基于蚁群算法的多路径QoS路由算法研究

针对现代网络通信量不断地增大以及蚁群算法在解决路由问题时存在的一些不足提出了基于改进蚁群算法的路由优化算法。该算法将蚁群系统的特点和流量工程的思想相结合对基本的蚁群算法进行了3方面的改进：将路由器的缓冲队列的利用率加入下一结点选择的标准;采用链路的利用率做为全局更新信息素;选择多条路径来进行数据传输。仿真实验结果表明该算法可以实现网络负载均衡,降低拥塞发生的可能性,提高了网络资源的利用率。     

一种基于Multi Agent的无线传感器网络数据收集算法

提出了构造多Agent协作模型的方法,设计了基于多Agent的无线传感器网络的数据收集算法ARDG(activereliable data gathering algorithm),将多Agent的协作思想结合到数据路由的计算中,该算法在无线传感器网络资源限制,如在传感器存储空间和能量有限等条件下,提高了数据收集的主动性和可靠性,理论和仿真实验证明了该方法的可靠性与时效性。     

LEACH协议的改进与仿真研究

无线传感器网络由能量受限的节点组成,高效节能的路由算法是路由设计的关键问题。在LEACH算法的基础上,提出了一种新的分簇式路由策略,从簇头个数的确定、簇头选举方法对LEACH算法进行了改进,数据传输方式允许采用多跳方式与基站节点通信,仿真结果表明该算法具有降低网络能耗、延长网络生命周期的优点。     

无线传感器网络覆盖新算法研究

目前无线传感器网络对时间空间连续分布的物理量进行监测时存在着节点分布不合理，覆盖效率低，网络计算量大等问题。采用流体力学中数值分析的动态嵌套网格技术，设计了一种新的基于动态嵌套网格技术的无线传感器网络覆盖算法。最后对该算法进行仿真实验，结果表明该算法在相同监测精度时所得到的覆盖效率、覆盖均匀性、能效指标等比传统的覆盖算法有所优化。     

基于最小跳数的无线传感器网络跨层设计

传统的严格分层参考模型无法实现对无线传感器网络资源的有效管理和运用,跨层设计是提高网络整体性能的一种有效方法。针对无线传感器网络能量、计算资源、存储资源和带宽资源有限的特点,提出一种基于最小跳数的路由层和MAC层的跨层协议设计方案。MAC层和路由层通过共享sensor节点到sink节点的最小跳数信息,在MAC层建立时间梯度,解决多个节点共享无线信道的问题;并在路由层建立路由表,解决路由选择问题。仿真结果表明,该方案在降低网络能耗的同时,在降低传输延迟,提高数据投递率方面也取得了良好的性能。     

无线传感器网络路由协议研究与分析

集成了传感器、嵌入式技术、分布式信息处理技术和无线通信技术而形成的无线传感器网络(wireless sensor network,简称WSN)是一种全新的信息获取和处理技术。但由于无线传感器网络的特点,使其路由协议即不同于传统的网络,又有别于ad hoc网络。对几种典型无线传感器网络路由协议进行了详细分析与比较,并针对LEACH算法存在的问题提出了一种改进方案。     

基于改进蚁群算法的无人机侦察航路规划研究

蚁群算法是一种新的源于大自然生物界的仿生随机优化方法,在一系列组合优化问题求解中取得了成效。本文将蚁群算法引入无人机侦察航路的规划,对基本蚁群算法提出了改进,提供了一种新的有效的航路优化算法,并对无人机的侦察航路进行了仿真计算。仿真结果表明改进的蚁群算法克服了基本蚁群算法的收敛速度慢、易于过早陷入局部最优的缺点,仿真结果验证了该算法的有效性。     

一种基于最近相遇节点树的DTN多副本路由算法

在网络拓扑无法事先规划、节点运动有一定社区性、节点缓存能力与网络资源受限的DTN典型应用场景中,存在传统多副本路由算法无法完成的数据包多跳递交问题。针对这一问题与应用场景特点,在经典的Spray and Focus与Prophet算法基础上,提出了一种基于最近相遇节点树的DTN多副本路由算法,并使用基于NS-3的DTN仿真软件与4种经典多副本路由算法Epidemic、Spray and Wait、Spray and Focus、Prophet进行网络性能比较。仿真结果表明:最近相遇节点树机制改善了无法间接递交问题,且该路由算法在缓存平均占用量、递交率、网络有效开销比等网络性能指标上,相比4种经典DTN多副本路由算法均有明显提升。研究结果可对未来月表探测、地球社群网络等DTN典型场景的应用提供参考。     

AFDX虚拟链路路径实时寻优算法

航空电子全双工交换式以太网(AFDX)使用虚拟链路(VL)进行消息数据流通信,为提高AFDX的网络实时传输性能,以VL路径配置寻优为基础,提出了一种基于遗传算法的AFDX VL路径优化算法(POGA)。POGA以提高网络实时性为优化目标,并综合考虑网络负载均衡,以VL的路径信息作为染色体,通过遗传算子进行遗传寻优操作,选择促使AFDX网络实时性能最优的VL路径作为优化结果。利用仿真优化方法对POGA进行了实现,在典型AFDX网络1 000条VL的配置下,与负载均衡算法和最短路径算法进行了分析对比,结果显示分别有76.4%和77.4%的VL的传输实时性得到了增强,网络的实时传输性能分别提高了13.2%和12.9%。     

一种新的基于位置信息的路由算法研究

 为航空移动Ad hoc网络(MANET)提出一种基于位置信息的路由算法，即位置网格路由（LBGR）算法，以此来解决节点高速移动引起的路径重建问题。算法中，数据包沿路由发现时得到的网格轨迹进行传输，每个收到数据包的中转节点根据它与相邻节点、目的节点的位置关系及网络轨迹下游的路由网格位置决定下一跳节点。由于利用了网格位置信息，LBGR算法在航空节点高速移动和拓扑变化无法事先预测的情况下，使用较少的开销就可获得稳定的路由。仿真结果表明，与GRID路由算法相比，LBGR算法在节点中高速移动时，能够有效地减少路由开销，提高网络吞吐量。     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

复合材料层压结构铺层顺序优化设计特征提取算法

受在感知过程中抓住主要特征的启发,结合复合材料层压结构优化问题的特点,借鉴遗传算法、蚁群算法等模拟进化优化算法的流程,提出1种"特征提取"的优化算法。根据目标函数值f(→Xj)(j=1,2,…m)的大小,对相应的m个设计变量向量→Xj=(x1,j,x2,j,…,xi,j,xn,j)(j=1,2,…m)进行排序;在一定的"背景噪声"S下,根据"特征提取"指示向量P提取群组中较优方案的共同特征,生成m个新的设计变量→X′j。算例验证表明,所提出的算法是有效的。     

基于新型自适应遗传算法的混合可靠性优化模型

提出一种新型的自适应遗传算法。结合Logistic函数和余弦函数,对交叉、变异算子曲线进行非线性化处理,实现了交叉算子和变异算子的非线性自适应调整。用新算法求解测试函数,结果表明新算法能够提高收敛速度和精确度,有效地跳出局部收敛,避免早熟现象发生。并基于提出的新型自适应遗传算法,研究了截尾随机-模糊-区间变量的混合可靠性模型的优化问题,建立了以混合可靠性指标作为优化约束条件的混合可靠性优化模型。以某型飞机变速箱同步器系统的优化设计为例,验证了该模型在工程应用中的有效性。     

基于LMD和RBF相结合的尾桨台传动系统滚动轴承故障诊断方法

提出了局部均值分解(Local mean decomposition,简称LMD)方法和径向基函数神经网络(Radial Basis Function Neural Network,简称RBF)相结合的滚动轴承故障诊断方法.LMD方法是一种新的自适应时频分析方法,能够有效地提取故障特征.该方法首先采用LMD对滚动轴承振动信号进行分解,计算分解得到的PF分量能量比,作为特征向量输入到RBF神经网络中,进行故障分类和识别.通过真实滚动轴承数据的故障诊断实验,验证了该方法的有效性.     

基于IGA算法优化的RBF神经网络应用

提出了一种基于改进遗传算法(Improved Genetic Algorithm,IGA)优化的径向基函数(RBF)神经网络,将实数编码的自适应交叉和变异操作的遗传算法与梯度下降法混合交互运算,作为RBF网络的学习算法,并应用于非线性函数的逼近和导弹故障模式的识别问题。仿真结果表明,基于IGA算法的RBF神经网络不仅结构简单,而且具有较好的网络泛化性能。     

基于改进GWO-LightGBM的滚动轴承未知故障诊断

针对滚动轴承未知新故障误判影响轴承安全性和检修效率的问题，提出了一种基于改进灰狼算法（GWO）和轻量级梯度提升机（LightGBM）的故障诊断模型，实现已知/未知故障的高精度判别。为避免单一尺度下特征提取的缺失，对滚动轴承振动信号分别提取时域、频域和小波域特征建立多域特征集。设计了带未知新故障判别机制的GWO-LightGBM模型，并构造含有Halton序列和模拟退火策略的GWO实现了模型参数有效优化。实例试验结果表明，模型对已知和未知类故障平均识别率达99.57%，10次随机试验平均识别率分别比单一分类模型逻辑回归（LR）、最近邻分类器（KNN）和支持向量机（SVM）高21.98%、17.00%、9.27%，验证了模型的有效性和优越性，能高准确率地识别出已知或以前从未出现的新故障。      

五种智能算法解决最大割问题分析与比较

最大割问题（Max—eulProblem）是一个典型的NP难组合优化问题。文章采用遗传算法、分布估计算法、Hopfield网络方法、蚁群算法、粒子群算法等5种算法对最大割问题进行求解,并用标准的多个不同规模最大割测试数据进行测试,研究各参数对算法的影响,并比较各种算法的时间复杂度和空间复杂度。测试结果表明该五种算法虽然在执行效率上有差异,但都能较好的解决最大割问题。     

Embryonic array configuration optimization method based on reliability and hardware consumption

Embryonic Array(EA) with different configuration methods will directly affect its reliability and hardware consumption. At present, EA configuration design is lack of quantitative analysis method. In order to reasonably optimize EA configuration design, an EA configuration optimization design method is proposed, which is based on the constraints of EA hardware consumption and reliability. Through the analysis of EA working process and composition, quantitative analysis of EA reliability and hardware consumption are completed. Based on the constraints of EA hardware consumption and reliability, the mathematical model of EA configuration optimization design is established, which transfers EA configuration optimization design into an integer nonlinear programming model problem. According to the difference of the fitness value of individual waiting for mutation in population, adaptive mutation operator and crossover operator are selected, and a novel Modified Adaptive Differential Evolution(MADE) algorithm is proposed,which is used to solve EA configuration optimization design problem. Simulation experiments and analysis indicate that the MADE is able to effectively improve the speed, accuracy and stability of algorithm. Moreover, the proposed EA configuration optimization design method can select the most reasonable EA configuration design, and play an important guiding role in EA optimization design.