基于惯性权重调整的果蝇优化算法在WSN中的应用

目的:针对无线传感器网络随机部署节点的区域覆盖和传感器节点能量消耗问题,提出一种基于惯性权重余弦自适应调整策略的改进果蝇优化算法。方法:该算法在果蝇优化算法基础上,通过引入惯性权重的学习因子调整策略,在线调整算法的搜索步长。结果:增强了果蝇个体的自适应性及全局搜索能力,从而实现全局最优。结论:仿真实验表明,提出的改进果蝇优化算法不仅提高了收敛速度和全局搜索能力,还显著提升了WSN的覆盖率。

基于改进粒子群算法的PID控制参数优化

针对粒子群优化算法(particle swarm optimization algorithm,PSO)后期易陷入局部最优解这一缺陷,提出一种惯性权重余弦调整的粒子群优化算法(IWCPSO)。在迭代过程中对惯性权重引入余弦变化,改善迭代后期的不足,提高算法的精度。在matlab 2016仿真环境下,与Ziegler-Nichols(ZN)公式法和惯性权重正弦调整的粒子群优化算法(SIPSO)在PID控制参数优化方面的应用效果对比得出该算法是一种使得PID控制系统响应函数性能指标更好,整定结果更精确的算法。

基于改进ReliefF的无监督特征选择方法

针对特征选择中存在数据缺乏类别信息的问题,提出一种新型的基于改进ReliefF的无监督特征选择方法UFS-IR.由于ReliefF类算法存在小类样本抽样概率低、无法删除冗余特征的缺陷,该方法以DBSCAN聚类算法指导分类,通过改进抽样策略,使用调整的余弦相似度度量特征间的相关性作为去冗余的凭据.实验表明UFSIR可以有效缩减数据维度的同时保证特征子集的最大相关最小冗余性,具有很好的性能.

基于多策略改进麻雀搜索算法的WSN覆盖优化

为了解决无线传感器网络节点分布不均匀、无线传感器网络覆盖率不高的问题,本文通过采用多策略改进麻雀搜索算法(DSSA)实现网络覆盖优化。利用Delaunay三角划分策略在目标区域构建三角网络,以此部署静态节点;其次引入了惯性权重余弦动态调整策略和步长速度自适应调整策略完成对网络节点的二次部署,提高算法全局搜索能力。仿真实验表明DSSA算法可以有效提高覆盖率,避免陷入局部最优,覆盖率比其他4种算法分别提高了4.31%、6.26%、3.16%、13.21%,结果验证了DSSA算法在无线传感器网络覆盖方面具有可行性与优越性。