WSN中结合双层编码和JPSO的多约束Steiner树算法

聚合树是无线传感器网络(WSN)中的一种典型的数据聚合技术。针对多目标约束的Steiner树问题(MCSTP),提出一种基于双层编码机制(TE)和跳跃粒子群优化(JPSO)的启发式算法构建最优树结构。首先,选择总能耗、网络寿命、收敛时间和通信干扰作为优化约束目标。然后,根据提出的双层编码方案对生成树的解进行编码,同时利用跳跃粒子群优化算法寻找帕累托最优解。最后,利用提出的混合适应度函数找出近似最优树结构。实验结果表明,JPSO-TE方法可以产生近似最优的树结构,具有高效性和可行性。

WSN中基于PSO的多约束Steiner树优化算法

针对多目标约束的Steiner树问题(MCSTP,multi-constraint Steiner tree problem),提出一种基于双层编码机制和跳跃粒子群优化(JPSO)的启发式算法(JPSO-DE),来构建最优树结构。首先,选择总能耗、网络寿命、收敛时间和通信干扰作为优化约束目标;然后,根据提出的双层编码方案对生成树的解进行编码,同时利用跳跃粒子群优化算法来寻找帕累托最优解;最后,利用提出的混合适应度函数找出近似最优树结构。仿真实验表明,JPSO-DE方法可以产生近似最优的树结构,具有高效性和可行性。

基于MPH的时延约束Steiner树算法

为了在时延约束条件下进一步优化组播树代价,并降低算法计算复杂度,研究了时延受限的Steiner树问题.分析了MPH(minimum path heuristic)算法的计算复杂度;在此基础上设计了一个时延约束Steiner树算法DCMPH(delay-constrained MPH)用于构造时延约束最小代价组播树.该算法中每个目的结点通过与当前组播树有最小代价的路径加入组播树;若时延不满足要求,则通过合并最小时延SPT(shortest path tree)树进而产生一个满足时延约束的最小代价组播树.仿真实验表明,DCMPH算法生成的组播树在保证时延要求的情况下,与同类算法相比取得了很好的代价性能和较低的计算复杂度.

度约束欧氏Steiner最小树问题及其求解

在欧氏Steiner最小树的基础上,对每个正则点加上了度约束限制,提出了度约束欧氏Steiner最小树问题,分析了该问题的特性,给出了该问题的模拟退火和蚂蚁算法求解过程,并使用Delphi语言编程,在Windows XP平台上运行通过.通过大量算例的计算结果验证了该问题的实用性及算法的有效性.

基于混合离散粒子群优化的Slew约束下X结构Steiner最小树算法

Steiner最小树是超大规模集成电路中布线阶段的最佳模型,进一步考虑能够有效防止信号失真的电压转换速率(Slew)约束这一个更为贴近实际芯片设计模型和更具线长优化能力的X结构,首次提出基于混合离散粒子群优化的Slew约束下X结构Steiner最小树算法.首先,为了避免频繁的Slew约束计算,提出了高效的预处理策略,并且提出一种能够有效考虑Slew约束的针对性的惩罚机制.其次,为了能够有效求解该离散问题,基于遗传算子重新设计了粒子群优化算法的离散更新机制,并提出一种更适合遗传算子的引脚对编码方式.然后,为了进一步优化布线树的长度,提出一种有效的精炼策略.最终,提出一种混合修正策略以完全满足Slew约束.实验表明,所提算法可完全满足电压转换速率约束并取得同类工作中最佳的布线结果.

新的基于MPH的时延约束Steiner树算法

为了在时延约束条件下进一步优化多播树代价并降低算法的复杂度,研究了时延受限的Steiner树问题。在DCMPH算法的基础上,通过改进节点的搜索路径,提出了一种新的基于MPH的时延约束Steiner树算法。该算法中每个目的节点通过最小代价路径加入当前多播树;若时延不满足要求,则通过合并最小时延树进而产生一个满足时延约束的最小代价多播树。仿真实验表明,新算法在性能、空间复杂度方面均优于DCMPH算法。

带圆周约束的Steiner树问题

本文首先考虑了带圆周约束的Ｓｔｅｉｎｅｒ树问题．设欧氏平面上有一圆，平面上有ｎ个点，所成点集为Ｎ，该问题是要在圆周上找一点Ｐ，使Ｎ∪｛Ｐ｝这ｎ＋１个点的Ｓｔｅｉｎｅｒ树之长度达到最短．本文对于ｎ＝２的情形给出解．另一方面，鉴于问题的复杂性为ＮＰ－Ｃ，作者提出了一个近似解，并证明了近似解的性能比为３／２．

约束Steiner最小树问题

本文首先提出了一个约束Ｓｔｅｉｎｅｒ最小树问题，设欧氏平面上直线Ｌ的一侧有ｎ个点，记点集为Ｎ，现要在Ｌ上找一点Ｐ，使关于Ｎ∪（Ｐ）的Ｓｔｅｉｎｅｒ树长度最小，文章解决了ｎ＝２及ｎ＝３的情形。

系列平行图上带时间约束的Steiner最小树问题

对一类特殊系列平行图上带有时间约束的Steiner最小树问题,证明了其复杂性为NPC,并给出了一个完全多项式时间近似方案.

基于本地域信息的时延约束Steiner树算法

提出一种基于本地域QoS信息的时延约束Steiner树算法,通过最短代价路径构造组播树,源节点根据目的节点及源区域边界路由器提供的最短时延路径信息,对剩余目的进行集中式路由计算,并由控制消息完成组播树的配置及环路删除。该算法不依赖于全局性的QoS信息,从而避免大量控制开销与陈旧QoS信息的影响。仿真实验结果表明,该算法具有较高的加入成功率以及较合理的控制开销。

约束Steiner最小树问题的近似解

本文首先给出约束Steiner最小树问题的一个近似解。然后讨论了当n=2或3时近似解的性能比，其中n=2时，文中所给的界为紧的。

改进的时延约束Steiner树算法

针对现有时延约束Steiner树算法时间复杂度较高以及生成的组播树代价较高的问题,提出了一种改进的时延约束Steiner树算法。该算法采用Dijkstra算法路径递增的基本思想和链路共享的方法,在快速搜索阶段,依次搜索到当前树有最小可行代价的节点,将目的节点通过最小可行代价路径加入组播树;在异常处理阶段,将遗漏的目的节点通过最小时延路径加入组播树,进而生成满足时延约束的Steiner树。理论分析和实验结果表明,与同类算法相比,该算法能够以较低的时间复杂度,取得较好的组播树代价。

基于三维随机树算法的稠密约束环境铁路线路优化

铁路选线是一个复杂的工程问题,尤其是当稠密约束选线环境内存在起伏地形高差约束和大量障碍物时,现有计算机辅助线路设计方法往往需要耗费大量的计算时间和资源才能生成优化方案,甚至容易停滞,无法找到可行方案。为解决这一问题,提出一种三维快速搜索随机树算法以期快速生成满足所有约束的线路方案。首先,为避免随机树搜索陷入局部最优,提出平-纵整合式随机树启发式采样方法,将随机树搜索扩展到三维空间并实现对选线搜索区域的全面探索。其次,为了在线路搜索过程中高效提取相关环境信息,提出多源异构综合地理信息的统一管理方法,针对环境信息特点定制相应的储存策略,将地形、障碍物等环境信息离散到综合地理信息模型中,并在随机树搜索过程中动态处治障碍物约束。随后集成启发式采样方法和约束处治算子,提出随机树进化搜索方法,在随机树拓展过程中高效检索和处治障碍物,快速生成优化路径方案。最后,将此方法应用于一个真实稠密约束线路案例中,实验结果证明,此方法能实现对所有障碍物约束的空间绕避,并能快速产生优化线路方案,相比于人工方案,机选方案的造价降低了4.8%。实验结果表明此方法可以提高线路设计效率,为人工设计提供有价值的参考。

奖励-收集Steiner树问题的精确算法

奖励-收集Steiner树问题是图的Steiner最小树问题的衍生,同时也是组合优化中的NP-hard问题。首先,提出该问题的数学性质并给出证明,利用数学性质能降低该问题的规模;其次,基于该问题的数学性质设计出上下界子算法、降阶子算法和回溯子算法,通过上下界子算法和降阶子算法可以降低该问题解空间的规模,从而缩短回溯子算法的搜索时间,进而降低求解该问题最优解的时间;最后,应用案例分析、算例分析以及算法分析与对比表明,所设计的算法不仅可以求出该问题的最优解,而且比没有考虑该问题数学性质的一般回溯算法的时间复杂度更低。

Steiner树优化问题的算法研究综述

最优Steiner树问题(Steiner tree problem,STP)是一个经典的组合优化问题,许多工程问题都可以归结为最优Steiner树问题。STP被广泛应用于通信网络、电路设计、VLSI设计等领域。然而,STP是典型的NP难问题,还没有多项式时间的精确算法求解该问题。目前,求解该问题的算法主要集中在基于启发式的近似算法、智能优化算法、信息传播算法等,并取得了很好的效果。在不同规模的网络中,基于传统遗传算法给出一种叶交叉机制(leaf crossover,LC),使用该机制的算法性能表现更好。通过对这些算法的原理、性能、精度等方面进行梳理,归纳出算法的优缺点,并指出STP的研究方向和算法设计路径,对于相关问题的研究有指导意义。

基于动态粒子群优化的X结构Steiner最小树算法

Steiner最小树(SMT)是总体布线的最佳连接模型,其构造是1个NP-难问题。粒子群优化(PSO)算法在解决NP-难问题中具有良好的表现,而PSO算法中种群的拓扑结构及搜索信息的传递机制对其性能有着很大的影响。1个适用于具体问题的种群拓扑结构对算法性能的提升极为显著。因此,利用PSO求解总体布线问题需要根据具体布线问题的特性来选择合适的粒子拓扑结构策略,以提升PSO的性能。提出基于动态PSO的X结构Steiner最小树(XSMT)算法以解决总体布线问题。首先,设计动态子群与信息交换策略,对种群进行子群划分,引入信息交换的概念,让子群在保持独立性的同时与其他子群进行信息交换,增加子群多样性;其次,设计粒子学习与变异策略,通过设置子群中粒子的学习对象使子群趋向于全局最优,并选择每个子群中适应度值最好的粒子进行变异,使粒子更易于跳出局部最优;最后,设计从多群局部学习过渡到单群全局学习策略,使算法在迭代次数到达阈值之后从局部学习过渡到全局学习,使得粒子在较优拓扑结构的基础上内部连接以获得更好的线长优化率。实验结果表明,与现有的2种R结构SMT(RSMT)算法相比,所提算法在优化线长方面分别优化了10.25%、8.24%;与现有的3种XSMT算法相比,该算法在优化线长方面分别优化了2.44%、1.46%、0.48%,验证了算法的有效性。

欧氏Steiner最小树问题的智能优化算法

欧氏平面内连接固定原点的最小树长问题,即欧氏Steiner最小树问题,为组合优化中的NP难题,因此合理的方法是寻找启发式算法。该文给出了两种智能优化算法——模拟退火法和蚂蚁算法。首先概述智能优化算法并将平面划分成网格,然后分别介绍两种算法的原理及实现过程,最后通过一系列计算实验,测试了算法的运行性能,获得了较好的效果。

基于Steiner树的层次型无线传感器网络安全组播协议

在基于查询的无线传感器网络中,组播技术的应用可大幅减少传感器节点的能量消耗,延长节点寿命。针对大型无线传感器网络组播协议性能不高,且易遭受攻击等问题,提出了基于Steiner树的层次型无线传感器网络安全组播协议。该协议主要运用Steiner树与分簇网络的思想,将Steiner树的高效性与簇的高扩展性相结合,提高了无线传感器网络组播效率,均衡了网络能量消耗,延长了网络生命周期,并在此基础上加入安全通信机制,以抵御各种网络攻击并确保组播数据的安全性、完整性与可验证性。最后通过理论证明及模拟实验表明本协议适用于大规模无线传感器网络,具有较低能耗及较高安全性。

基于自适应PSO和混合转换策略的X结构Steiner最小树算法

X结构Steiner最小树(XSMT)是非曼哈顿结构总体布线算法中多端线网的最佳连接模型,属于NP难问题.文中基于混合转换策略和自适应粒子群优化算法,提出XSMT构造算法.首先设计有效的混合转换策略,扩大算法寻优空间,提高算法收敛效率.为了满足粒子编码的健全性,算法的更新方式引入带并查集策略的交叉和变异算子,同时采取自适应调整学习因子的策略,加快粒子群优化算法的收敛速度.实验表明,文中算法能得到较好的XSMT求解方案,获得多种不同拓扑的XSMTs,有利于VLSI总体布线阶段的拥挤度优化.

欧氏Steiner最优树的快速算法

针对欧氏平面内连接固定原点的最小树长问题,即欧氏Steiner最优树问题,给出了插入算法、递增优化算法、遗传算法等三种快速算法,并在微机上予以实现。经大量实例测试和结果比较,获得了满意的效果。