移动自组网路由局部修复算法的研究

移动自组织网(mobile ad hoc networks, MANET)的多跳的无线连接、动态拓扑和有限的带宽等特征,给其路由协议带来了很多挑战.当多跳路径失效时,路由协议需要对其进行修复.已有的修复机制需要很多的开销和很长的端到端时延.在此修复机制的基础上,提出了一种新的路由局部修复算法,将修复尽量限制在断链的局部范围内,以减少对链路断裂的反应时间和降低路由维护的开销, 而且不用考虑失效链路在整个路由上的相对位置,都可以对其进行修复,提高了处理失效链路的能力,有利于提高MANET的可扩展性.仿真表明,这种新的路由局部修复算法明显地提高了网络多方面的性能.     

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.     

AODV的本地修复算法

提出了一种新的路由本地修复算法,将修复尽量限制在断链的局部范围内,减少了修复时间和降低路由维护的开销, 且不用考虑失效链路在整个路由上的相对位置,均可对其进行修复,提高了处理失效链路的能力,有利于提高网络的可扩展性.仿真表明,这种新的路由本地修复算法明显地提高了网络多方面的性能.     

改进遗传算法在移动机器人路径规划中的应用研究

为解决遗传算法(GA)在自主移动机器人路径规划中，过早收敛以及由于交叉和突变产生大量的不可行路径问题，对传统遗传算法进行了改进，采用二进制编码的方式来存储路径以便后续的交叉、变异等遗传操作。结合粒子群优化算法(PSO)进行局部搜索，加快了遗传算法的搜索速度，提高了搜索效率。同时引入修复机制，通过利用修复机制研究所有的不可行路径，并确定其不可行的原因进行修正。仿真结果表明，在单目标简单情况下，改进的遗传算法具有更快的收敛速度同时避免了局部最优，在多目标复杂环境下，能够得到合适的路径解。     

基于链路预测的VANET路由算法

在车载自组织网络(VANET)中,AODV路由算法存在控制开销大、路由发现和修复时间长等不足。为此,对AODV算法进行局部优化,提出一种改进的路由算法,利用节点位置、运动速度等信息预测链路失效时间。在路由发现阶段,将链路失效时间最大的路径作为传输路径;在路由维护阶段,设置定时器并提前触发路由寻路,减少路径搜寻时间。仿真结果表明,与AODV算法相比,该算法在数据包端到端延迟、传输吞吐率及报文投递率等方面性能较好。     

复杂环境路径规划的改进蚁群算法

为了克服传统蚁群算法在路径规划中容易出现早熟收敛、陷入局部最优、算法运行慢等缺点,提高算法在路径规划中的性能,提出了改进蚁群算法的距离启发因子、权值系数动态调整的方法,并且利用模拟退火算法的思想,改进蚁群算法的信息素挥发系数。该算法通过这种改进可以避免出现早熟收敛和陷入局部最优,且可以提高算法的运行速度。利用改进的蚁群算法进行路径规划仿真,仿真结果表明,该算法是一种有效的路径规划算法。     

融合改进A*算法和Morphin算法的移动机器人动态路径规划

在动态未知环境下对机器人进行路径规划,传统A*算法可能出现碰撞或者路径规划失败问题。为了满足移动机器人全局路径规划最优和实时避障的需求,提出一种改进A*算法与Morphin搜索树算法相结合的动态路径规划方法。首先通过改进A*算法减少路径规划过程中关键节点的选取,在规划出一条全局较优路径的同时对路径平滑处理。然后基于移动机器人传感器采集的局部信息,利用Morphin搜索树算法对全局路径进行动态的局部规划,确保更好的全局路径的基础上,实时避开障碍物行驶到目标点。MATLAB仿真实验结果表明,提出的动态路径规划方法在时间和路径上得到提升,在优化全局路径规划的基础上修正局部路径,实现动态避障提高机器人达到目标点的效率。     

无人驾驶车辆局部路径规划的时间一致性与鲁棒性研究

在无人驾驶系统中,局部规划在跟踪全局路径的同时完成避障,提高了规划系统在动态未知环境中的工作能力.避障分析的有效性是局部规划最重要的功能之一.然而在仿真和实车测试中发现,广泛使用的基于优化求解的局部规划算法无法在不依赖全局精确定位时保证规划结果满足时间一致性要求.时间不一致将导致车辆的实际行驶路线偏离初始规划结果,造成避障分析失效.本文设计了基于前向预测的局部路径规划算法,在不依赖全局精确定位的前提下保证规划结果的时间一致性.除了时间一致性问题外,跟踪控制误差也是导致规划结果避障分析失效的主要原因之一.现有研究大多通过膨胀障碍物体现误差的影响,然而这种方法无法避免车辆驶入膨胀危险区域而停车.本算法在路径生成过程中增加误差影响,用通行区域代替原有不具有宽度的规划路径进行避障分析,既可以解决误差导致的避障失效,又避免出现膨胀障碍物带来的问题.通过V-Rep软件与实车规划程序进行联合仿真,在能够体现时间一致性影响的典型场景中对本算法与基于最优化曲线生成的局部路径规划算法进行比较, 验证了该算法具有更好的安全分析有效性.应用本算法的北京理工大学无人驾驶平台参加了2013年智能车未来挑战赛,在无人干预的情况下顺利完成 18公里城郊赛段和5公里城市赛段行驶,展现了良好的避障能力.     

基于蚁群路由协议的局部修复算法

在无线网络中,当由节点频繁移动而引起通信链路发生故障时,路由协议需要对其进行修复,才能保证正常通信。现有路由修复机制存在控制开销大和时延长的不足,而且大多数为针对AODV(Ad Hoc On-demand Distance Vector Routing)路由算法的修复,难以充分保证链路性能,并且存在链路重构后链路再次失效的缺点。基于此,提出一种基于蚁群路由算法的局部修复算法。首先,选取稳定性高的节点发起路由修复,以降低链路修复后的不稳定;其次,将修复范围限定在较小的局部范围内以减小控制开销和时延。仿真表明,改进的路由局部修复算法明显地提高了链路的稳定性,缩短了修复时间,降低了路由开销。     

基于最短路径的异类传感器网络分布式拓扑控制

针对异类传感器网络提出了一种基于最短路径的分布式拓扑控制（SPD/TC）算法。该算法利用网络中所有节点的局部信息保持网络的连通性,同时,利用最短路径算法计算链接权值的大小来进行拓扑结构的调整。将该算法与DRNG算法的节点度和平均链接长度进行仿真分析,仿真结果表明：该算法能更有效降低干扰,节省网络能量,提高了网络的性能。     

国际航线网络中K条最短路径算法改进与仿真

K条最短路径(KSP)问题是国际航线网络实际路径优化问题。通过对航线网络特征与K条最短路径算法的分析,研究了解决KSP问题的典型Yen算法。针对Yen算法求解候选路径占用大量运算时间的问题,提出一种改进Yen算法。改进Yen算法通过借助A*算法的启发式策略,减少了产生候选航线路径的时间,从而提高了算法的搜索效率并减小了算法搜索的规模。通过对国际航线网络实例的仿真,实验结果表明改进Yen算法能够快速求解国际航线网络中的KSP问题;同时,与Yen算法相比,运算效率提升了75.19%以上,能够为航线路径优化提供决策支持。     

基于出租车司机经验的约束深度强化学习算法路径挖掘

利用出租车司机经验,提出约束深度强化学习算法(CDRL)在线计算不同时间段内OD间最快路线。首先描述了路段经验数据库(ERSD)的提取;然后介绍了CDRL方法,包括可选择约束路段生成和深度Q-learning算法两个阶段,在第一阶段,生成OD(起终点)间可选择约束路段,在第二阶段,设计深度Q-learning算法学习出租车司机的经验,并根据他们的出发时间计算给定OD间的最快路线;最后在广州CBD进行了应用实验。结果表明,CDRL方法计算在旅行时间上优于最短路径(SR)方法,且与最快路径(FR)方法计算路径差别不大;此外,CDRL方法在计算效率方面明显优于FR和SR方法,因此更适合OD间最快路径的在线计算。     

基于改进MAODV协议的WMN的组播路由算法

以基于树的组播路由协议MAODV为参考标准,结合WMN的特点及其对路由的影响,提出了WMN网络中基于链路稳定性的路由选择和基于链路可持续时间预测的组播路由改进算法MAODV-PPS,并进行了相应的数学理论分析和算法流程设计。该算法是在选择路径时比较反映各路径局部拓扑稳定性的路径稳定因子,选取相对稳定的路径转发数据;并在路径维护阶段,通过对路径上相邻节点间的能量变化率来预测链路可持续连接时间,当该时间小于链路断链阈值时,主动激活路由修复。仿真表明：该算法不仅稳定性好,路由跳数少,而且具有较好的网络扩展性和负载适应性,与已有的路径稳定性选择和链路预测算法相比,计算简单更符合实际应用。     

避免路由断裂的优化AODV路由协议

移动自组网(MANET)中,节点的移动容易引起链路失效,传统的按需距离矢量(AODV)路由算法的本地修复机制局限于在链路断裂后进行,如果修复失败或者过慢,可能导致缓存的数据包丢失。针对这一问题,提出一种避免路由断裂的优化AODV路由算法ARB-AODV,该算法首先对即将断裂的链路进行预测,然后计算有关节点的相对稳定度,将稳定性较高的节点插入即将断裂的链路中,以消除节点的边缘效应来避免路由断裂。在NS-2平台下采用随机路点移动模型(RWM)和恒定比特率(CBR)数据源进行实验,在节点的移动速度大于10m/s时,ARB-AODV算法的分组投递率保持在80%以上,其平均端到端时延比AODV算法降低了40%,归一化路由开销比AODV算法降低了15%。仿真结果表明,ARB-AODV优于AODV,能有效提高网络性能。     

基于行程时间多步预测的实时路径导航算法

针对现有车辆导航算法仅考虑单一数据,使所得路径实际行程时间比预期更长的问题,首先建立了基于卡尔曼滤波理论的行程时间多步预测模型;其次,提出了综合利用实时数据、行程时间多步预测数据及历史数据的实时路径导航算法,并改进了其实现的核心算法Dijkstra_pred.实验结果表明,基于三类数据的实时路径导航算法所得路径的实际行程时间从整体上优于仅采用实时数据的导航算法,且路径变化较少.     

基于卡尔曼滤波的路径行程时间预测方法

为提高常规卡尔曼滤波预测模型的自适应性，本文研究一种基于卡尔曼滤波的实时路径行程时间预测方法。首先通过主成分分析法考察行程时间与其影响因素时间序列之间的相关性，从而选择影响路径行程时间的主要因素，并建立相应的多元回归方程;其次，构造行程时间的卡尔曼滤波状态方程;最后，由一组卡尔曼滤波递推式计算得到行程时间的预测值。将本文算法应用于广州市某交通干道上的行程时间预测，并将本文算法和常规卡尔曼滤波方法进行比较。结论表明本文算法有效，用于路径行程时间预测具有较好的综合性能。     

路标迭代提取和剔除的自适应空洞处理算法

针对无线传感器网络贪婪地理路由协议中的路由空洞问题,提出一种高效的基于路标迭代提取和剔除的自适应空洞处理算法.该算法中,当探测包贪婪转发遇到空洞时,在网络拓扑局部平面化的基础上,以左(右)手法则提取空洞边界并沿其逆(顺)时针周边模式双向转发,同时,分布式地进行路标的迭代提取和剔除,直到获取的路标使得后续的数据包依次以它们为中间目标节点进行传输而不再遇到空洞为止.仿真结果表明,该协议能够以较小的控制开销代价获得次最优的传输路径,极大地提高了路由协议的性能,可以应用于无法消除路由空洞的大规模无线传感器网络贪婪地理路由协议.     

基于手机定位信息的地铁乘客出行路径辨识方法

针对复杂轨道网络环境的下出行路径选择问题,传统方法采用理论推算往往与实际偏差较大。基于手机定位信息的出行路径辨识方法,利用手机用户在无线通信网络中产生的信令事件数据,根据其在地铁中的正常位置更新规则得到出行路径,针对信令数据存在缺失的情况,以用户的其他信令事件数据及K短路校核法,对路径的有效性进行检测,进而得到实际出行路径。实测结果表明,用该方法得到的用户出行路径与真实路径偏差较小。。     

Ad hoc通信网络的局部路由修复仿真

为了解决Ad hoc通信网络的局部路由中节点或链路失效引起的通信可靠性降低等问题,提出了基于节点能量的Ad hoc通信网络的局部路由修复方法。根据Ad hoc通信网络节点路由链路分析结果,当网络通信数据包传输中发现问题节点时,待传输数据包所在节点通过检测自身所对应的父、子及近邻节点,获取各节点的相关信息,并从中选择有效节点替换故障节点;替换节点的选取过程,采用节点剩余能量与方位角差值相结合的方式;确定替换节点后,结合蚁群算法自适应优化网络链路,完成Ad hoc通信网络的局部路由修复。仿真结果表明,所提路由修复方法能够有效缩短路由修复耗时,减少修复过程的控制开销,提高基站节点的吞吐量,提升网络通信的可靠性与时效性,具有较好的鲁棒性。