三维空间动态目标追踪自部署算法

为了能够实现三维有向传感器网络中移动目标的追踪部署,且确保目标在不断移动过程中传感器节点仍能够完成对目标的有效监测,提出一种基于节点感知模型和虚拟力模型的三维空间动态目标追踪自部署算法(DTSA),并且采用Sigmoid函数构建传感器节点追踪过程中的最佳移动速率模型,使得当三维空间的目标处于不断移动时,传感器节点可以以最佳的移动策略实时监测目标。仿真实验结果表明:与传统的动态目标追踪自部署算法相比,DTSA算法在追踪覆盖率和平均移动距离两个对比指标方面有了提升,性能优于传统的算法。

基于移动WSN目标追踪算法

水下移动无线传感器网络是追踪水下目标的重要手段,由于水下环境复杂,传感器节点会因为损坏或能量耗尽等问题脱离WSN网络,造成目标追踪困难。针对该问题,在拓扑熵理论基础上建立移动WSN目标追踪算法模型,利用拓扑熵对空间中点集拓扑关系描述移动WSN节点的部署情况。当有节点脱网后,通过不断计算拓扑熵值的变化合理调度节点移动,实现节点移动过程中的分布式自适应部署。仿真结果表明,在传感器节点损耗的情况下,提出算法和现有WSN目标追踪方法相比,在优化移动传感器网络的部署和目标追踪方面,具有更高的算法性能和效率。

基于追踪部署的动态概率包标记算法的研究

基于追踪部署的相关理论和动态概率包标记算法,针对当前危害甚大的分布式拒绝服务攻击,提出一种基于追踪部署的IP回溯算法。该算法是以贪心算法为基础利用K-剪枝算法在网络拓扑图中找出一些关键的路由器,利用这些路由器也就是只让tracers对过往的数据包按照动态概率包标记算法进行标记,这样大大减少了重构路径所需的数据包数,提高了追踪到攻击者的速度,而且大大减轻了路由器标记的负担,从而能够迅速而准确的找到攻击源。

基于RCGA优化GRNN的实时动态目标追踪模型

针对三维环境中导弹追踪目标时制导和控制算法复杂而导致计算量非常大的问题,提出了一种基于隐性交叉遗传算法优化广义回归神经网络的实时动态目标追踪模型。通过将导弹防御区离散化为多个小模块生成输入数据,并针对每个可接受的目标参数数据集,使用RCGA估算导航常量和导弹注意时间;利用输入和输出的目标参数集生成GRNN所需的训练数据集;针对任意位置的目标轨道,将训练后的GRNN应用于实时导弹导引系统的实现中。通过战术目标仿真模型验证了所提算法的有效性及可靠性,仿真结果表明,相比其他几种目标追踪算法,算法取得了更好的实时性和更高的目标定位精度,脱靶率接近零。

基于遗传算法的追踪列车节能优化

为了研究追踪列车的节能优化操纵策略,提出了四显示固定闭塞系统下的列车静态速度约束条件和追踪列车动态速度约束条件.在此基础上,建立了以列车操纵手柄级位和工况转换点为控制变量的追踪列车节能优化模型.采用染色体长度可变多目标遗传算法,结合外部惩罚函数对该模型进行了求解,并利用遗传算法中的染色体变长算子对列车操纵手柄变换策略进行了优化.在四显示固定闭塞平台上的仿真结果表明,该方法可在安全、准点的前提下,使追踪列车的能耗下降4.3%,运行时间误差减小1.7%.

面向未知环境及动态障碍的人工势场路径规划算法

实际战场环境错综复杂,很多隐蔽、动态的障碍无法通过高空手段预先探测得知,因而对智能体执行任务的安全性产生威胁。针对未知且障碍形态多样的战场环境,以躲避动、静障碍,追踪目标为研究对象,提出一种面向未知环境及动态障碍的改进人工势场(Artificial Potential Field,APF)路径规划算法。在该算法中,智能体构建了以目标点为中心的引力势场,以及以障碍物为中心的斥力势场,在智能体行进路途中感知局部障碍及目标点的运动信息,并且将信息加入势场函数的计算中达到动态避障与追踪的效果;另一方面,引入距离因子及动态临时目标点来消除APF算法常见的无解问题——极小解情况及路径抖动现象。通过建立不同数量的随机障碍场景,进行多次仿真对比实验,结果表明:所提算法能够在未知环境中灵活躲避动态障碍并进行目标点的追踪,可以有效消除死解及路径抖动问题。将所提算法与传统APF算法及添加了动态避障机制的文献[19]所述算法进行对比实验,结果表明所提算法能成功化解两种对比算法路径规划失败的情况,顺利完成路径规划任务,且成功率在95%以上。

基于动态分区的配电网日前优化调度研究

为了提高对分布式可再生能源的就地消纳能力,实现配电网分层分区调度,提出了基于MOEA/D的多目标蚁群动态分区算法和基于动态分区的配电网日前优化调度模型。利用潮流追踪算法与复杂网络理论中的二分模块度,提出了量化分区间能量耦合程度的能量二分模块度指标。基于电力系统潮流方程雅克比矩阵推导蚁群算法中的启发式信息,结合预测场景集以分区的能量二分模块度与功率储备为目标函数,利用多目标蚁群算法生成动态分区方案。建立以联络线功率、灵活性不足率以及成本最低为目标的基于动态分区日前优化调度模型,并利用NSGA-II算法求解Pareto最优解集。最后基于IEEE33节点网络对所提模型与方法进行验证。结果表明,采用该方法进行动态分区与日前调度可有效提高系统应对可再生能源不确定性的能力,为就地平抑可再生能源波动奠定基础。