基于模糊C均值聚类及群体智能的WSN分层路由算法

为了提高无线传感器网络（WSN）的能量效率并延长其生命周期,提出了一种基于模糊C均值聚类（FCM）和群体智能的WSN分层路由算法（FCM-SI）。首先采用FCM聚类算法对网络进行分簇,优化普通节点与簇头（CH）间距离;然后采用三参数的人工蜂群（ABC）算法选取每个簇的最优簇头;最后采用蚁群优化（ACO）算法搜索簇头至基站（BS）的多跳路径,路径综合考虑了网络的能耗和负载均衡性能。仿真结果显示,与基于均匀分簇的改进的低功耗自适应分簇（I-LEACH）算法、基于ABC的低功耗自适应分簇（ABC-LEACH）算法和基于ACO的低功耗自适应分簇（ANT-LEACH）算法相比,FCM-SI在100 m×100 m,100个节点的初始网络条件下将网络生命周期分别提高了65.2%、49.6%和29.0%。FCM-SI能够有效地延长网络寿命,提高能量利用效率。     

含交叉项的混合二范数粒子群优化算法

针对原始粒子群优化算法（PSO）在搜索过程中容易陷入局部最优点的问题,并尽量避免破坏种群多样性,提出一种含交叉项的混合二范数粒子群优化算法HTPSO。首先,利用二范数原理计算当前粒子与个体历史最优粒子间的欧氏距离;其次,将欧氏距离引入速度迭代公式以影响社交项对粒子速度的作用,并按照一定规律随机分布惯性权重;最后,在此基础上简化粒子群算法,并将差分进化（DE）算法中的交叉算子融入该算法中,使粒子能在一定概率下与个体历史最优粒子交叉。为了验证HTPSO的性能,与利用正弦函数改进惯性权重的粒子群优化算法（SinPSO）、自适应粒子群优化算法（SelPSO）、基于自适应惯性权重的均值粒子群优化算法（MAWPSO）和简化粒子群优化算法（SPSO）在不同维度下解决8个常用基准函数,并根据T-test、成功率和平均迭代次数分析了各算法的优化结果。实验结果表明,HTPSO具有较优秀的收敛能力,且粒子运动非常灵活。     

挺进深蓝:从单体仿生到群体智能

近年来,群体智能作为一项多学科融合的新技术在各领域的研究成果斐然,例如共享出行、蜂群无人机系统、水下多智能体平台等,但与水下场景结合的群体智能技术缺乏系统的归纳,有必要对水下群体智能技术的发展现状和趋势进行讨论和分析.本文对群体智能理论进行了详尽的分析,给出了群体智能的完整概念、具体算法以及应用领域.文中指出,为解决海洋复杂环境对探测、通信等造成的一系列困难,需要将群体智能技术应用于水下场景.本文就国内外水下群体智能技术的研究现状进行了总结,对水下群体智能存在的环境复杂、通信受限、信息获取困难、系统能力不足以及能量供应受限的难点进行了评述.针对这些难点,本文对结合群体智能理论的时变环境感知技术、传感网络设计、协同导航定位技术、路径规划技术、水下编队控制以及分布式自主决策技术进行了分析,并在文末给出水下群体智能技术未来在跨域通信、多平台异构、自主作业能力革新方面的发展趋势和展望.     

基于密度峰值聚类理念的大群体应急模糊决策模型

针对决策者权重未知情形下重大突发事件应急决策问题,提出一种SFN-CFSFDP-Borda-MULTIMOORA模型.首先,采用球形模糊数描述决策者对应急备选方案的评价信息;其次,基于密度峰值聚类理念对大决策群体进行聚类;然后,提出可扩展的群体综合冲突优化模型,根据聚类结果进行冲突测度,求解决策者及聚集的权重并实现意见融合;再次,利用改进Borda-MULTIMOORA法决策最优方案;最后,以黑龙江东湖水库事件为例,对模型的有效性与实用性给予验证.结果表明,SFN-CFSFDP-Borda-MULTIMOORA模型能够充分考虑决策者的心理特征,强化在重大突发不确定情景下决策者的知识表达能力,同时明确聚类中心的选择方法,达到聚集内部差异小、聚集间差异大的聚类效果,通过考虑群体综合冲突及实际决策情形对决策者权重和聚集权重进行设置更符合实际,有效实现群体冲突融合,并提高决策效率,为重大突发事件大群体应急决策提供理论支持.     

2022年组稿方向

2022年将特别关注人工智能+、物联网与5G、区块链、量子计算、大数据、隐私安全保护等技术的融合应用。本年度组稿包括但不仅限于以下方向:人工智能:多模态/跨模态学习、大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与优化决策、统计学习、联邦学习、因果推理、类脑智能计算、量子智能计算、智能机器感知与模式识别、自然语言处理与理解、知识图谱、机器人与智能系统、多智能体协同。     

模块化群体机器人构型分析与自组装控制

所谓自组装控制,实际上是一种自发形成有序结构的一种技术,在生物学的研究中表明,社会性昆虫的群体行为多是借助自组装实现的。而将这种自组装技术应用到机器人领域,是指一群具有相同或者是相似功能的个体机器人,也可以是一些机器模块之间,通过这种自组织的形式,实现了多个群体之间的有机组合,构建出功能更加繁杂的集合机器人。     

基于认知多样性变异的鸡群算法协同优化异步实现

从小鸡更新公式、优化方式和基于认知多样性变异三方面改进鸡群算法。在小鸡位置更新过程中加入自我学习系数,并向所在种群公鸡学习,同时对未知空间进行探索;采用逆序协同优化异步实现策略提高算法解决更高维度问题的能力;充分利用个体认知多样性,使个体最优以一定概率发生变异,从而带领群体逃离局部最优,收敛到全局最优。Benchmark function测试表明,改进的鸡群算法优于其他优化算法。模型数据反演结果表明,该算法具有很强的全局搜索能力,反演精度较高,同时抗噪能力很强。     

生物群体智能优化的投影寻踪模型在灌区水资源综合效益研究中的应用

将高维降维技术的投影寻踪模型引入到灌区水资源综合效益的研究中,并采用生物群体智能算法对投影寻踪模型进行优化,以提高投影寻踪模型的准确度。以经济效益、生态环境效益以及社会效益3方面建立指标体系,并提出了5类等级标准。以漳河灌区为例,利用所建模型对该灌区水资源综合效益进行研究,并对不同指标的贡献度进行了分析。结果表明,漳河灌区2013年的综合效益等级为等级Ⅲ(一般);在灌区水资源综合效益研究方面,优化后的投影寻踪模型具有较好的实用性和可信性。     

基于观点认同的群体情绪模型

为了能够有效地模拟群体环境中群体情绪的演化过程, 以情绪感染为理论基础, 提出一种新的基于观点认同的群体情绪模型。该模型引入个体观点值、情绪触发阈值来实现观点交互与认同对群体情绪演化所产生的影响作用。观点交互采用有界信任Deffuant模型来实现。通过模拟发现, 观点交互不仅加速了群体情绪融合过程, 而且在多观点群体环境中对群体情绪融合态势也具有决定性的作用。实验模拟结果表明, 本模型不仅能够体现情绪感染过程中个体的无意识、自动感染过程, 而且也能够体现个体对传染对象的选择性过程, 弥补了情绪感染过程中个体无认知的缺陷。     

基于多群协同人工鱼群算法的分类规则提取算法

在对基本人工鱼群算法原理分析的基础上,提出了一种多群协同人工鱼群算法用于实现对连续空间变量的分类规则提取问题。定义了基于规则支持度与置信度的规则评价函数,构造了人工鱼在规则提取应用中的特定编码及相关概念的计算公式,给出了该算法的具体实现步骤,并用VC++软件编程实现。最后对Iris和Wine数据集进行测试实验,并与单群体鱼群算法及多种群微粒群算法进行比较。仿真结果表明,该算法能够快速提取分类精度较高的分类规则,因此利用该算法解决连续变量分类规则提取的相关问题是可行且有效的。