面向大型场馆疏散的改进多蚁群算法

针对大型场馆应急疏散的路径优化问题,提出了一种基于遗传算法交叉变异算子的多蚁群算法.该算法通过引入多蚁群信息素组的概念,将遗传算法交叉和变异的思想应用到信息素更新模型中,解决了传统蚁群算法易陷入局部最优的问题.最后,将此模型应用在武汉体育馆及其周边路网集成环境中.实验结果表明,该算法能够为大型场馆中大规模人群提供一个有效可行的疏散方案.     

基于启发式算法的时间延伸网络研究与应用

提出了时间延伸网络模型, 该模型模拟接到自然灾害预警时如何在有效的时间内最大限度地撤离人群, 及最大化地减少自然灾害的损失.将启发式算法与时间延伸网络相结合, 并把影响地区分割为点, 通过区域之间的公路交通连接形成一个随时问动态变化的撤离网络, 实时地将受灾地区的人群撤离到安全地区.随着时间的推移, 有些点可能完全被影响, 需要动态地重组撤离网络, 以在最短的时问内将受灾群众撤离.研究模型以及方法对于地震等其他自然灾害中人群的撤离, 以及交通堵塞的疏散也有一定的借鉴作用.     

差分演化算法求解旅行商问题

设计了基于差分演化算法的新算法来求解旅行商问题.在新算法中,旅行商问题的城市的个数作为向量的维数,每个向量的元素的大小顺序作为旅行商问题的一个可行解.实验表明,该算法能够成功求解小规模的旅行商问题,而且算法稳健性好;再与同类算法的优化结果相比较,表明了该算法计算量小、收敛速度快的优点.     

基于本体的设计知识建模研究

针对目前设计知识建模方法的不足,研究了基于本体的设计知识建模方法。本文给出了本体的定义、表示模型、设计知识的表达体系以及设计知识本体建模的方法,最后列出了基于Owl的设计知识本体表示的部分代码,以供同仁们研究参考。     

基于分簇的有效无线传感器网络密钥管理方案

针对现有无线传感器网络密钥管理中计算量过大、存储空间过多和网络安全问题,在分簇结构无线传感器网络基础上,提出一种新的密钥管理方案,它通过将已存储的密钥部分地转化为即使被攻击者截获也无影响的特殊信息,来获取更加良好的安全性,同时又不降低网络的连通性。通过仿真与其他算法进行性能对比,结果显示这种方案具有更好的性能。     

基于模糊格的超盒粒计算分类器

粒的表示、粒之间的关系和运算是粒计算的主要研究内容。利用向量表示超盒粒, 分析向量之间的偏序关 系和超盒粒之间的偏序关系的不一致性, 并引入保序函数消除该不一致性。利用格和其对偶格之间的非线性正评价函数和保序函数构造超盒粒之间模糊包含关系。为得到不同粒度的粒, 设计超盒粒之间的合并算子和分解算子, 证明由超盒粒集、超盒粒之间的模糊包含关系、合并算子、分解算子构成的代数系统是模糊格, 构造基于模糊格的超盒粒计算分类器。用机器学习数据集中的分类问题, 验证该分类器具有和模糊格推理分类器相同的推广能力并减少超盒粒的数量。     

求解约束优化的一个自适应杂交差分演化算法

结合基于可行性规则的约束处理技术,构造了一个求解约束优化问题的自适应杂交差分演化模拟退火算法。该算法以差分演化算法为基础,用模拟退火策略来增强种群的多样性,用一个基于可行性规则的约束处理技术来处理不等式约束,且自适应化关键控制参数,避开人为控制参数的困难。在标准测试集上的实验结果表明该算法的有效性,与同类算法的比较表明了该算法的优越性。     

基于动态邻域的粒子群算法的研究

研究了邻域拓扑结构对粒子群算法性能的影响。设计了两种动态邻域生成策略,并基于一组具有代表性的测试函数,对两种典型的算法模型——标准的粒子群算法（CPSO）和充分联系的粒子群算法（FIPS）进行实验。实验结果表明,不同的邻域拓扑结构和不同的算法模型都能够影响粒子群算法的性能。     

边缘智能下基于强化学习的车联网路由协议

为实现复杂城市车联网环境下高可靠、自适应的数据包路由协议,提出一个端-边-云边缘智能架构,该架构包括终端用户层、边缘协作层和云计算层。在所提边缘智能架构的基础上,设计了一个基于多智能体强化学习的数据包路由协议。实验结果表明,相比于现有的紧急消息传输机制、基于交叉路口雾节点的分布式路由协议和基于双深度Q网络的路由协议,所提协议在消息传输时延和接收率方面分别取得29.65%～44.06%和17.08%～25.38%的优化。     

WSN节点的粒计算网格化定位算法

接收信号强度作为一种低功率廉价的测距方式而用于估计无线传感器网络的节点位置,但定位精度会受到时空传播介质的影响,构造快速算法是解决该问题的主要方法之一。对定位区域网格化,提出了基于粒计算的快速网格化定位算法。将定位问题转化为分类问题,利用粒计算分类算法,得到定位参数,估计未知节点的位置。实验结果表明与支持向量机定位相比粒计算网格化定位算法降低了定位误差和时间。