基于动态簇粒子群优化的无人机集群路径规划方法

路径规划对于无人机(UAV)集群的任务执行十分重要,而且高维场景中的计算通常很复杂。群体智能为解决该问题提供了较好的解决思路。粒子群优化(PSO)算法具有参数少、收敛速度快、操作简单等优点,尤其适用于路径规划问题,但它在应用时存在全局搜索能力差、容易陷入局部最优的问题。为了解决上述问题以提升无人机集群路径规划的效果,提出了动态簇粒子群优化(DCPSO)算法。首先,利用人工势场法和滚动时域控制原理建模UAV集群路径规划问题的任务场景;其次,引入Tent混沌映射和动态簇机制进一步提升全局搜索能力和搜索精度;最后,使用DCPSO算法优化模型的目标函数,以获得UAV集群的每个轨迹点的选择。在单峰/多峰、低维/高维不同组合的10种基准测试函数下的仿真实验结果表明,与PSO、鸽子启发优化(PIO)、麻雀搜索算法(SSA)和混沌扰动鸽群优化(CDPIO)算法相比,DCPSO算法具有更好的计算最优值、均值和方差,搜索精度更佳,稳定性更强。此外,UAV集群路径规划应用实例仿真结果也验证了DCPSO算法的性能与效果。

无线传感器网络动态簇组织算法研究

在讨论簇组织问题域及其形式化描述的基础上,提出了一种动态簇组织算法,着重对算法的设计思想和工作过程,包括簇首选举与簇建立、簇重组与自愈机制,以及能量控制过程等,进行了分析和论述,并对参数设计进行了讨论。不基于节点时间同步的簇选举和自愈机制,是算法的重要特点。

无线传感器网络自适应动态簇目标跟踪策略

考虑到无线传感器网络的特点及目标跟踪对实时性要求较高,提出一种基于动态簇的无线传感器网络目标跟踪策略.当目标出现时,基于节点管理机制采用层次分析法选举簇首,定义节点跟踪权值作为参与跟踪的依据,并建立动态簇.目标监视过程中,根据实际跟踪质量自适应调整动态簇规模;为了避免目标丢失,在自适应机制的基础上提出目标恢复机制.目标离开后,解散动态簇,释放节点资源.采用NS2对所提算法进行仿真测试,结果表明,基于动态簇的跟踪策略能够以较少的通信开销为代价获得很好的目标捕获率.

基于分布式动态簇结构的WSN自适应目标跟踪算法

目标跟踪是无线传感器网络应用研究的一个重要问题,如何在传感器节点随机分布的条件下对目标进行实时、准确的跟踪,并尽可能地降低网络能耗是目标跟踪问题的一个难点。文章基于分布式动态簇结构和并行粒子滤波算法对目标进行跟踪,提出一种跟踪采样周期自适应调整算法来降低网络能耗,同时也提高了跟踪的稳定性。仿真结果表明,文章提出的算法达到了实时、准确和节能的要求,具有一定的实际应用价值。

基于无线传感器网络动态簇的目标跟踪

着重研究了基于动态簇目标跟踪的两个关键环节:动态簇的组建和目标状态估计。在动态簇组建方面,提出了综合考虑节点感应信息和节点电量的簇头竞选方案;在目标状态估计方面,定义了包含信号测量强度的最近点(CPA)事件,并提出了基于该CPA事件的新型估计算法。结合这两个关键环节,本文给出了基于动态簇的无线传感器网络目标跟踪过程,包括动态簇的初始化、簇内数据聚合、目标状态估计、动态簇的重组、目标丢失检测以及目标恢复等。仿真结果表明:本文建立的目标跟踪系统具有失效概率低、网络寿命长和跟踪精度高等优点。

基于自适应动态簇和预测机制的WSN目标跟踪算法

无线传感器网络由大量能量有限的传感器节点组成,如何高效利用网络中节点的能量是无线传感器网络用于目标跟踪时研究的主要内容。合理构建动态簇可以有效降低网络的能量消耗,延长网络的生命周期,本文通过改进动态簇组建过程中簇头的选举和簇成员的征集过程,达到进一步节能的效果。其中,簇头的选择,综合考虑节点的能量和节点离目标的距离两个因素。簇成员的征集,同时考虑目标的移动速度和网络中节点的分布情况。同时,引入有效的预测机制,通过避免盲目的唤醒网络中的节点和降低跟踪延迟,可以进一步增强网络的跟踪性能,使跟踪过程更加有效和稳定。仿真结果表明本文算法在保证跟踪精度的前提条件下,可以有效节省网络中节点的能量。

混合高斯参数估计的动态簇算法

混合高斯概率密度模型可以很好地拟合非高斯样本的概率密度。在各高斯分量概率密度互不重叠的条件下,使用动态簇算法可以快速而精确地估计出混合高斯概率密度模型参数。这是一种基于最小均方差原则的递推算法,在正向推导出各种可能的簇边界后,再根据确定的最末边界值逆向推定各前导簇边界,从而得到混合高斯概率密度模型参数估计值。描述模型及参数估计问题之后,动态簇算法被推导出来。然后深入探讨了该算法的实质及适用条件。最后结合数值仿真实例,分析了动态簇算法的估计性能。

WSNs中基于预算机制动态簇的目标追踪算法

无线传感器网络已成为热门的研究领域,许多实际应用中,跟踪运动目标是一项基本功能。该文提出了一种基于预算机制的动态簇无线传感器网络目标追踪算法(PDC)。PDC算法采用了相对比较节能的动态簇的网络模型和分布式计算原理,动态簇随着目标的移动轨迹,提前唤醒目标周围感测半径内的节点准备监测目标。一方面避免了盲目地唤醒节点所造成的不必要的能量消耗,另一方面减少了响应延迟。动态簇在感测目标的周围形成了一个以簇的方式进行动态管理的节点群,通过质心计算的方式进行目标定位,提高了定位的准确性,同时降低了目标的丢失率。

一种新的移动自组织网络动态簇选择算法

为了提高移动自组织网络的扩展性,提出了一种新的动态簇选择算法.该算法以链路保持度和节点的可信度来作为选取簇首的度量,既保证了分簇结构的稳定性,又增强了簇首的可信度.最后进行了模拟实验.实验结果表明,该算法能提高网络的运行效率,簇结构稳定.

基于多模型预测的WSN动态簇目标跟踪算法

分析了无线传感器网络(WSN)中现有目标定位算法缺陷,针对WSN中跟踪目标的运动不确定特性,提出一种基于多模型动态簇预测的WSN目标跟踪算法;该算法以多模型为目标动态建模框架,适应目标的不确定运动,在得到各模型预测之后,综合各模型预测估计形成全局预测估计,进而构造局部唤醒区域,将落入该局部唤醒区域的节点构造动态簇,通过择优规则,确定该节点动态族的簇首,实现目标的定位跟踪;仿真结果表明,与全局唤醒算法相比,所提出的基于多模型动态簇预测的WSN目标跟踪算法可适用于目标的不确定运动,并得到较好的跟踪精度。

WSN跟踪中基于链路质量的动态簇簇内通信机制

短距离低功耗的无线传感器网络的链路往往采用理想的通断模型,未考虑实际的链路质量问题。真实的无线传输区域中存在连接区,过渡区和非连接区。针对实际的工程环境,提出了一种应用于目标跟踪的基于链路质量的动态簇簇内通信机制。该机制在竞选簇头时把衡量链路质量的指标LQI(Link Quality Indication)也作为考虑因素。在簇成员与簇头通信时,采用了多跳可靠通信方式。利用MATLAB对该机制进行了仿真。仿真结果表明,该机制降低了网络平均丢包率,减少了网络能量消耗,降低了网络时延。

移动自组网基于动态簇的MAC协议与QoS路由

论文针对移动自组网提出了一种基于动态簇的MAC协议和QoS路由算法,使用全分布式动态簇生成算法实现了对网络拓扑的分簇与维护;利用正交编码原理和蜂窝小区技术实现了基于动态簇的MAC协议;融合资源预留、移动预测和后备路径技术实现了具有QoS保障的路由算法。仿真结果对比表明:在满足QoS条件下,它提高了路由效率。

动态簇目标跟踪算法

目标跟踪是无线传感器网络一项具有大量应用的重要技术,针对无线传感器网络目标跟踪中精度和能耗的问题不能均衡,提出一种动态簇目标跟踪算法.当目标进入监测区域内,传感器节点感知到目标,为了尽可能减少参与跟踪的节点数目,采用建立动态簇结构来跟踪移动目标,然后利用果蝇优化算法对粒子滤波算法的重要性采样进行优化,并预测目标下一时刻位置,最后根据预测的目标位置信息与簇头的位置信息,按照簇头更新规则,判断是否需要更换簇头.仿真结果表明,提出的目标跟踪算法在满足跟踪精度的前提下,减少能耗,延长网络寿命.

无线传感器网中基于动态簇的密钥管理方案

提出一种能根据路由节点的剩余能量动态选择簇头的低能耗动态簇组网模型,并设计了相应的密钥管理方案。与以往的密钥管理方案相比,该方案给出一种新型密钥链,能确保某个传感节点预置密钥的丢失不威胁其他节点的安全性;提出三种以Hash函数为主的轻量级密码协议,能以低能耗的方式完成网络节点间的认证与簇密钥的分配;给出密码协议安全性的形式化分析,确保了协议本身的安全性。分析表明,该方案能够支持网络的扩展,并具有较好的安全性。

无线传感器网络中自适应动态簇维护

层次型分簇的网络体系结构在无线传感器网络中应用非常广泛,然而,这样的网络结构大多数需要对其周期性的维护。周期性簇维护会带来大量的不必要的能量消耗,而传感器节点的能量是极其有限的。因此,本文提出一种非周期性的自适应动态簇维护方案,即在通信过程中,如果某个簇受到攻击,那么簇维护就仅仅在受到攻击的簇内进行,其它的簇依然维持原来的工作状态。由于该方案打破了周期性簇维护的思想,引入了谁受到攻击谁就进行维护的思想,所以减少了网络中的能量消耗,均衡了网络通信负载。

基于多因素均衡动态分簇的WSN路由协议算法

为了解决无线传感器网络分簇路由协议随机筛选簇头节点的位置分布不均衡及转发节点的数据传输路径不合理会加剧节点能量消耗、缩短网络生存周期的问题,提出一种基于改进社交网络搜索(improved social network search, ISNS)算法优化模糊C均值聚类(fuzzy C-means, FCM)的多因素均衡动态分簇路由协议(multi-factor balanced dynamic clustering routing protocol, MD-LEACH)。首先,引入莱维飞行改进反向精英学习策略,以增强社交网络搜索算法的全局寻优能力;接着,使用ISNS优化模糊C均值聚类算法对网络节点动态均匀分簇,均衡网络负载;此外,在每个簇内,考虑簇内节点的能量因素和位置因素引入模糊推理,设计两种簇头选取模式,动态选举簇首,提高簇首质量。在稳定传输阶段,将单跳改为簇首之间的通信的方式,使用改进的蚁群算法寻找最优数据传输路径,提高能量效率。仿真结果表明,算法能够有效提高能量效率,平衡网络负载,延长网络生存期。

面向缓存的动态协作任务迁移技术研究

边缘网络中不断出现的计算密集和延迟敏感型业务推动了任务迁移技术的快速发展。然而,任务迁移过程中存在应用场景复杂多变、问题建模难度高等技术瓶颈。尤其是考虑用户移动时,如何保证用户服务的稳定性和连续性,设计合理的任务迁移策略仍是一个值得深入探讨的问题。因此,提出了一种移动感知的服务预缓存模型和任务预迁移策略,将任务迁移问题转化为最优分簇与边缘服务预缓存的组合优化问题。首先,基于用户的移动轨迹对当前执行任务状态进行预测,引入动态协作簇和迁移预测半径的概念,提出了一种面向移动和负载两种任务场景的预迁移模型,解决了何时何地迁移的问题。然后,针对需要迁移的任务,基于最大容忍时延约束分析协作簇半径和簇内目标服务器数量的极限值,提出了以用户为中心的分布式多服务器间动态协作分簇算法(Distributed Dynamic Multi-server Cooperative Clustering Algorithm,DDMC)以及面向服务缓存的深度强化学习算法(Cache Based Double Deep Q Network,C-DDQN),解决了最优分簇和服务缓存问题。最后,利用服务缓存的因果关系,设计了一种低复杂度的交替最小化服务缓存位置更新算法,求解出了最佳迁移目标服务器集合,实现了任务迁移中的服务器协作及网络负载均衡。实验结果表明,提出的迁移选择算法具有良好的鲁棒性和系统性能,相比其他迁移算法所消耗的总成本降低了至少12.06%,所消耗的总时延降低了至少31.92%。

基于CPCRLB和动态成簇机制的混合WSN目标跟踪算法

针对传统的基于静态节点的无线传感器网络(wireless sensor network,WSN)电池容量有限、节点移动受限的问题,提出了一种基于条件后验克拉美-罗下界(conditional posterior cramer-rao lower bounds,CPCRLB)的混合WSN的目标跟踪调度算法。该算法引入移动节点来参与目标跟踪,根据目标预测位置对移动节点进行运动控制,同时利用基于CPCRLB的信息效用函数选择静态节点,实现每一时刻目标的动态成簇策略。此外,还提出了一种基于运动学的预测机制,利用分区域管理的方法进一步提高跟踪精度,减少能量消耗,并能够有效避免目标丢失现象。仿真结果表明,该算法可以有效地对目标进行跟踪,在保证跟踪精度的同时相比静态网络节省了大量的能耗。

基于多密度流聚类的UAV-NOMA用户分簇与功率分配算法

针对无人机(Unmanned Aerial Vehicle,UAV)辅助非正交多址(Non-Orthogonal Multiple Access,NOMA)下行通信系统,提出了最大化和速率的用户动态分簇与功率分配方案.考虑用户服务质量与UAV位置约束,建立了和速率最大化的优化问题.由于目标函数的非凸性,将原问题解耦为三个子问题,分别优化UAV位置部署与用户连接、用户动态分簇、功率分配以提高系统性能.首先,基于K-means算法设计了UAV位置部署与用户连接方案,以减小路损为目的确定UAV最佳部署位置,同时选择其服务的最优用户群;其次,改进多密度流聚类(Multi-Density Stream Clustering, MDSC)算法,提出了单UAV下用户静态与动态分簇方案,静态分簇方案可自适应平衡簇数与簇用户数,并获得较大的簇内用户信道增益差异,动态分簇方案则针对用户移动属性,制定了即时更新策略;最后,使用分式规划(Fractional Programming,FP)二次变换的方法,引入辅助变量将原非凸问题变换为凸问题,交替优化辅助变量与功率分配因子,获得原非凸问题的次优解.仿真结果表明,与其他算法相比,本文分簇方案能获得更大的簇内信道差异与更小的簇内用户数标准差,同时用户系统性能也获得了显著提升.

无人机自组网的动态双簇首分簇算法研究

无人机自组织网络的动态拓扑特性给分簇路由协议的设计带来一定的挑战,如何建立有效稳定的分簇机制至关重要。针对局部网络中弹性的无人机自组网单一分簇算法分簇不合理以及单簇首结构抗毁性低的问题,根据局部节点间链路过期时间生成的拓扑结构,设计动态双簇首的分簇算法。该算法允许在不同的局部网络形成不同的网络结构,同时双簇首设计保证了簇结构的高抗毁性。