基于遗传感知优化算法的无线传感网络资源分配研究

针对现有WSNs(Wireless Sensor Networks)节点资源分配算法存在的网络资源利用率低、能耗消耗过快等问题,提出一种基于优化遗传感知的网络资源分配算法。根据随机部署节点的位置、剩余能耗等,选择最佳目标节点并构建合理的网络节点拓扑结构;建立节点感知优化模型,对经典GA(Genetic Algorithm)算法进行优化,提升GA算法的大规模数据处理能力和迭代寻优能力,并将感知结果汇总到数据融合中心;为个体遗传基因选择合适的个体适应度函数,再经过编码、繁殖与交叉变异,优选出最优的节点通信链路和传感网络资源分配路径。仿真结果显示:GA算法下的节点缓存能力和带宽利用率均较高,通过节点资源合理分配可以减少能耗,并延长网络寿命。

一种换热器网络优化新方法

基于遗传算法和神经网络的多层感知器模型的有机结合,提出一种优化换热器网络的新算法和一种新的编码方法——基因矩阵. 这种算法根据遗传适应度(目标函数)的大小,以随机搜索方式寻找在求解区域的最优解,采用神经网络多层感知器模型实现换热器网络的结构优化和参数优化. 经过遗传-感知模型优化并与外逼近算法做了比较,表明采用此法优化多维、多峰、非凸的换热器网络也具有很好的适应性.