差额奖惩机制的WSNs节点信任演化模型

针对目前无线传感器网络(WSNs)节点间信任决策导致网络不稳定的问题,引入了差额奖惩机制。在实际中,网络存在不可靠因素,加入丢包率,构建基于奖惩机制的信任演化模型。通过信任演化模型,推导出节点交互时的状态。通过实验分析了节点在选择策略时的各种变化以及差额奖惩机制对演化收敛时间起到的作用,通过实验验证了差额奖惩机制对WSNs中的善意节点最终收敛到信任策略所需节点初始信任策略比例数的要求所起到的作用。差额奖惩机制弥补了在无差额奖惩机制模型中演化收敛速度慢的问题,并且降低初始节点选择信任策略比例数的要求,为WSNs信任机制的设计提供了理论基础。

面向三维的有向异构传感器网络覆盖优化算法

针对面向三维的有向异构传感器网络随机部署节点产生的覆盖重叠区和盲区的问题,提出了一种基于粒子群优化(PSO)算法面向三维的有向异构传感器网络覆盖优化算法(PSOTDH)。该算法在建立新的三维有向感知模型的基础上,在模型中引入三维重叠质心、三维有效质心和三维边界质心的概念,通过PSO算法对面向三维的有向异构传感器网络进行三维覆盖重叠区域优化和三维边界节点优化处理,使节点的主传感方向发生改变,从而使三维重叠质心、三维有效质心和三维边界质心分布更加均匀,进而达到提高覆盖率的目的。仿真结果表明,该算法经过25次优化以后可以提高网络覆盖率约27.82%。由此可见,该算法能够快速、有效地提高网络的覆盖率。

多车场动态路径问题的自适应量子蚁群算法

针对物流配送过程中存在的多配送中心动态需求车辆调度问题即多车场动态车辆调度问题(MDDVRP),提出了一种自适应量子蚁群算法(SAQACA),用于最小化路径。根据量子的相位编码方式,提出了对蚁群的信息素矩阵进行直接编码,进而实现由量子旋转门更新完成蚂蚁移动;根据搜索点的量子相位特点及目标函数的变化率,提出了一种自适应量子旋转门更新方式,进而提高了算法的全局搜索深度;引入基于两元素搜索策略的局部搜索方法提高了算法的局部优化能力,从而对可行解进行改进。仿真实验与算法比较验证了所提算法的有效性和优越性。

求解动态需求车辆调度问题的自适应量子遗传算法

针对物流配送过程中存在的动态车辆调度问题,即带载车量约束的实时优化车辆路径问题,提出一种自适应量子遗传算法,用于最小化配送成本。根据搜索点目标函数的变化率,提出一种自适应量子旋转门更新方式,并通过子种群适应度值的变化确定量子旋转角的方向和大小,进而引导种群进化方向,提高算法的全局搜索广泛性;设计了一种变异操作,用于保持自适应量子遗传算法的种群多样性,进而提高算法全局搜索的宽泛性;引入基于两元素搜索原则的局部搜索方法来增强算法的局部优化能力。仿真实验和算法比较验证了所提算法的有效性和优越性。

几何学概率的无线传感器网络能耗估计模型

针对无线传感器网络能耗这一问题,提出了一种基于几何学概率的能耗估计模型。以节点的状态转换为基础,建立了基于半Markov链的节点能耗模型,并引入概率分布函数的概念。从传感器节点随机分布出发,假定节点之间可以相互通信,分别对在单个正六边形和相邻两个正六边形内的节点随机分布进行研究,推导得出能耗估计模型。仿真结果表明:该模型可以实现网络能耗的准确估计。

多障碍的有向异构传感器网络覆盖优化算法

针对多障碍影响的有向异构传感器网络中的覆盖问题,在满足有向感知模型的基础上,提出了基于虚拟势场的多障碍的有向异构传感器网络覆盖优化算法PCMODH。该算法通过引入重叠质心和有效质心的概念,对多障碍影响的有向异构传感器网络进行邻居节点的虚拟受力优化、节点往复运动优化、边界节点及障碍物节点处理。该算法优化了随机部署产生的覆盖问题,提高了多障碍的有向异构传感器网络的覆盖率。仿真结果证明了该算法的有效性。

有向异构传感器网络覆盖优化算法

针对有向异构传感器网线随机部署产生覆盖重叠和盲区这一问题,受到虚拟势场算法的启发,提出了基于虚拟势场的有向异构传感器网络覆盖优化算法(PCADH)。以有向感知模型为基础,引入重叠质心、有效质心和虚拟边界质心的概念,对有向异构传感器网络进行虚拟受力优化、节点往复运动优化和边界优化处理。仿真结果表明:算法可以快速有效地提高有向异构无线传感器网络的覆盖率。