双重信息引导的蚁群算法求解绿色多舱车辆路径问题

针对当前实际运输中广泛存在的绿色多舱车辆路径问题(GMCVRP),文章提出一种双重信息引导的蚁群优化算法(DIACO)进行求解.首先,在DIACO的全局搜索阶段,重新构建传统蚁群优化算法(TACO)中的信息素浓度矩阵(PCM),使其同时包含客户块信息和客户序列信息,即建立具有双重信息的PCM(DIPCM),从而更全面学习和累积优质解的信息;采用3种启发式方法生成较高质量个体,用于初始化DIPCM,可快速引导算法朝向解空间中优质区域进行搜索.其次,在DIACO的局部搜索阶段,设计结合自适应策略的多种变邻域操作,用于对解空间的优质区域执行深入搜索.再次,提出信息素浓度平衡机制,以防止搜索陷入停滞.最后,使用不同规模的算例进行仿真测试和算法对比,结果验证了DIACO是求解GMCVRP的有效算法.

融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.

面向关隘地形的分层调度多机器人路径规划

针对关隘地形下多机器人路径规划存在的高度耦合性,引入调度次序优化思想构造了分层的多机器人路径求解与优化算法。首先,在优化层采用遗传算法生成所有机器人的调度次序,并根据适应度对调度次序进行迭代和进化。其次,根据优化层制定的调度次序,在规划层采用改进的层级协作A*(IHCA*)算法进行路径求解,并将求解结果返回上层以对该次序的适应度进行更新。最后,通过上下层相互配合,逐步提升问题求解成功率并降低路径耗时。此外,提出搜索熔断机制,避免原始HCA*算法在关隘地形中陷于反复无效搜索的状态,可进一步提升求解效率。研究结果表明,所提算法在高耦合关隘环境下具有较高的求解成功率,且路径总耗时更少。

带障碍物惩罚因子的多机器人路径规划

轻载环境中,复杂障碍物区域将引起机器人之间局部冲突加剧,进而导致路径求解效率下降,针对该问题,提出轻载环境下带障碍物惩罚因子的多机器人路径规划方法。在基于冲突搜索(conflict-based search,CBS)算法框架的下层单机规划过程中,通过对即将拓展机器人位置的周围障碍物分布类型进行判断,赋予与之对应的障碍物惩罚因子;对路径规划过程中的惩罚因子进行累加,作为单机规划的启发值对路径进行选取;结合CBS算法框架的上层冲突消解策略进行多机器人的路径规划与冲突协调。测试结果表明,在10%障碍物分布的轻载环境中,所提算法的求解时间约为CBS算法的81.38%~83.67%,二叉约束树(constraint tree,CT)拓展量为CBS算法的60.14%~71.66%。在Gazebo中仿真表明,所提方法可减小通过复杂障碍物区域的次数。

基于讨价还价博弈机制的B-IHCA^(*)多机器人路径规划算法

针对密集场景中大规模冲突导致多机器人路径规划(Multi-agent path finding,MAPF)成功率低的问题,引入讨价还价博弈机制并以层级协作A^(*)(Hierarchical cooperative A^(*),HCA^(*))算法为内核,提出一种基于讨价还价博弈机制的改进层级协作A^(*)(Bargaining game based improving HCA^(*),B-IHCA^(*))算法.首先,在HCA^(*)算法基础上,对导致路径无解的冲突双方或多方进行讨价还价博弈.由高优先级机器人先出价,当低优先级机器人在该条件下无法求解时,则其将不接受该出价,并通过降约束求解方式进行还价.再由其他冲突方对此做进一步还价,直至各冲突方都能协调得到可接受的路径方案.其次,为避免原始HCA^(*)算法由于高优先级的阻碍陷于过长或反复无效搜索状态,在底层A^(*)搜索环节加入了熔断机制.通过熔断机制与讨价还价博弈相配合可在提升路径求解成功率的同时兼顾路径代价.研究结果表明,所提算法在密集场景大规模机器人路径规划问题上较现有算法求解成功率更高、求解时间更短,路径代价得到改善,验证了算法的有效性.

融合局部搜索策略求解DCMST的改进稳态遗传算法

针对目前遗传算法求解度约束最小生成树存在的求解质量不稳定、局部搜索不完全的问题,提出一种融合局部搜索策略求解度约束最小生成树(DCMST)的改进稳态遗传算法。提出服从边隶属度值的度约束初始生成树算法,用来提高初始种群的质量;在局部搜索时引入禁忌搜索,防止相似解大量重复搜索;融合自适应变量和点替换的局部搜索方法,提升算法的局部搜索能力。仿真结果表明,提出的算法提高了初始解的质量,加快了算法的收敛速度,加强局部搜索从而提高了算法的求解质量,可获得较好的有效性与稳定性。

一种基于安全区间的多机器人路径k鲁棒规划算法

针对多机器人路径规划系统在执行中存在的延迟干扰问题,提出一种基于安全区间的多机器人路径k鲁棒规划算法。首先,引入全局时间表,将机器人占据节点的时间和k鲁棒因子相加作为节点的障碍时间区间,然后更新全局时间表,利用全局时间表的安全区间约束避免机器人之间发生冲突;其次,提出带k时间扩展的A*方法做为多机器人底层路径规划的核心算法,其中k为设定的鲁棒因子,该方法可以在多机器人的时空关系中处理鲁棒规划问题;最后,在全局时间表的约束下,完成所有机器人路径规划。仿真结果表明,算法的求解成功率比现有IkR-CBS算法平均高37%,求解时间缩减两个数量级,为多机器人路径规划提供一种更有效且具有延迟裕量的鲁棒方案,并在实物机器人中进一步验证了算法的有效性和可行性。

改进学习型遗传算法求解柔性车间调度问题

针对智能优化算法在解空间搜索时忽略问题特征导致搜索效率无法进一步提升的问题,从柔性车间调度问题的特征入手,引入关键机器和搜索过程学习概念,提出一种基于关键机器的改进学习型遗传算法。首先,针对柔性车间调度问题解表达中的机器选择设计知识体,通过搜索过程得到的解更新知识体,并反馈到求解过程的引导;其次,使用了一种自适应的变异算子改善遗传算法早熟收敛的问题;然后,基于变换加工机器和加工顺序以及关键机器的思想设计了3种邻域结构;最后,引入关键机器的概念,并将其引入到知识体更新以及邻域搜索的过程中。仿真结果表明,较其它方法而言,本文提出的算法在不同规模的标准算例上找到最优解的能力更强。

改进灰狼优化算法在特征栅格地图上的路径规划

针对灰狼优化算法求解移动机器人路径规划易陷入局部最优且效率低的问题,本文提出一种改进灰狼优化算法在特征栅格地图上的路径规划方法。首先,对灰狼优化算法进行改进,引入根据具体要求调节算法的全局搜索和局部搜索的调节因子,并引入动态权重和游走策略以提高算法的收敛速度和避免局部最优的能力;其次,提出一种建立特征栅格地图的新方法,加快了特征栅格的确定;最后设置远距离特征栅格和可视步长,简化了邻接矩阵的建立。仿真实验结果表明,本文算法相比于其它算法在标准测试函数和路径规划问题中,都有更优的结果。在此基础上,通过建立特征栅格地图,有效地加快了改进算法在路径规划问题上的求解速度。

基于改进多目标水母算法的低碳柔性作业车间调度方法

针对柔性作业车间调度问题中多个目标之间相互冲突、难以求解的问题,设计了一种基于Pareto和改进多目标水母搜索算法的柔性作业车间调度方法。首先,建立了以最小化最大完工时间、最小能耗以及最小机器总负荷为优化目标的车间调度模型;其次,使用了一种基于完工时间和机器负荷均匀分布的初始化方式,有效地提升了初始种群的质量;考虑到连续水母算法在求解离散问题时存在效率低等问题,设计了离散水母算法,提出了基于Pareto等级的被动运动方式,进一步提高了搜索效率,引入了学习的概念引导种群向Pareto前沿移动;最后,为了验证多目标改进水母算法在求解柔性作业车间调度的有效性,与NSGAII算法进行了仿真实验对比。实验结果表明:利用该算法求解MK06算例完工时间为76、机器负荷为424、能耗为565.8支配的NSGAII的结果,解的质量整体较高。研究结果表明:采用均匀分布初始化方式以及学习型引导的离散化水母算法,其初始种群分布均匀、收敛速度快、解的质量高,具有较强的寻优能力,能够有效地处理多目标柔性作业车间调度问题。

基于无线传感器网络的控制系统采样频率优化算法

针对基于无线传感网的网络化控制系统,讨论了采样频率的优化问题.建立了以数字和模拟控制系统性能差距指数最低为目标,以无线节点的通信容量为约束条件的非线性优化模型,并以障碍函数法进行求解,提出了基于节点缓冲区信息的分布式迭代算法.该算法在传感节点的计算量小,易于实现.仿真表明该算法能有效收敛到系统的最优目标点,并能适应于系统的负载变化.

无线传感器网络TDMA调度的能量-时延Pareto优化

针对多到一数据传输模式的无线传感器网络,提出了多目标TDMA(时分多址)调度优化模型,考虑了数据包的时延和节点状态切换导致的能量消耗,合理地建立了TDMA调度问题和进化搜索算法间的映射关系,并设计了基于微粒群的Pareto优化算法.仿真实验表明,该算法可以有效地找到一组能量和时延目标的Pareto优化解,其结果优于图着色算法.

基于802.15.4的无线传感器网络查询质量优化算法

在簇形结构的无线传感器网络中,针对基本单元簇,在IEEE802.15.4协议的MAC层讨论查询质量的优化问题。建立了以查询质量为目标,带宽限制为约束条件的优化模型,并提出了动态规划法和查询质量因子动态更新算法相结合的动态查询质量保证算法。仿真实验表明,该方法能提高IEEE802.15.4的实时带宽利用率,减少查询响应时间,并能根据不同的查询质量要求提供相应的服务。

无线传感器网络仿真系统的设计与实现

无线传感器网络是一个新兴领域,其面向应用的特点使其区别于现有的通信网络。为有效和快捷地展开无线传感器网络的研究,在离散事件仿真原理和面向对象技术的基础上,该文提出一个无线传感器网络仿真系统,从系统结构框架、类的设计及软件模型、仿真机制方面多层次多角度地对该系统进行了描述,并采用C++和M atlab编程语言予以实现。该系统具有开放式、模块化、易扩展的特点,它的设计和实现对于推动无线传感器网络技术的研究有着积极的意义。

无线移动网络节点发包概率的演化博弈模型

针对大规模无线移动网络中节点对信道资源的群体性随机博弈问题,在载波侦听多路访问/冲突避免(CSMA/CA)的机制下,建立一种节点发包概率的演化博弈模型。考虑节点成功发送数据包的收益、监听、退避和冲突等成本因素,给出并证明该模型的演化稳定策略(ESS),推导节点发包概率演化的复制动态方程。数值仿真结果表明,该模型能提供更强的ESS,保证在多个移动节点干扰时演化稳定点的鲁棒性。

DSP技术在高准确度仪表中的应用

介绍了在智能仪器的构建中将传统单片机与DSP芯片相结合的技术，并就一只高准确度仪表介绍了该技术的硬件构成原理及软件方法。实践表明，此技术既充分利用了传统单片机体积小、面向控制和价格低等特点，又发挥了DSP强大运算功能及速度优点，有较高的性价比和广泛的应用前景。

基于虚拟势场的有向传感器网络覆盖优化算法

针对有向传感器网络中存在覆盖重叠区和盲区这一问题,引入重叠质心和有效质心的概念,提出了一种基于虚拟势场的有向传感器网络覆盖优化算法PCAFD。该算法通过重叠质心和有效质心相互作用,使节点因受虚拟斥力而改变感知方向,并针对边界情况和网络优化过程中的节点往复运动现象进行改进。算法快速地提高了网络覆盖率,一系列仿真验证了该算法的有效性。

多障碍场景的有向传感器网络覆盖优化算法

针对监控区域中存在障碍物的情况,引入一种避障策略,提出基于虚拟势场的传感器网络覆盖优化算法。该算法基于有向感知模型,通过重叠覆盖区域、有效覆盖区域和障碍物遮挡区域之间虚拟力的相互作用,调整节点的传感方向,逐步消除网络中的重叠覆盖区域和障碍物遮挡区域,并根据分布在边界区域的边界节点进行改进,通过在边界线上增加一个虚拟邻居节点,实现有向传感器网络的覆盖性能增强,并分析传感器参数对覆盖率的影响。仿真结果表明,在有障碍物的情况下,该算法可有效提高网络覆盖率。

基于M/G/1/K排队理论的IEEE 802.15.4网络吞吐量分析

针对IEEE 802.15.4时隙载波侦听多址接入与碰撞避免(CSMA/CA)算法,利用二维Markov链分析方法提出了一个网络分析模型。该模型特别考虑了IEEE 802.15.4协议的休眠模式以及退避窗口先于退避阶数(NB)达到最大值的情况。在此基础上,结合M/G/1/K排队理论推导得到了吞吐量的表达式,进而分析了网络在非饱和状态下数据包到达率对吞吐量的影响,利用模拟平台NS2进行了仿真。实验结果显示理论分析结果与仿真结果可以较好地拟合,并能准确描述网络吞吐量的变化,验证了分析模型的有效性。

基于ZigBee的低功耗无线传感器网络改进协议

如何降低无线传感器网络(WSNs)节点的能耗来延长网络寿命是非常重要的,无线网路的性能主要取决于MAC协议,若要降低节点能耗,合理的设计与改进MAC协议就成为一个关键性问题。主要介绍了无线传感器网络中的ZigBee技术发展与应用,针对相关能耗问题,将延迟测量时间同步(DMTS)算法融入到ZigBee网络中,同时引入了基于S-MAC协议机制的周期性侦听/睡眠、碰撞避免等措施对协议进行改进,通过仿真与基本协议进行比较。仿真结果表明:改进的协议能够有效降低网络节点能耗。