基于遗传模拟退火算法的无线传感器网络定位算法

无线传感器网络定位问题本质上是一个基于不同的距离或路径测量方法的优化问题.第一次提出了基于遗传模拟退火算法的无线传感器网络定位算法GASA-Hop,它是将遗传模拟退火算法作为DV-Hop的后期优化.其中,DV-Hop用来估计未知节点与锚节点的测量距离,GASA用来最小化与DV-Hop相关的适应度函数.仿真结果表明,本算法定位精度高、条件简单,比较适合无线传感器网络的节点定位.     

模拟退火算法及其改进算法的研究

本文主要研究传统模拟退火算法以及改进算法的思想,在文中分别对各个改进算法给出了实验对比数据,更好证明了改进算法的有效性;在最后讨论了模拟退火算法的优缺点,并在对改进算法的分析研究的基础上归纳给出模拟退火算法可行的改进方向。     

基于改进遗传模拟退火算法的WSN路径优化算法*

为了更好地解决无线传感器网络（WSN）数据传输的路径优化问题,降低数据传输的能量消耗,提出了一种基于改进遗传模拟退火算法（SAGA）的WSN路径优化算法。首先根据优化目标建立数学模型,然后设计了种群的编码方式,并对遗传算法中的适应度函数、交叉算子、变异算子进行改进,使算法能够更加有效地避免陷入局部搜索;接着根据旧种群和新种群每个对应个体的不同进化程度提出了一种新的Metropolis准则,使模拟退火算法的跳变更具有规律性。实验结果显示：与其它路径优化算法相比,该算法不仅能生成更节能的数据传输路径,而且优化时间也大大降低。所以该算法是一种高效的路径优化算法。     

基于改进蜂群算法无线传感器感知节点部署优化*

提出了一种基于改进蜂群算法的无线传感器感知节点部署优化方法,以网络覆盖率为目标函数,将传感器感知节点部署问题形式化为组合优化问题,并采用分层机制对基本蜂群算法进行改进。仿真实验结果表明,本方法能够以相对较小的代价完成传感器感知节点部署,并能降低网络能耗,提高网络的整体覆盖率。     

异构无线传感器网络中基于模拟退火算法的成本最优部署机制

针对异构传感器网络节点的高密度部署和监测目标非均匀分布的情况,提出了一种基于模拟退火算法的成本最优部署方法.算法在保证网络覆盖和容错性的条件下,以异构节点部署成本最小为优化目标进行操作.仿真结果表明该算法能快速收敛于最优解,有效降低网络部署的成本,提高了目标监测质量.     

基于遗传模拟退火算法的无线传感器网路由协议

在无线传感器网络中(WSNs)中,由于节点能量有限,为了延长整个网络的生存周期,提出一种基于遗传模拟退火算法的无线传感器网络路由协议.利用模拟退火(SA)算法具有较强的局部搜索能力并能以稳定的速度收敛,克服遗传算法(GA)局部搜索能力差并容易早熟收敛等缺点.该路由协议在簇头节点选举时充分考虑了节点的剩余能量,并根据网络中数据转发能量耗损和延迟时间建立个体适应度函数,采用遗传模拟退火算法找到簇头节点到基站的最优路径.仿真结果表明:与其他协议比较,该方法不仅可以均衡各个节点的剩余能量,还可以有效延长整个网络生存周期和提高网络的数据传输能力.     

基于DV-HOP改进的无线传感器网络定位算法

由于在无线传感器网络中定位技术DV-HOP算法存在较大的误差,为提高其定位的精度,提出一种DDV-Hop算法对传统DV-Hop算法在两方面对未知节点定位进行优化。一方面在估算信标节点的平均每跳距离时提出理论最小跳数偏离度的概念,分析误差并进行距离的修正,另一方面通过信标节点的自身定位来获取定位误差对未知节点的定位坐标进行修正。仿真结果表明该优化算法提高了定位的精确度,减小了定位误差约8%~12%。     

一种基于模拟退火算法的无线传感器网络最优簇类求解方案

通过对现有分簇算法的深入研究,从典型的组合优化问题着手,利用模拟退火算法的思想,提出了一种基于模拟退火算法的无线传感器网络最优簇类求解方案,首先将簇头节点集合抽象为参考模型,通过一定的扰动因子不断迭代更新最终得到目标簇头集,然后将模拟退火算法的整个思想充分结合到最佳簇数的选择过程中,详细介绍了整个过程的实现,并通过数学...     

基于模拟退火算法的传感器网络聚类方案

针对传感器网络聚类间能耗负载不均衡而引发的“能量热点”问题,提出一种在节点随机分布情况下构建能量负载均衡的聚类方法。网络中高于平均能量的节点率先成为候选首领,候选首领根据剩余能量、节点连通度以及当选首领的总时间来竞争聚首,普通节点首先依据信号强弱选择加入聚类,然后借鉴模拟退火算法动态调整所拥有的成员节点,直到所有聚类的能耗状态趋近均衡。仿真表明,与基于均匀分布假设的聚类方案相比,新方案具有能耗负载更均衡的聚类和更长的生命周期。     

基于改进蚁群优化的无线传感器网络路由算法

针对无线传感器网络节点能量、通信能力有限等特点,提出了一种改进蚁群优化的路由算法,算法对下一节点的选择充分考虑了通信距离和剩余能量等因素,将蚂蚁搜索行为集中到最优解附近,为避免早熟收敛行为的发生,将信息素轨迹的值域范围进行限制,通过对信息素轨迹的平滑化,快速逼近无线传感器网络最优路径;仿真结果证明,该算法有效地减少了网络能量消耗、节点死亡数量和链路长度,延长了网络生命期。     

基于矢量的无线传感网络能量有效配置算法

无线传感网络的能量消耗决定了网络的使用寿命,如何通过有效节点配置来尽可能地延长网络的生命周期是一个极具挑战性的研究课题.首先提出了一个基于一维网络模型的能量有效节点配置算法,并在将其扩展到二维平面模型的基础上,提出了一个基于矢量的中继节点放置算法.该算法在感应源节点位置和中继节点数给定的情况下,通过计算中继节点的位置得到整个网络的能量有效配置.模拟实验结果表明,在源节点和中继节点数之比为1∶2时,该算法得到的网络能耗比常规配置算法节省50%左右,该结果已在实现的火灾预警系统中得到应用.因为实际应用系统中,基于成本的原因,节点数规模总是受限的,因此该算法对构建低成本的无线传感网络应用系统具有重要意义.     

一个基于确定性退火的时延驱动标准单元布局算法

提出了一个基于确定性模拟退火技术的时延驱动标准单元布局算法,实现在满足时延约束和宽高比约束的前提下优化版图面积,与基于一般的随机模拟退火技术的标准单元布局算法相比,该算法的运行速度快、布局效果较好。     

基于GA-SA混合算法的VLSI门阵列布局设计

布局是VLSI布图设计中的关键环节，通常采用随机优化算法。该文采用遗传算法(GA)与模拟退火法(SA)相结合的搜索算法实现VLSI门阵列模式布局，利用遗传算法进行全局搜索，模拟退火法进行局部搜索。进化过程中采用精英保留策略，并对进化结果进行有选择的模拟退火操作，这样既加强了局部搜索能力又防止陷入局部最优。在复合布局目标函数中引入对最长线网的惩罚，其收敛速度比以总线长度为单一目标函数的要快。在交叉操作中，对交叉位置的选择采用了一种新的策略，增加了交叉的有效性。实验表明，此算法与简单遗传算法相比，有效地提高了全局搜索能力。     

基于遗传模拟退火算法的门阵列布局方法

为实现门阵列模式布局,将遗传算法与模拟退火算法相结合,提出一种新的遗传模拟退火算法,利用遗传算法进行全局搜索,利用模拟退火法进行局部搜索,在进化过程中采用精英保留策略,对进化结果进行有选择的模拟退火操作,既加强了局部搜索能力又防止陷入局部最优。实验结果表明,与传统遗传算法相比,该算法能够有效提高全局搜索能力。     

蚊子产卵交配和模拟退火的混合优化数据副本放置机制

为了提高云存储系统的可扩展性、可靠性,同时改善用户访问能力,通常为其配备多数据副本机制,则不仅需要为数据副本选择合适的存储场地,而且需要实现用户访问请求对数据副本的优化分配。为此,提出了一种基于蚊子产卵交配和模拟退火混合优化数据副本放置机制。该机制以最小化总代价为优化目标,基于蚊子产卵交配思想确定数据副本候选放置方案,基于模拟退火进一步求精得到最优解。基于CloudSim,对该机制进行了仿真实现和性能评价,并且与现有的机制进行了对比分析,结果表明,该机制具有更好的性能,是可行和有效的。     

WSN中考虑负载均衡的贪婪寻优中继节点布局算法的研究

针对目前WSN中的中继节点布局算法中忽略负载均衡的问题,首先引入通信路径不可逆等优化模型来进行节点布局;其次,提出阈值法及平均值法来动态更新网络中各路径的负载;然后针对负载均衡与节点数目难两全的问题,提出一种优化贪婪寻优算法,使得在考虑负载的同时,所需节点的数目能尽量减少.测试结果表明,使用不考虑负载的传统贪婪寻优算法以及使用考虑负载均衡的优化贪婪寻优算法进行节点布局时,两种算法所耗费的节点数目相差无几,然而后者却能够使整个网络的负载更为平均,更适合于实际应用中灵活多变、环境复杂的无线传感器网络,具有更深的实际意义.     

Sensor Placement for Sensing Coverage and Data Precision in Wireless Sensor Networks

We present a novel paradigm of sensor placement concerning data precision and estimation. Multiple abstract sensors are used to measure a quantity of a moving target in the scenario of a wireless sensor network. These sensors can cooperate with each other to obtain a precise estimate of the quantity in a real-time manner. We consider a problem on planning a minimum-cost scheme of sensor placement with desired data precision and resource consumption. Measured data is modeled as a Gaussian random variable with a changeable variance. A gird model is used to approximate the problem. We solve the problem with a heuristic algorithm using branch-and-bound method and tabu search. Our experiments demonstrate that the algorithm is correct in a certain tolerance, and it is also efficient and scalable.     

基于改进粒子群优化算法的无线传感器网络定位

针对经典DV-Hop定位算法第3阶段计算未知节点位置存在较大误差的问题,提出一种基于改进粒子群优化算法的无线传感器网络定位方法。首先分析DV-Hop算法误差大的原因,并将定位问题转换成未知节点坐标的优化问题,然后采用改进粒子群算法对问题进行优化,并引入收缩因子加快搜索速度和精度,找到全局最优未知节点坐标,最后在Matlab 2012平台上进行仿真实验。仿真结果表明,本文算法提高了传感器节点的定位精度,大幅度降低了定位误差。     

基于节点密度及路径优化的无线传感器网络定位算法研究

无线传感器网络中非测距定位算法一般采用基于连通性或跳数信息方式进行定位,一跳范围内节点间的估算距离值均相同,不能体现实际的节点间距离大小;此外,当多跳的路径有较大的转折时,此时用路径的估距值代替实际距离也会出现严重的偏差。基于此,提出了新的节点间距离模型RPD,将节点间估距与周围节点的密度信息相关联,同时进行路径优化以使路径的估距更接近实际的距离。最后将新的距离模型运用到DV-Hop节点间估距阶段实现定位。通过仿真实验表明,改进的定位算法与传统的DV-Hop相比,在不同的锚节点比率和不同的通信半径的情况下,定位的误差率和稳定性都要优于传统算法。     

无线传感器网络中基于移动锚节点的APIT的改进定位算法

针对APIT定位算法定位误差大,覆盖率低等缺点,提出了一种基于移动锚节点的改进的定位算法.在网络中引入移动锚节点,通过移动覆盖算法尽量使节点均匀分布,并提出了一种基于异构传感器网络的最佳节点数量的计算方法,另外引入了RSSI量化模型对APIT算法进行修正,解决了用APIT算法不能进行定位的问题.仿真结果表明,其与传统方...