超短波无线网络规划方法研究

为改进超短波无线网络的构建方式,研究在给定若干必要网络节点的条件下,增加机动节点构成最优网络的方法。为平衡网络的建设成本、可靠性和通信质量的关系,设计一个分层优化模型,并提出分层多目标优化近似算法求解该模型,根据目标函数的优先层次求得满足约束条件的近似最优解。仿真结果表明,该算法能找到与最优解近似甚至相同的解。与GLiD算法相比,其规划的网络成本更低,可靠性和通信质量更好。     

面向柔性制造车间的多目标RFID网络规划方法

针对具有多种覆盖需求的柔性制造车间RFID网络规划问题,以部署成本、阅读器干扰与阅读器效能为多优化目标,提出一种分层聚类、冗余消减与梯度下降方法集成的RFID网络规划方法,采用分层聚类算法确定RFID初始数量与部署位置,采用冗余阅读器消减算法优化RFID数量,采用梯度下降算法优化RFID部署位置从而实现网络规划多目标优化。实验研究表明,提出的方法在多目标综合性能方面优于传统基于分层聚类方法、遗传算法、粒子群与冗余消减混合方法的RFID网络规划方法,验证了该方法的有效性。     

一种基于道路网络层次拓扑结构的分层路径规划算法

鉴于平面最短路径算法应用于大规模网络规划中的效率不高,而分层算法引入"分而治之"策略,则能有效解决此难题。为了利用分层算法进行路径规划,首先研究了分层算法的数据基础——道路网络层次拓扑结构,其涉及基于道路等级的路网分层抽象、道路数据分区组织、以区域为单位的路网层次拓扑关系模型;接着提出了一种适用于LBS(基于位置的服务)的分层路径规划算法。该算法先通过距离值判断是否切换到上一层;然后利用启发式A*算法搜索入口和出口;最后使用双向策略搜索层内两点之间的最短路径。利用现实道路网络进行的实验分析结果表明,该算法能从本质上提高大规模网络中路径规划的效率。     

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。     

利用增强烟花算法对RFID网络进行规划

为了实现面向复杂环境下的RFID（Radio Frequency Identification）网络规划,提出利用增强烟花算法,并采用分层方法来实现多目标RFID网络的规划。通过建立优化模型,在满足标签100%覆盖率、部署更少的阅读器、使用较少的发射功率和避免信号干扰四个目标的基础上,使用标准基测试集进行测试,与GPSO（Global topology Particle Swarm Optimization）、VNPSO（Von Neumann topology Particle Swarm Optimization）、GPSO-RNP（Global topology Particle Swarm Optimization-RFID Network Planning）和VNPSO-RNP（Von Neumann topology Particle Swarm Optimization-RFID Network Planning）四种算法进行了对比分析。实验结果表明,增强烟花算法在对多目标RFID进行网络规划时表现更优异,可以更有效地求出最优化方案。     

基于遗传算法求解Ad Hoc网络路由问题

目前某些AdHoc网络中的QoS路由算法难以满足军事系统中一些特定业务对于多个目标的同时要求。针对该问题,提出一种以时延作为约束条件,链路代价作为QoS优化目标的QoS路由选择整数规划模型,并用遗传算法求解该模型。     

分层传感器网络的最大化寿命模型与求解

针对矩形传感器网络,给出了满足连通覆盖约束条件的分层传感器网络最大化寿命模型,提出一种非均匀的节点布置算法,通过分析节点的能耗来计算层的宽度,并定量规划了每层中节点的数目。仿真实验表明,基于分层的非均匀节点布置算法能有效延长网络的寿命。     

基于协同粒子群优化算法的输电网络扩展规划*

输电网络扩展规划是一个复杂的多变量多约束的非线性整数规划问题,针对传统粒子群算法易陷入局部最优、收敛慢的缺陷,本文将协同进化思想与粒子群优化算法结合,提出了一种协同粒子群优化算法,并将该算法应用于输电网络规划,建立了数学模型,该模型以达到线路的年综合费用最小为目标函数,并在此基础上设计了相应的算法。算例将其应用到一个10节点系统和一个22节点系统,计算结果证明了该算法在输电网络规划优化中应用的可行性和有效性。     

基于贝叶斯网络和蚁群算法的航路优化

为了提高无人机（UAV）的作战效率和生存概率,在UAV执行任务前,必须为其设计高效的飞行航路。采用将贝叶斯网络模型威胁强度评估算法与蚁群算法相结合的航路规划方法,根据UAV航路规划问题的特点对蚁群算法进行改进。仿真结果表明,该方法能更好地满足实时战场需要,得到良好的优化航路。     

WSN中基于最大最小化的优化路由算法

无线传感器网络(WSN)由能量受限的节点组成,需要设计路由算法优化节点的能耗。文章以最大化网络生存时间为目标,基于最大最小化模型提出了优化路由算法,定义了数据发送矩阵,设计了转发节点选择机制,以避免路由回路;基于节点收发数据的能耗及剩余能量,设计了求解优化路由的数学规划模型,优化了传感器节点的数据发送路径和发送量,均衡了节点的能量消耗。仿真结果表明,该算法能有效地均衡节点的能耗,延长网络生存时间。     

基于层次遗传算法的物流配送中心选址策略*

在考虑物流规划部门和客户双方利益的基础上,采用双层规划模型描述物流配送中心的选址问题。基于进化博弈与多目标优化的思想设计了层次遗传算法来求解该模型,通过两个遗传算法的交互迭代求解物流配送中心选址问题。最后通过算例验证了模型与算法的可行性。     

面向嵌入式设备的深度学习物体检测优化算法

随着深度神经网络研究地不断深入,物体检测的精度和速率都在不断提升,但是随着网络层的加深,模型体积不断增大,计算代价也越来越高,无法满足神经网络直接在嵌入式设备上实现快速前向推理的需求.为了解决这个问题,本文针对嵌入式设备进行深度学习物体检测优化算法研究.首先,选择合适的物体检测算法框架和神经网络架构;然后在此基础上针对特定检测场景下采集的图片进行训练和模型剪枝;最后,对移植到嵌入式设备上的模型剪枝后的物体检测模型进行汇编指令优化.综合优化后,与原有网络模型相比,模型体积减小9.96%,速度加快8.82倍.     

Multi-colony bacteria foraging optimization with cell-to-cell communication for RFID network planning

In order to obtain accurate and reliable network planning in the Radio Frequency Identification (RFID) communication system, the locations of readers and the associated values for each of the reader parameters have to be determined. All these choices must optimize a set of objectives, such as tag coverage, economic efficiency, load balance, and interference level between readers. This paper proposes a novel optimization algorithm, namely the multi-colony bacteria foraging optimization (MC-BFO), to solve complex RFID network planning problem. The main idea of MC-BFO is to extend the single population bacterial foraging algorithm to the interacting multi-colony model by relating the chemotactic behavior of single bacterial cell to the cell-to-cell communication of bacterial community. With this multi-colony cooperative approach, a suitable diversity in the whole bacterial community can be maintained. At the same time, the cell-to-cell communication mechanism significantly speeds up the bacterial community to converge to the global optimum. Then a mathematical model for planning RFID networks is developed based on the proposed MC-BFO. The performance of MC-BFO is compared to both GA and PSO on RFID network planning problem, demonstrating its superiority.     

改进遗传算法的公交线网优化研究

公交是一种主要的城市公共交通工具,针对现有城市公交线网设计时普遍存在缺乏层次性规划的问题,提出了改进遗传算法的公交线网优化方法。首先对当前城市公交线网优化的研究现状进行分析,然后设计相应的城市公交线网优化数学模型,采用改进遗传算法对城市公交线网优化数学模型进行求解,并通过引入动态惩罚系数确定适应度,以调整收敛速度;通过自适应机制确定交叉概率和变异概率,以调整搜索空间。最后采用具体算例对本文方法的性能进行分析。结果表明,这个方法不仅可以找到更优的城市公交线网优化方案,而且求解的效率得到了明显提升。     

带跳数限制的抗毁性网络设计

在网络设计中,为了保证网络服务质量,需要对网络节点间的跳数进行限制.同时网络设计还必须考虑一定的抗毁性要求.提出了使用生成树优化算法来求解某些抗毁性网络设计的难题.生成树优化算法较圆满地解决了既有连通度要求又有跳数限制的抗毁性网络设计问题.该算法不仅具有较强的实际应用价值,也对推动抗毁性网络的研究有十分重要的意义.     

改进GA的直流锅炉主汽温控制器参数优化研究

针对直流锅炉主汽温控制存在的大惯性、大延迟、时变性等问题,提出了带遗传算法(GA)优化的PID串级控制方法。采用了控制器分级多目标优化的改进方法,并利用遗传算法对串级PID参数进行实时动态优化,以适应主汽温对象的时变特性。针对基本的遗传算法进行改进,从而改善其运算量大且易早熟的缺点,提出了排序选择、自适应交叉和变异概率、压缩搜索空间等多种改进方法。仿真实验表明,所提出的方法能很好地改善系统的控制性能,有效提高控制系统的鲁棒性。     

基于VSPSO和A-G网络的掘进机动态路径规划

为解决部分断面悬臂式掘进机行进路径规划问题,实现掘进机的无人化掘进,提出基于变异自适应粒子群算法(VSPSO)和行为规则栅格网络(A-G)的掘进机动态路径规划方法.通过分析掘进机行进特征和煤矿井下巷道特征,建立基于行为规则的栅格网络模型和代价模型,给定代价函数的类型及耗费系数的取值范围,以巷道模拟数据为基础,通过所提出的VSPSO算法和6种改进型PSO算法进行掘进机行进路径规划并对结果进行比较.比较结果表明,在测试函数下,VSPSO算法收敛速度更快、收敛精度更高,在行为规则栅格网络模型下,VSPSO算法的收敛速度与精度最高,且能够规划出符合掘进机行为特征的最优行进路径.