基于状态预测的多智能体动态协作算法

针对复杂动态环境下的多智能体协作问题,提出基于信息处理和状态预测的优化动态协作算法。充分考虑其它智能体对环境的影响,采用重要度函数和信息处理方法,对协作所需信息进行筛选和处理。通过引入状态预测算法,在多智能体动态协作过程中对智能体的行为和系统的状态进行预测,以实现协作结构的在线调整,使得多智能体能在内部以新的控制任务或新的平衡状态为目标,进行联合行动的动态协作。通过在典型的复杂动态MAS研究平台——机器人救援仿真比赛系统中应用,验证了该算法的有效性。

基于自组网的节能协作算法

自组网是由兼做路由器的移动节点组成的移动无线网络,不依靠通信基础设施。本文提出了一个工作于物理层和MAC层之上、网络层之下的基于自组网的节能协作算法,其核心思想是构造虚拟主干网,使位于虚拟主干网外的节点工作于休眠状态,从而减少电源消耗。

Ad-hoc网络中基于博弈论和粒子群优化的协作算法

为了促使Ad-hoc网络中的"自私"节点进行合作,提出了一种基于博弈论和粒子群优化的协作算法(Nash Bargaining of game theory and particle swarm optimization,NGPSO)在算法的第一阶段,源节点通过对中继节点转发的数据进行价格补偿,从而达到使中继节点参与合作的目的。将源节点的最优出价归结为纳什谈判问题,得到具有帕累托最优的激励价格,保证源节点和中继节点在合作中同时获得最佳收益;在算法的第二阶段,中继节点在获得源节点的最优出价后,通过粒子群优化算法得到最优的转发功率,使其合作收益增益最大。仿真表明,和随机价格激励相比,所提出的NGPSO算法能使源节点和中继节点达到最优收益;和中继节点固定功率转发相比,所提出的NGPSO算法,能显著提高源节点的能量效率和中继节点的收益,同时在适当设置中继节点转发功率的搜索空间时,可以保证总的能量效率。

自适应策略优化的粒子群优化算法在神经网络架构搜索中的应用

针对神经网络架构搜索(NAS)任务,提出一种自适应重启策略驱动的协作学习粒子群优化(ARCLPSO)算法。算法核心流程包括协作学习与信息共享、策略切换和参数自适应,以改进传统粒子群优化(PSO)算法在NAS中的性能。ARCLPSO算法结合了全局与局部信息的协同作用和智能切换学习策略。具体地,ARCLPSO利用全局和局部信息的协同作用令粒子向更优的方向移动,通过智能的切换粒子学习策略平衡粒子的搜索性能和收敛速度,提高搜索速度和搜索质量。在NAS-Bench-101数据集上的实验结果表明,ARCLPSO的收敛时间相较于传统进化算法(REA)和随机搜索(RS),分别减少了40.9%和55.2%。

一种WSN中的三层多维事件协作检测算法

提出了一种适用于无线传感器网络的三层多维事件协作检测算法。传感器节点通过计算均值向量序列的相似度发现异常,并通过投票机制确认事件发生。簇头节点根据边界向量序列的相似度,利用改进的K均值聚类算法对多维事件数据进行分类和合并。汇聚节点利用事件属性数据的概率分布,匹配检测出事件的类型。理论分析和仿真试验的结果表明:与传统集中式的事件检测算法相比,该算法能在噪声干扰下提高对多维事件的检测精度,降低算法的通信量和计算复杂度,延长网络的生存时间。

协作优化算法在飞行器设计中的应用

协作优化算法是近年来兴起的一种多学科优化算法,该方法通过分解、协调的方式解决飞行器设计中多个学科的耦合和数据关系复杂的问题。文中首先分析了协作优化算法的基本构架和数学表达形式,通过改变系统级等式约束,使协作优化算法的计算特性大大改进。最后讨论了这种算法在飞行器优化设计领域中的应用,并给出了一个计算实例。

基于动态门限的异构无线网络协作节能算法

针对现有异构无线网络节能方法未能充分发挥网间协作潜力,缺乏载频、基站等不同粒度关断技术的综合应用及理论分析,节能效果有待进一步提高的问题,提出一种基于动态门限的异构无线网络协作节能算法(ESDT:Energy Saving Algorithm Based on Dynamic Thresholds)。该算法将载频、基站等不同粒度关断技术相结合,以最小化系统整体能耗为目标,应用排队理论对门限值进行动态调整,根据系统负载变化,动态开关多粒度资源。仿真结果表明,在保证系统接入阻塞率的前提下,该算法与动态开关载频单一粒度节能算法相比,节能效果更佳,资源利用率更高。

基于多算法协作的航班运行风险辨识研究

针对使用单一算法难以大幅提升航班运行风险辨识精度的问题,首先详细分析航班运行工作流程,筛选出重要评估指标15项,精选X航100个航班案例作为数据样本,使用粗糙集理论约简得到9个风险核心指标;然后选用支持向量机（SVM）和神经网络2种机器学习方法,分别建立风险辨识模型计算风险等级,并将其与基于模糊算法的X航风控系统运算结果对比;进而,依据各算法优缺点,构建多算法协作模型;最后使用G航和N航日运行数据检验模型有效性。结果表明：神经网络方法对低风险分辨效果最好;SVM对中高风险辨识能力最强;用所构建的多算法协作模型计算结果的正确率最高可达95%。

支持复杂产品总体优化设计的多算法协作优化框架研究

针对复杂产品总体优化设计中设计方案寻优难以通过单一优化算法实现的问题,提出了基于多算法协作优化思路的多算法协作优化框架,详细探讨了框架两方面关键技术:组件化优化算法库和协作优化策略,提出了优化算法组件的接口规范和运行机制,给出了基于全局探索+局部寻优策略的协作优化计算流程。最后,通过一个函数优化算例说明了协作优化框架的可行性和有效性。

基于多种群分层协作遗传算法的MIMO雷达正交多相编码信号设计

正交多相编码信号具有大输出主副比和高安全性而倍受关注,利用自相关旁瓣峰值、互相关峰值、总的自相关旁瓣能量和互相关能量最小设计了MIMO雷达正交多相编码信号优化的代价函数。基于多种群协作及高层种群高效决策的思想,运用普通群体挖掘优化空间而高层种群引导种群更快的收敛到全局最优解,提出了多种群分层协作遗传算法,并将其应用于MIMO雷达正交多相编码信号设计,实现了MIMO雷达信号的距离、速度测量的同时提高分辨力,仿真结果表明了本文方法的有效性和可靠性。

一种新的无线传感器网络高能效协作路由算法

为解决无线传感器网络在数据采集过程中的能量节省与能耗均衡问题,结合LEACH的分簇思想和PEGASIS的链路传输特点,利用协作MIMO技术,提出了一种新的高能效协作路由算法HECRA。该算法利用内网数据融合与协作MIMO技术减少了簇内链路短传输与簇间长输的能量消耗,通过构建代价函数选择最合适的路由路径以实现能耗均衡。理论分析了系统进行数据采集时各节点能耗以及系统总能耗,实验仿真结果表明,相对于LEACH与PAGASIS,提出的HECRA算法在网络生命周期上得到了很大的改进。

基于并联协作混合遗传算法的高超声速巡航飞行器一体化优化设计研究

遗传算法能以很高的概率找到全局最优解 ,不需要目标函数和约束条件的梯度信息 ,适合于工程优化设计。为增强遗传算法的局部搜索能力 ,提出了一种新的融合模式搜索方法和 Powell方法的并联协作混合遗传算法。研究超燃冲压发动机为动力的高超声速巡航飞行器的一体化优化设计 ,系统分析了机身和超燃冲压发动机设计参数对飞行器总体性能的影响。通过建立高超声速巡航飞行器质量模型、气动力估算模型、气动热估算模型、超燃冲压发动机性能分析模型、控制模型和弹道分析模型 ,在满足参考任务要求的前题下 ,以飞行器起飞质量为目标函数 ,将并联协作混合遗传算法应用于最优总体方案和超燃冲压发动机方案一体化设计 ,完成了 6设计变量的全局优化计算。算例表明 ,本文建立的一体化设计模型基本正确 ,并联协作混合遗传算法是用于高超声速巡航飞行器一体化优化设计的较好的优化算法。

协作中继节点选择的动态地理协作路由算法

为提升无线多跳网络的误码率性能,提出一种基于协作中继点选择的动态地理协作路由(DGCR)算法。推导最佳协作中继节点区域包络的曲线方程,将该区域划分为具有相同误码率性能的同心圆环,结合考虑误码率性能和协作中继节点的地理位置,设计用于协作中继选择的分布式竞争机制的离散函数,优先进行协作中继节点的选择,根据协作节点位置和目的节点位置动态地选取最佳中继节点。与非协作地理路由算法和传统的地理协作路由算法相比,仿真结果表明,DGCR算法能更加有效地利用空间分集特性,实现更大幅度的误码率性能提升。

一种多模式协作遗传算法

该文主要针对遗传算法在实际操作应用中遗传算子和参数选取的复杂性,分析和探讨了一种多模式协作遗传算法。对于不同的优化问题以及遗传算法的不同运行阶段,引入局部遗传算法来实现一定领域中几种改进的遗传算子的适应性选取,使它们能够有效协作并且能够有效发挥各自特长,形成一种具有广泛适用性的算法模式。使用者可以在缺乏理论指导和经验参数情形下,不再凭借许多对比实验来选取合适的算子类型,方便和拓展了遗传算法的使用,并且通过试验证明了该方法的有效性。

COPS:802.16e中一种协作节能算法

该文首先对多业务场景下移动站休眠模式的能量消耗情况进行了理论分析,发现由于不同功率节省类之间侦听窗口的不同步,移动站的节能效率很低;然后提出了一种多功率节省类的协作节能算法(COoperative PowerSaving Mechanism,COPS),通过调整功率节省类I的休眠参数,同步功率节省类Ⅰ和Ⅱ的侦听窗口,从而提高节能效率.理论分析和仿真实验结果显示COPS不仅提高了节能效率还降低了MAC帧的反应时间.

基于MANET的组间协作缓冲算法

对MANET环境下的缓冲技术进行了研究,提出了一种组间协作缓冲算法。该算法充分考虑了数据的访问频率,数据缓冲节点到数据源节点的距离、数据的大小和数据的一致性。从缓冲数据的使用角度出发,实现了组间的协作缓冲,使缓冲的数据更合理化,提高了缓冲的命中率。实验证明,提出的算法能显著地减少查询执行的能量消耗,改善查询的平均响应时间。

无线传感器网络中的自适应协作伙伴选择算法

为降低无线传感器网络的中断概率和延长网络生存时间,提出一种基于预选和联合参数优先级排序的自适应协作伙伴选择(POAPS)算法.当判定源节点需要协作时,POAPS算法采用节点的等效信道增益进行协作伙伴的预选,以提高选择效率;再以最小化中断概率为目标确定协作伙伴的个数;最后联合节点的等效信道增益和能量效率指数得到协作伙伴优先级排序.相比于没有考虑节点能量的最优多协作伙伴选择(BMPS)算法,POAPS算法能有效延长网络生存时间;相比于处理能力有限且没有顾及节点能量的最优单协作伙伴选择(BSPS)算法,POAPS算法能获得降低中断概率和延长网络生存时间的双收益.仿真结果验证了POAPS算法的有效性.

区分服务网络的协作可调整RED算法

文章描述了一种适用于区分服务网络的新的RED改进算法——协作可调整RED算法(CARED)。算法的思想是基于令牌桶标记器的标记概率建立业务实际速率与承诺速率间的定量关系,并以这个关系动态调整下游节点中CARED的丢包概率。为了实现CARED,文章还提出了一种标记概率的计算方法——基于包数的滑动窗口测量算法(NSWM)。文中通过详实的仿真实验证明了定量关系的正确性,同时验证了CARED算法不仅为区分服务提供了有效的拥塞控制功能,也保障了区分服务的不同性能要求。

基于图像分类与多算法协作的目标跟踪算法

针对目标变化和背景环境的变化,提出了一种基于图像分类的多算法协作的目标跟踪算法,采用融入改进背景加权的尺度方向自适应均值漂移算法与快速压缩算法协作的方式。该算法根据图像变化原因不同将图像分为两类,图像全局变化和目标局部感兴趣区域的变化。对由光照、背景相似度和背景模糊引起的图像全局变化,采用快速压缩算法对目标进行跟踪;对由目标本身尺寸、旋转和遮挡引起的目标局部感兴趣区域变化,采用融入改进背景加权尺度方向自适应均值漂移算法对目标进行跟踪。该算法先对图像序列预处理分类,然后选择适合该对应图像变化特点的算法对目标进行跟踪。经实验验证,该算法较之其他流行目标跟踪算法具有更好的鲁棒性。

双弱感知能力机器人在线协作街道搜索算法

在未知环境中搜索一个目标,是机器人的基本任务场景之一,在现实中有着广泛的应用。相关问题在计算几何学科和机器人学科的研究中得到了广泛的关注。研究了一个双弱感知能力机器人在线协作搜索街道的问题。街道被定义为具有LR可视性的简单多边形P,两个可相互通信的弱感知能力机器人从街道起点s出发,在预先不知道街道几何信息的前提下,协作完成街道终点t的搜索。弱感知能力机器人携带的感应器仅能探测可视区域内街道边界的不连续情况,除此之外不能获取任何其他几何信息,如距离和角度。弱感知能力机器人虽然感知能力有限,却具有性价比高、面对不确定因素时可靠性强等优点。基于在线搜索模型的几何特征,提出了竞争比为3的在线协作搜索算法,并通过给出相匹配的竞争比下界,证明了算法的最优性。