基于偏好随机游动能量均衡算法的激光雷达数据低能耗传输

为了优化激光雷达数据的传输性能,设计一种针对激光雷达数据的低能耗传输方法。利用密度峰值快速聚类方法分割激光雷达数据噪声点,完成数据的聚类处理;采用偏好随机游动能量均衡算法规范随机游动数据;通过分解激光雷达数据传输范围设计数据传输方法,实现激光雷达数据的低能耗传输。实验结果表明,该方法在晴天、雨雪天气和雾霾天气3种不同天气下的激光雷达数据传输能耗均较低,传输激光雷达数据时可以有效减少平均节点跳数,受数据无序化影响较小,证明所提方法具有较高的实际应用价值。

具有偏好随机游动能量均衡的数据传输算法

为了改善传输性能,提出一种具有偏好随机游动的数据传输算法,偏好即每一步的转移概率依据节点可用能量兼顾传输时延确定。特别是,通过分析任意2个节点之间的最短传输距离,把传感器节点的传输范围分解为若干圆环,利用位于源节点到sink之间最短路径上或靠近最短路径的节点作为代理节点进行数据分发,可达到平衡能量消耗和传输延迟之间的特定要求。同时与其他算法比较也说明了此算法是有效的。

基于改进磷虾群算法优化Elman神经网络的PEMFC电堆建模

质子交换膜燃料电池(PEMFC)电堆的优化控制需要有精确的电堆模型。现有的基于Elman神经网络建立的PEMFC电堆模型已具有较好的精度,但是此种电堆模型仍然存在容易陷入局部极值、结果无法重现等问题。考虑可以将自适应莱维飞行和偏好随机游动两种机制引入基本磷虾群(Krill Herd,KH)算法,得到一种改进的磷虾群(Improved Krill Herd,IKH)算法用以优化神经网络的初始参数,进而建立基于IKH-Elman网络的PEMFC电堆模型。仿真结果表明,IKH算法用于优化神经网络可同时保证更高的寻优精度和更快的收敛速度;在预测的精度和稳定性上此种电堆模型也具有一定的优势。

全局优化的改进鸡群算法

在基本鸡群算法的基础上提出了一种改进版鸡群算法(ECSO),在公鸡位置的更新过程中引入自适应变异策略用于平衡算法迭代后期下降的种群多样性,提升收敛速度;在母鸡移动过程中引入偏好随机游动策略来平衡算法的开发与探索阶段,增强算法的稳定性;在小鸡位置更新时引入领导者策略,减少算法搜索的盲目性;最后,通过测试多组函数,并与基本蝙蝠算法和鸡群算法以及已有改进的鸡群算法进行对比,验证了改进算法的有效性。

改进型社会蜘蛛优化算法

针对社会蜘蛛优化算法(social spider optimization algorithm,SSA)在寻优过程中步长固定且蜘蛛种群间因吸引力降低导致收敛速度慢且迭代后期计算精度低的缺陷,提出了一种改进型社会蜘蛛优化算法(modified social spider optimization algorithm,MSSA).算法采用自适应方法使寻优步长在迭代过程中自适应变化,提高了其收敛性能.引入偏好随机游动机制进一步强化算法的局部开发能力.典型函数的测试表明,MSSA的收敛性能较标准SSA及其它改进的群智能算法在收敛速度及精度方面具有明显优势.