人口密集区域移动通信优化方法研究与仿真

研究人口密集区域移动通信优化问题。如果在小区域内大量人口同时使用移动通信资源,数据通信需求会瞬间增大,移动信道随机分配增加的通信需求,容易造成信息堆积、信道饱和。传统的移动通信方式,一旦出现数据量大幅增加,无法避免通信资源分配失衡,造成移动信道阻塞,通信效率下降。为提高通信效率,提出了动态优先比例算法的移动通信优化处理方式。建立移动数据信道频谱数学模型,直接反应信道利用状况;对突变的信息流进行加权处理,确定资源分配比例,根据比例完成新增的移动通信资源分配。仿真结果证明,改进后的分配方式提高了密集区域人员移动通信效率。     

基于相似度优化的混合式视觉跟踪方法

针对复杂环境下视频目标跟踪问题,提出一种基于相似度优化的混合式视觉跟踪方法。首先,采用局部余弦相似性度量目标和候选模板的相似性,有效抑制因遮挡、光照突变等情况引起的脉冲噪声,提升模板匹配精确度;其次,基于目标函数的二次规划方法推导了局部目标的判别权重,有效提升了算法对目标和背景的判别能力;最后,在系统更新过程中引入模板的判别式更新,有效改善了模型漂移问题。实验结果表明,本文方法较好地改善了复杂挑战性背景下的跟踪鲁棒性和精确度。     

考虑全局延迟的中间件调度问题

针对流的低延迟需求,对全局延迟限制下中间件(middlebox)部署和调度问题进行建模分析.将问题形式化成一个优化问题,拆分为部署问题和流量调度问题,通过逐轮迭代的方式逐步求出整个优化问题的解.对于两个子问题,分别提出KLeveLVoting和MaskedViterbi算法,分别用贪心的方式解决部署和调度问题.为验证算法的有效性,在4种拓扑中进行算法仿真,实现传统方案的两种配置方式:静态配置(Fixed-Fixed)和简单的负载均衡(Fixed-LB).实验结果表明,Quokka可以降低30％-50％ 的资源消耗并减少平均20％ 的延迟.     

自适应调整差分进化算法在优化问题中的应用

差分进化算法在求解优化问题时,进化后期由于种群多样性急剧下降,算法全局搜索能力被削弱,极易陷入局部最优解而"早熟"收敛.针对该问题定义了算法停滞系数和个体相似系数.根据算法停滞系数自适应调整算法的缩放系数.同时,根据个体相似系数判定种群普通个体与最优个体的相似性,并以此为基础对相似个体实施基因重构操作,从而避免种群个体严重趋同造成的种群多样性下降问题.将改进算法应用于标准测试函数和车辆路径问题的优化.模拟计算结果表明:改进算法的优化结果优于标准差分进化算法,改进的差分进化算法具有更强的全局寻优能力,适于求解复杂优化问题.