一种混合异构传感网的覆盖洞修补算法

传感网感知节点部署的随机性以及节点能耗殆尽、损坏退出等问题使网络中存在覆盖洞, 利用移动节点来修补覆盖空洞是当前较为可行的方法. 假定网络在静态节点和移动节点处混合, 并且在节点感知半径异构的情况下,研究如何通过移动节点重定位来修复感知覆盖洞, 同时兼顾移动距离或能耗最小以及修复后的感知覆盖率最大化来优化感知覆盖性能. 针对移动节点覆盖洞修补规划的NP-hard 问题, 结合遗传算法, 提出一种覆盖洞修补算法来求解最优解. 仿真实验结果表明, 所提出的算法相比于同类算法能够更有效地修补漏洞并兼顾节点能耗以及感知覆盖率.

     

分簇传感器网络中时延约束下移动sink 的路径优化

在分簇传感器网络中引入移动sink, 用于协助其上层网进行数据汇聚. 为解决时延约束与节能需求间的矛盾, 提出一种基于效用优先级和反效用优先级的移动sink 路径优化选择算法. 依据最小能耗原则首先为非访问节点设计了数据迁移路径寻找方案, 随后在此基础上提出一种基于节点效用优先级的访问点集贪婪构造算法, 并基于反效用优先级为其设计了两种优化方案. 仿真实验验证了所提出算法的有效性, 保障时延要求的同时最大限度地降低了网络能耗.

     

无线传感器网络拓扑三级分簇优化算法

针对大规模分布式传感器网络提出一种拓扑三级分簇结构优化算法. 通过引入传感器休眠模式, 并考虑到分簇数目较多的情况, 对多个簇头节点采用生成最小刚性图的方法进行拓扑优化, 以实现传感器网络整体能量均衡,使传感器网络具有较好的连通性和鲁棒性. 仿真实验表明, 与已有相关算法相比, 采用所提出的算法可使网络延缓出现节点死亡现象, 有利于实现网络负载均衡, 并且网络中节点整体存活时间较长, 从而延长网络的生命周期.

     

基于C-V 模型的网络覆盖空洞探测与修复算法

网络寿命是衡量无线传感器网络性能的一项重要指标. 无线传感器网络覆盖空洞问题严重影响了网络寿命. 对此, 提出一种基于C-V 模型的网络覆盖空洞探测与修复方法. 首先采用基于奈曼-皮尔逊准则的感知模型计算出监控区域每一个位置的节点联合探测概率; 然后基于改进的C-V 模型, 提出一种新的覆盖空洞探测方法, 有效地计算出空洞的数量和大小; 最后, 采用基于改进的粒子群算法实现覆盖空洞的修复. 仿真结果表明, 所提出的算法在保证无线传感器网络覆盖率的同时可以提高网络寿命.

     

基于蜂拥控制的移动传感器网络目标跟踪算法

针对移动传感器网络中的目标跟踪问题, 以及现有控制策略在保持网络拓扑结构连通性和降低能量消耗方面存在的不足, 提出一种基于蜂拥控制的移动传感器网络目标跟踪算法. 首先, 利用网络中部分节点检测目标, 并使用卡尔曼一致性滤波算法估计目标的状态, 在获得比较精确的估计状态的同时降低能量消耗; 然后, 在蜂拥控制下传感器网络始终保持拓扑结构连通性和目标对网络可见, 同时避免节点之间发生碰撞. 仿真结果验证了所提出算法的有效性.

     

无线传感器网络中一种能量高效的分布式分簇算法

提出了一种适用于无线传感器网络的能量高效的分布式分簇算法（ＥＥＤＣ）,该算法使具有较高剩余能量及距离基站较近的节点有更大的机会成为簇头．理论分析表明该算法通信开销较小,而且有效地均衡了节点的能量消耗．为了确保ＥＥＤＣ 的正确性、完整性和可靠性,利用形式化方法———着色网对其关键属性进行建模和分析．仿真结果表明,ＥＥＤＣ 有效地延长了网络生命周期,提高了网络的能耗效率．

     

一种基于互信息变量选择的极端学习机算法

针对回归问题中存在的变量选择和网络结构设计问题, 提出一种基于互信息的极端学习机(ELM) 训练算法, 同时实现输入变量的选择和隐含层的结构优化. 该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中, 以网络的学习性能作为衡量输入变量与输出变量相关与否的指标, 并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace 和10 组标杆数据上的仿真结果表明了所提出算法的有效性. 该算法不仅可以简化网络结构, 还可以提高网络的泛化性能.

     

混合型异构传感器网络中移动数据收集器的路径优化

针对周期工作-事件驱动混合型异构传感器网络, 设计一种基于静态Sink 搭配移动数据收集器(MDC) 的数据收集策略. 为了解决MDC访问规划问题, 提出一种最小能耗访问节点集搜索算法. 首先, 基于节点相对边缘度从整体层面去除适量边缘节点; 然后, 依据节点排除优先度, 迭代排除当前节点集中相对能效最低的节点, 从而逐步获得优化的访问节点集. 仿真实验结果表明, 所提出的新数据收集策略具有优异的能效性、负载均衡性和实时性.

     

改进式混合增量极限学习机算法

针对增量型极限学习机(I-ELM) 中存在大量降低学习效率及准确性的冗余节点的问题, 提出一种基于Delta 检验(DT) 和混沌优化算法(COA) 的改进式增量型核极限学习算法. 利用COA的全局搜索能力对I-ELM 中的隐含层节点参数进行寻优, 结合DT 算法检验模型输出误差, 确定有效的隐含层节点数量, 从而降低网络复杂程度, 提高算法的学习效率; 加入核函数可增强网络的在线预测能力. 仿真结果表明, 所提出的DCI-ELMK 算法具有较好的预测精度和泛化能力, 网络结构更为紧凑.

     

服务覆盖网络中一种动态流量工程模型与算法

针对服务覆盖网络中的自私路由造成的网络流量失衡将严重影响网络效率和稳定性的问题, 研究如何在覆 盖层应用动态流量工程的方法进行流量优化分配. 基于随机动态优化配流理论, 提出一种服务覆盖网络的动态流量 工程模型, 并设计了分布式的流量工程算法. 该算法可以折衷控制路由的自私与负载均衡的程度. 模拟实验显示, 所 提出的方法较其他方法具有更好的性能, 尤其对于实时动态流量有着较好的适应性.

     

基于感染球策略的传感器网络移动代理路由算法

基于感染球策略提出一种移动代理能量有效路由算法(EEMAA),该算法利用感染球来缩小移动代理寻找及修复最优路径的范围,进而降低网络的寻路能耗;同时,还提出一种最优路径局部修复策略,该策略能在保留原有最优路径大部分信息的基础上,对最优路径作出局部修复.仿真实验表明,该算法在寻找最优路径时能避开剩余能量少的节点,使网络中各节点的能量呈整体性衰落,且在失效节点附近能快速修复最优路径.     

事件驱动传感器网络中基于数据聚合的自适应路由算法

为优化事件驱动传感器网络总能耗,提出一个基于数据聚合的自适应路由算法,它能够实现低控制开销的事件域节点分布式成簇,计算并借助于路由汇聚中心,建立一棵基于事件的近似Steiner树,有效减少网内数据分组与控制分组的传输量.理论分析与实验表明,该算法的路由结构建立与维护开销较少,能优化数据聚合效率,实现高能效的数据收集,提升网络性能.     

基于自适应加权融合的分布式滤波算法

针对存在丢包的传感器网络中每个传感器节点对目标估计确信度不同的问题,提出一种基于自适应加权融合的分布式滤波算法.考虑节点在网络中的影响力及其节点属性,将节点重要度与传感器网络节点观测数据间的支持度线性加权,获得每个传感器节点对目标的估计确信度,并将该确信度构成的融合权值引入节点状态估计值的一致性协议中,更新传感器节点对目标的状态估计值,提高分布式滤波算法的估计精度和传感器节点估计值的一致性.仿真结果验证了所提出方法的有效性.     

基于粒子群优化的大规模传感器网络节点调度策略

针对资源受限条件下大规模无线传感器网络中协作目标跟踪问题,提出一个基于粒子群优化的节点调度方案.该方案利用高斯粒子滤波算法和方差交叉融合算法获得目标状态预测信息,进而选择下一时刻簇成员节点,并构造了通信能耗的代价函数,利用粒子群优化方法选择最佳的簇头节点,减少了节点调度的计算复杂度,同时保持了较好的跟踪精度.仿真结果验证了所提出方案的有效性.     

网络监测节点序列部署问题的占线竞争算法设计

万维网的高速发展需要在网络内部构建部署相应的网络监测系统,但由于耗资巨大,在设计网络监测系统时,网络节点部署初期往往不能一次性监测完所有的边,只能选择有限的网络节点以监测少部分的边,再逐渐增加部署新的网络监测节点.在占线理论与竞争策略的基础上,研究网络监测系统网络节点序列占线优化部署问题,给出一个竞争算法,证明了该算法具有常数竞争比,该竞争比结果优于已有的结果.     

基于差分进化算法的移动传感器网络节点的分布优化

针对传感器节点的分布优化问题,研究了在保证网络连通性的前提下,极大化移动传感器网络的有效覆盖面积问题,提出了一种基于差分进化算法的移动传感器网络节点分布优化机制.仿真实验结果表明,该算法能以相对较小的代价快速完成移动传感器网络节点的分布优化,提高网络的有效覆盖率,实现移动传感器网络布局的全局优化.     

基于随机匹配的复杂网络最小驱动点集分析

控制复杂网络在很多领域都有着重要的应用价值. 将控制复杂网络所需的最少节点集合称为最小驱动点集. 针对网络的最小驱动点集并不唯一, 提出一种随机匹配方法来获取网络中不同的最小驱动点集, 并分析最小驱动点 集集合的平均度分布以及节点在最小驱动点集集合中的出现频率. 研究发现, 多数网络的最小驱动点集分布紧密, 其节点构成与网络度分布有关; 同时, 网络中节点的控制重要性与其入度密切相关. 所得到的相关结论对于复杂网络的控制具有重要的研究意义.