hop定位算法

无线传感器网络具有感知和处理信息的能力,只有当被测网络内节点的位置已知时,节点传递给用户的信息才有意义。针对DV-Hop定位中传统最小二乘法不可避免的精度低的缺点,引入粒子群算法(PSO)和灰狼优化器(GWO)来估计未知节点位置。粒子群算法具有个体记忆的特点,采用粒子位置更新代替灰狼个体位置更新,使灰狼算法在优化上具有可记忆性。仿真数据表明,改进后的算法可以有效降低节点定位误差,实现更高的定位精度。     

基于RSSI修正的改进DV-Hop测距算法

针对DV-Hop算法测距误差受节点分布不均匀影响较大的问题和RSSI算法受环境因素影响较大的问题,提出了一种基于RSSI修正的改进型DV-Hop测距算法。该算法在保持DV-Hop算法环境适应性强的优点的同时,有效降低了由于节点分布不均而引起的测距误差,从而提高了定位精度。仿真结果表明该修正算法在不同的锚节点数和不同的通信半径下,均能够有效降低测距误差;同时该算法的定位精度与原DV-Hop算法以及另外3种以DV-Hop为基础的改进型算法相比均得以提高。     

DV-Hop定位算法的研究与改进

DV-Hop算法是一种无需测距的节点定位方式,其在无线传感器网络中存在较大定位误差.本文引入细化半径的节点通信思路,从而细化最小跳数值,期待改进原算法的不足.大量仿真结果说明:平等仿真前提下,改进算法在没有大幅度增加算法繁琐度的背景下,定位误差有了大幅降低,定位精度得以提升.     

基于改进蝴蝶优化的DV-Hop定位算法

为了进一步提高距离向量跳段算法（Distance Vector-Hop,DV-Hop）的定位精度,提出了一种基于改进蝴蝶（Butterfly Optimization Algorithm,BOA）优化的DV-Hop算法（Improved Butterfly Optimization Algorithm,IBOA）。首先,采用多通信半径来优化节点间的最小跳数,并且利用修正因子来减小节点之间的平均跳距误差,降低算法的定位误差;其次,将黄金蝴蝶算法用于求解节点定位目标函数最优值;最后,引入佳点集、动态切换概率策略以及全局扰动因子,提高算法的迭代速度和寻优能力。仿真结果表明,相较于传统DV-Hop算法和现有改进算法,IBOA算法的平均定位误差分别下降了25.40%、6.54%,具有良好的定位精度。     

无线传感器网络DV-Hop定位算法研究

本文介绍了无线传感器网络定位技术的国内外研究现状,对无线传感器网络的相关技术做了整体概述。综述了无线传感器网络自身定位系统的评价、分类,重点对无需测距自定位算法中的DV-Hop算法进行了研究,并用VC++编程实现仿真。     

WSN中一种改进的DV-Hop节点定位算法

DV-Hop算法是一种经典的距离无关的无线传感器网络节点定位算法.详细分析了DV-Hop算法的定位过程,针对其局限性提出一种改进的DV-Hop算法.该改进算法在传统DV-Hop算法的第一阶段采用分簇策略以减小通信开销和分组冲突概率,并且用拟牛顿优化算法代替传统的最小二乘法计算节点位置,最后用Matlab7.0进行仿真....     

一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法

针对Distance Vector-Hop (DV-Hop) 定位算法存在较大定位误差的问题,该文提出了一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法,即WSGDV-Hop定位算法。改进算法用基于误差与距离的权值处理锚节点的平均每跳距离;根据判断的位置关系选择适合的跳段距离计算方法;用改进的遗传算法优化未知节点坐标。仿真结果表明,WSGDV-Hop定位算法的性能明显优于Distance Vector-Hop (DV-Hop) 定位算法,减小了节点定位误差、提高了算法定位精度。     

基于人工蜂群算法的中继卫星任务调度研究

研究中继卫星任务调度问题可以为跟踪与数据中继卫星系统(TDRSS)的任务计划编排提供科学合理的决策方法,任务调度模型的建立与调度算法的设计是中继卫星任务调度的两个关键问题。该文针对中继卫星任务调度问题特点,综合考虑中继卫星与用户航天器之间具有可见时间窗、用户提交的任务属性、中继卫星前向资源受限等约束条件,建立了中继卫星任务调度约束规划模型并提出基于人工蜂群(ABC)算法的中继卫星任务调度算法。最后,通过仿真数据分析,表明基于人工蜂群算法的中继卫星任务调度算法是一种有效的、合理的调度方法。     

采用入侵杂草优化算法的WSN定位精度提高方法

提高节点定位精度是无线传感器网络无需测距定位算法的关键问题之一。DV-Hop算法作为一种典型的无需测距定位算法也存在精度不高的问题。对此,提出了一种基于改进入侵杂草优化算法的新的定位算法。将算法中的目标函数设为节点定位误差,从考虑传感器节点定位问题转换为全局最优化问题,并利用人工蜂群搜索机制对入侵杂草优化算法进行改进。利用仿真技术对不同算法进行比较,从结果可以表明,本文提出的改进算法能够有效提高算法的定位精度。     

Region based Image Steganalysis using Artificial Bee Colony

Steganalysis is the art and skill of discriminating stego images from cover images. Image steganalysis algorithms can be divided into two broad categories, specific and universal. In this paper, a novel universal image steganalysis algorithm is proposed which is called RISAB, Region based Image Steganalysis using Artificial Bee colony. The goal of the proposed method is to realize a sub-image from stego and cover images through ABC with respect to density according to the cover, stego and difference images. In our method, we look for the best sub-image, which contains the highest density with respect to the changed embedding pixels. Furthermore, after selecting the best sub-image, we extract the features, which have been selected by IFAB, Image steganalysis based on Feature selection using Artificial Bee colony. At the end, both selected features by IFAB and extracted features by RISAB are combined. As a result, a feature vector is generated which improves accuracy of steganalysis. Experimental results show that our proposed method outperforms other approaches.     

基于改进人工蜂群算法的认知无线电频谱分配

各类无线电业务的兴起和发展使得频谱资源处于拥挤的状态,然而当前的静态频谱分配机制导致频谱资源存在着部分频段紧缺和频谱利用不平衡的矛盾。认知无线电是一种提高频谱利用率的新技术。认知无线电系统中，动态频谱分配技术在利用闲置频谱资源上发挥关键作用。本文介绍了频谱分配的图论着色模型，提出一种改进的蜂群算法。基本人工蜂群算法存在搜索精度不高和收敛速度较慢的问题，本文改进的人工蜂群算法引入了基于差分进化算法的搜索策略和高斯变异的侦察策略，并且对选择策略进行改进，提高了种群的多样性。将改进的蜂群算法应用于频谱分配模型中，实验结果表明：改进的人工蜂群算法可以得到更好的系统收益，加快了收敛速度。     

基于人工蜂群算法的粒子滤波目标跟踪

针对基于粒子滤波的视频目标跟踪算法中由于粒子重采样过程而导致粒子贫化的问题,提出了一种基于人工蜂群算法的粒子滤波目标跟踪算法,利用群体智能的特点使得粒子集在重采样前得到优化,保持了粒子的多样性,从而解决了粒子贫化问题,同时增加了有效粒子的数目.实验结果表明,基于人工蜂群算法的粒子滤波跟踪算法,比标准粒子滤波跟踪算法所需粒子数更少,对目标遮挡、较复杂背景有较好的跟踪效果.     

A model for virtual network embedding using Artificial Bee Colony

In a network virtualization environment, a significant research problem is that of virtual network embedding. As the network virtualization system is distributed in nature, an effective solution on how to optimally embed a dynamically generated virtual network request on the substrate networks that are owned and managed by multiple infrastructure providers needs proper attention. The problem is computationally hard, and therefore, many approaches, implying heuristics/meta‐heuristics, have been applied for the same. A meta‐heuristic, Artificial Bee Colony algorithm is getting popular due to its robustness toward complex problem solving. A novel approach based on Artificial Bee Colony to address the dynamic virtual network embedding problem in a multiple infrastructure provider scenario is proposed in this work. Bee population is initialized by using a greedy heuristic in which the number of substrate networks together with virtual network requests constructs a bee. Generated solution, in the population, is improvised by using greedy selection that explores a local search method adopted by the bees. In greedy selection, the new candidate source is memorized by the bee if its fitness is better than the fitness of the existing source. The performance study of the proposed model is done by simulation over various metrics such as embedding cost, embedding time, and acceptance ratio. A comparative study is conducted with other nature‐inspired virtual network embedding algorithms on these metrics. The findings affirm that the proposed virtual network embedding approach performs well and produces better results.     

基于FW-PSO算法优化无线传感网络拓扑结构的方法

无线传感网络(WSN)具有无标度网络的特征,通常工作在无人值守的开放性环境中,极易遭受到各种蓄意攻击。攻击使得网络发生故障,甚至会导致整个网络瘫痪。该文基于复杂网络领域的无标度网络,构建具有无标度特性的无线传感网络模型。利用烟花算法及粒子群算法(PSO)寻优过程中的搜索能力、种群多样性等优点,提出了一种FW-PSO算法,该算法在全局搜索能力和收敛速度上具有较好的性能。针对具有无标度特性的网络模型,用FW-PSO算法对网络拓扑进行优化,在不同的攻击策略下分别从动态抗毁性和静态抗毁性分析优化前后网络的性能。仿真实验表明,与其他同类算法相比,经过该文所提算法优化后的无线传感网络的动态和静态抗毁性能都有明显提升。