基于可扩展多目标蚁群算法的土地利用优化配置

传统的土地利用优化配置模型无法灵活应对现实场景中多变的优化目标要求,也无法实现土地利用在空间布局上的优化.根据常见的优化目标进行抽象建模,建立了可扩展的多目标体系,并与蚁群算法有机结合,构建了基于可扩展多目标蚁群算法的土地利用优化配置模型,使土地利用配置在不同目标的指导下能够灵活优化,同时实现了土地利用配置在数量结构和空间布局优化上的统一,为土地利用规划提供了更具现实意义的参考方案.最后对该模型,以杭州市萧山区2015年土地利用格局为基础数据进行实例验证.结果表明:模型能够在多目标体系的指导下,合理配置研究区域的土地利用结构与布局,促进区域土地利用的可持续发展,并针对不同的多目标体系,给出具有不同侧重点的优化方案.     

基于似然估计补偿机制的移动无线传感网数据控制同步传输算法

为解决当前移动无线传感网数据控制传输中存在的链路抖动难以控制、同步误差较大以及网络拓扑结构不稳定等问题,提出了一种基于似然估计补偿机制的移动无线传感网数据控制同步传输算法(Data Transmission Synchronization algorithm In Mobile Wireless Sensor Networks based on Likelihood Estimation Compensation Mechanism,DTS-LECM算法).首先,通过移动无线传感网MAC层的标记可移动特性,设计了基于分层区域节点-子节点的数据传输结构,联合广播机制,实现了区域节点的初始化,有效降低了数据控制同步误差,提高区域节点-子节点结构的生存质量;随后,基于数据分组双向交互方式,构建似然估计补偿机制,以实现区域节点控制信息同步,有效促进区域节点之间数据控制同步传输过程中链路的稳定性,且能够对频率偏移、相位偏移的精确计算,显著提高传输过程中的数据稳定性;最后,再次利用数据分组双向交互方式对区域子节点的信息进行精确同步,取得了较好的数据同步效果,且具有数据抖动发生频率低的效果.仿真实验表明,与当前常见的时间同步控制算法(Time Synchronization Control Algorithm,TSC算法)、相位同步控制算法(Phase Synchronization Control Algorithm,PSC算法)和信息片层次分组控制同步算法(Synchronization algorithm for Hierarchical Packet Control of Slices,HPCS-S算法)相比,DTS-LECM算法具有更高的控制精度与更低的分组丢包率,且链路抖动频率分布更加集中.所提算法具有较高的数据传输性能,可运用于公安系统的信号定位,以及抗洪抢险等领域,具有一定的实际应用价值.     

基于蚁群算法的无线网状网安全路由算法

根据蚁群算法的自组织性、分布式计算以及正反馈与无线网状网路由问题有着惊人相似的特点,提出了基于蚁群算法的无线网状网安全路由算法.在该算法中引入基于模糊理论的信任评估模型,使前向蚂蚁在选择下一跳之前,先对节点进行信任评估,用来检测恶意节点,阻止恶意节点的主动攻击.分析结果表明,该算法能满足无线网状网负载均衡的要求,保障无线网状网路由安全.     

基于离散粒子群的WSN分簇路由算法

在定义了包含邻居节点信息的粒子适应度函数的基础上,提出了一种基于离散粒子群(DPSO)的单跳路由分簇协议(DPSOCA).该协议应用DPSO优化簇首选择过程,采用无竞争开销的方式选举一组最佳节点担任簇首.研究结果表明,与LEACH算法相比,DPSOCA能有效地均衡网络节点的能量消耗和显著地延长网络寿命;采用k-收敛准则和增加惯性权重的随机性有利于提高网络寿命与收敛代数的性价比.     

基于抗体浓度的克隆选择多目标优化算法及其应用

提出了基于抗体浓度的克隆选择多目标优化算法(CCSMOA),该算法借鉴生物克隆选择的机理,针对算法克隆倍数选择的问题,将克隆倍数表示为抗体浓度的函数,并将抗体浓度与抗体-抗原的亲和力及抗体间的亲和度相关联,以此来寻找靠近真实Pareto前沿及分布均匀的解.通过与经典的NSGA2、SPEA2以及当前的NNIA算法对比分析表明,在收敛性和分布性方面CCSMOA算法有所改善.最后将CCSMOA算法用于无线传感网络的覆盖优化.     

具有物理模型数据处理的多目标优化及其算法

针对具有物理模型参数的辨识,提出了新的多目标优化模型及遗传算法.它突破了数据处理最小误差的传统思想,提出了“病态”数据分析方法,进一步挖掘了数据中的信息.文中充分利用“病态”数据分布的特征,通过遗传算法求解,确定了电磁场分布物理模型在实际问题中的适用范围,有效地提高了多目标优化模型的精度和实用价值.     

基于黎曼球面的多目标演化算法

对于求解多目标优化问题提出了一种基于黎曼球面的多目标演化算法(RSEA).它的特点在于:先在目标空间中采用无穷远点作为采样基点来对Pareto最优前沿进行采样;再将无界的多目标函数空间同构映射到黎曼球面上,进而在黎曼球面上对产生的新个体是否加入精英文档进行判定,以此提高了算法的均匀性与多样性,加快了算法的收敛速度.数值实验表明,新算法与NSGA2,SPEA2算法相比,性能有明显的提高.     

能量有效的无线传感网络节点调度算法研究

在无线传感网路中,在某些情况下引入以节点地理位置为分簇依据的GAF算法虽能有效节省节点能量,但由于其随机选择簇头,没有考虑簇头最佳位置分布,因此并不能对节点能量进行充分利用.针对此问题,提出一种新的改进算法L-GAF算法,其主要思想是寻找最佳位置簇头节点,通过定期动态转换虚拟单元格,改变节点与中心点的距离,利用节点度策略和节点剩余能量优化簇头选举机制,均衡能量分布.实验证明:与GAF算法相比,此算法延长了网络的生命周期,提高网络的负载能力.     

基于正交矩阵与联合独立滤波机制的无线传感网络信号定位算法

为解决当前无线传感网信号定位算法易受瑞利噪声影响,且其采用的半径扫描旋转定位机制在高衰落信道条件下难以消除定位角度误差,导致定位精度较低的缺陷,本文研究了鉴于正交矩阵联合单一滤波制度的无线传感网信息定位方案:首先,通过基准节点以及有关接收节点的位置关系,构建正交矩阵定位结构,用来接收待测节点发送的信号,并根据接受节点与待测节点的角度,对获取的待测节点子信号进行初步定位,减少接收节点定位待测节点的角度误差;随后,依据接收节点与待测节点的角度估计,构建联合独立滤波机制,采取功率谱密度函数计算定位过程中定位角度的平均估计,从而实现了对角度估计的优化,提高了信号定位精度.仿真实验表明:与JISA算法及NP-CPLA算法相比,本文算法具有较好的抗噪能力,其定位精度与效率更高,而定位误差更低.     

基于信号飞行时间与误差分析的改进无线传感网络Bounding-box定位算法

为提高无线传感网络定位算法的实效性,针对Bounding-box定位算法定位精度不足的问题,提出了基于信号飞行时间与误差分析的改进Bounding-box定位算法。该算法根据累计距离误差,在正方形重叠区域重新划分离散小方格,然后按照累计距离误差最小化准则,选择对应离散小方格的中心点坐标作为待定位节点的定位位置。通过仿真实验表明,提出的改进Bounding-box定位算法,在距离测量精确和小误差情况下,能够明显提高定位精度。此外,真实环境实验表明,在采用信号飞行时间作为距离测量技术的条件下,提出算法的定位误差最小。更多还原     

一种改进的求解多目标优化问题的蚁群算法

针对传统蚁群算法在求解多目标优化问题过程中的一些缺陷提出了一种改进的多目标优化蚁群算法。该方法在一定程度上避免了传统算法中解群体单一、收敛速度慢等缺点,并以实例加以证明。     

一种改进型多目标粒子群优化算法MOPSO-Ⅱ

提出了一种改进型多目标粒子群优化算法(MOPSO-Ⅱ).该算法为粒子群中每个粒子增加一个"扰动向量",以利于粒子跳出局部最优并为粒子的全局最优位置赋予了时限的属性,可防止过于频繁地更新全局最优位置,有利于增强粒子搜索的持效性.该算法改进了粒子越界的处理方法,最大程度上保持粒子优秀的搜索方向.通过典型的多目标测试函数ZDT对该算法进行测试,实验结果表明,带ε-支配的MOPSO-Ⅱ算法在解群的分布性方面要优于使用了拥挤距离机制MOPSO-Ⅱ算法和NSGA2算法,对比实验还表明MOPSO-Ⅱ算法在收敛性方面要优于NSGA2.因此,MOPSO-Ⅱ在求解多目标优化问题上有一定优势,是一种有前途的算法.     

基于混合遗传算法的多无人机巡逻路径优化

假设无人机巡逻的起、终点均为派出所,提出了一种融合传统遗传算法和爬山算法的警用无人机巡逻路径优化模型——混合遗传算法。按照轮盘赌法则,进行种群个体的选择,以增大优秀种群个体被选中的概率,达到较好的优化效果。同时定义了与路径优化相适应的基因交叉和变异规则。仿真结果表明,提出的混合遗传算法在寻优效果上明显优于传统遗传算法。     

基于粒子群算法的闪电定位网优化布站

闪电监测网探测站的位置分布对定位精度具有重要影响,如何布置站点使得监测网具有最佳的定位精度是监测网设计时必须考虑的问题.在分析三维闪电定位算法和点位误差的基础上,引入最优化思想,提出了一种优化布站模型.利用粒子群算法能够求解得到该模型的定量化结果,该结果保证了目标监测区域的平均误差最小.在广西壮族自治区三维闪电监测网站点位置分布设计应用中,利用该模型仿真得到定位网内水平误差为200m,误差得到明显降低.本文提出的模型可以为三维闪电监测网合理布置站点提供支撑,能有效提高监测网定位精度.     

基于FCM的簇内欠采样算法

针对传统分类器在不平衡数据集上性能降低的问题,提出一种基于FCM的簇内欠采样算法(Fuzzy C-means clustering Based Under Sampling In Clusters, FCMUSIC)。使用模糊c-均值聚类算法(Fuzzy C-Means clustering, FCM)将多数类样本划分成若干簇,在每个簇内以类别不平衡比率(imbalanced ratio, IR)的倒数作为采样倍率,得到新的多数类样本并与少数类样本合并,形成新的平衡样本集,结合KNN和Random Forest分类器进行分类。分析在5组不平衡数据集上的分类结果,当使用KNN分类器时,改进后的算法的F1值平均提高了6.65%,G-mean值平均提高了7.75%;使用Random Forest分类器时,F1值平均提高了5.31%,G-mean值平均提高了6.07%。表明FCMUSIC算法能够有效地提升传统分类器对不平衡数据集的分类性能。     

基于簇的无线传感器网络密钥预分配方案

通过把网络划分为多个六边形区域,每个节点预先存储多个子密钥空间中的密钥信息,采用基于组的部署方式,提出了一种新的基于分簇结构的无线传感器网络密钥预分配方案.该方案能够动态更新节点的密钥,从而解决了由于节点被捕获所导致的密钥连通性下降和密钥更新通信开销大等问题.性能分析和仿真结果表明,与现有的密钥预分配方案相比,该方案可以确保任意两个相邻节点之间都能够建立一个惟一的对密钥,节点所需的密钥存储空问减少,密钥建立和更新所需的通信开销很小,网络的抗攻击能力得到较大提高.     

一种基于欧氏干扰因子的微粒群优化算法的改进

针对基本微粒群优化(PSO,Particle Swarm Optimization)算法在应用于具有极多局部极值和维数被优化问题时易陷入局部最优和早熟收敛的不足,提出了一种新的改进算法称之为欧氏微粒群算法.此改进算法的主要思想是当算法陷入局部最优时,给微粒一个扰动因子,它的大小会因当前微粒与全局最优微粒的欧式距离的大小而自适应变化,促使微粒跳出局部最优.在实验中选取典型标准函数对算法进行测试,实验结果表明,本文算法优于标准微粒群算法(SPSO)和高斯微粒群算法(GPSO),而且随着问题复杂性的提高其性能优越性越明显.     

并行Pareto多目标演化算法

提出并实现了一个并行Pareto多目标演化算法(PPMEA)，PPMEA算法是一个通过演化算法来解决基于Pareto的多目标优化问题的并行计算模型。在这个算法中，采用了并行演化算法中常用的全局并行模型和粗粒度并行岛模型。构成每个岛的子群体以不同的杂交概率和变异概率各自独立的演化，但是每隔一定的代数它们要交换外部集中的个体。标准测试函数的数值实验结果表明，所提出的算法能够使找到的解集快速收敛到Pareto非劣最优目标域，并且解集沿着Pareto非劣最优目标域有很好的扩展性。     

改进的多目标粒子群算法

提出了一个改进的粒子群算法并将其用于解决多目标优化问题．该算法利用粒子群算法的信息传递机制，引入多目标演化算法常用的归档技术，采用SPEA2算法的环境选择和配对选择策略，使得整个群体在保持适当的选择压力的情况下收敛于Pareto最优解集．标准测试函数的数值实验结果表明，所提出的算法能够使找到的解集快速收敛到Pareto非劣最优目标域，并且解集沿着Pareto非劣最优目标域有很好的扩展性．     

无线传感器网络中的一种分布式能量有效成簇算法

为了延长无线传感器网络的生存时间,需要设计适合无线传感器网络特点的能量有效的协议。成簇算法能够减少无线传感器网络的能量消耗,对增强网络的可扩展性和延长网络的生存时间有着重要的作用。现有的算法对多路衰退的链路并不十分能量有效,针对这些算法的不足,提出了一种基于