混沌逃逸粒子群优化算法在WSN覆盖优化中的应用

为了寻找最优的无线传感器网络(wireless sensor networks,WSN)覆盖优化算法,保持整个网络能量的平衡,提高无线传感器网络覆盖率,在基本粒子群优化算法的基础上,提出一种基于混沌逃逸粒子群优化算法(chaotic escape particle swarm optimization,ECPSO)的WSN节点覆盖优化方法。ECPSO算法以覆盖率为优化目标,建立WSN覆盖优化数学模型来描述节点覆盖问题,利用混沌逃逸粒子群算法对数学模型进行求解,实现节点覆盖优化。仿真结果表明,ECPSO算法加快了WSN覆盖优化速度,节点分布更加均匀,提高了传感器节点的覆盖率,是一种高效的WSN节点覆盖算法。

应用自适应混沌差分进化算法评定圆柱度误差

根据评定误差的最小包容区域准则,应用坐标变换法建立评定圆柱度误差的4变量无约束优化模型。由于差分进化(Differential evolution,DE)算法具有概念简单和收敛速度快的优点,文中利用一种改进DE算法——自适应混沌DE(Adaptive chaotic DE,ACDE)算法求解评定圆柱度误差的无约束优化问题。通过2个基准函数优化问题的对比测试,验证改进算法的有效性。最后,给出2个圆柱度误差评定实例。结果表明,ACDE算法的计算效率优于遗传算法和蜂群优化算法,可靠性和稳健性优于6种对比智能算法。误差评定模型和求解方法适用于形位误差测量仪器及三坐标测量机。