改进群体智能算法的无线传感器网络覆盖优化

为解决无线传感器网络(Wireless Sensor Networks,WSN)节点分布不均和随机部署中的低覆盖率问题,该文提出一种改进群体智能算法的无线传感器网络覆盖优化算法,即改进的黑猩猩优化和哈里斯鹰优化的混合优化算法(Improved Chimp Optimization and Harris Hawk Optimization Algorithm,ICHHO).该算法首先对黑猩猩优化算法(Chimpanzee Optimization Algorithm,ChOA)进行改进,使用Levy Flight来改善其探索阶段,然后设计一个更新的公式来计算猎物逃逸能量,作为开发和探索之间的选择因素.传感器节点随机部署后,将ICHHO在传感器节点上执行,按照改进策略更新个体位置信息,计算相应的适应程度,找到最优传感器位置,并根据传感器概率模型确定网络最优覆盖率.仿真结果验证了ICHHO对于解决WSN覆盖问题的适用性,与其他优化算法的对比结果显示,ICHHO在提高覆盖率方面优于其他算法.

基于改进实数编码遗传算法的神经网络超参数优化

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。

双目标优化与生成对抗网络结合的框架结构阻尼器布置方案智能设计方法

为实现框架结构的阻尼器智能化布置,结合减震设计原理和智能算法,采用双目标优化算法和生成对抗网络算法分别进行阻尼器竖向和水平智能布置研究,并将该方法应用到两个框架结构减震设计工程案例中。在框架结构减震设计中,采用双目标优化算法进行阻尼器竖向布置,并与逐层逼近法、工程师设计和非减震设计进行对比,结果表明,采用该优化算法得到的阻尼器竖向布置方案能有效降低层间位移角和楼层加速度,提高结构的抗震性能。在确定各楼层的阻尼器数量后,利用训练好的生成对抗网络生成模型,可快速、自动地选择和确定各楼层阻尼器的平面安装位置,生成的平面布置与工程师设计的平面布置在相似性差异度综合评价指标上小于临界值0.1,说明两者相似度较高,且有利于提高原结构的抗扭能力。将双目标优化算法与生成对抗网络相结合,不仅能满足框架结构的减震性能目标,而且可实现阻尼器布置方案的智能设计,提升减震工程设计效率。

从场空间到流网络:粤港澳大湾区城市群空间结构特征及优化路径研究

检视粤港澳大湾区城市群空间结构演化趋势,对纵深推动大湾区高质量发展意义重大。本研究因应数字经济对区域要素流动结构的影响,提出粤港澳大湾区“流网络”分析框架,并以首位度和齐普夫法则测度传统空间结构特征,以上市企业的“总部—分支”机构分布测度流网络特征。结果表明:大湾区总体经历了先集聚再分散的发展过程;各城市人口分布梯度不合理,核心城市的人口扩张推动了城市群的定型。大湾区经济规模结构呈现帕累托分布模式,各城市经济规模变差较大。从城际联系来看,广州深圳之间具有高联通度,形成了联通走廊,2000年以来深圳的相对联通度高居首位,区域网络日渐完善。未来,应织密高效的综合交通网络,加速市场一体化进程、构建“双核三圈”网络型城市群体系、设立“广深接合片区”并加快打造“广深联动走廊”,开创大湾区高质量协同发展新格局。

改进流向算法的无线传感器网络覆盖优化

针对标准流向算法易陷入局部最优和收敛精度低等问题,提出一种融合莱维(Levy)飞行和入侵杂草策略的改进流向算法.首先,该算法在选择水流流向时引入Levy飞行机制,使水流沿最优水流位置方向做Levy飞行运动,避免陷入局部最优;其次,利用入侵杂草策略,对每一代水流进行繁殖、空间扩散和竞争操作,增加水流的多样性,扩大搜索范围,提高全局寻优能力.最后,将改进流向算法应用于无线传感器网络覆盖优化中,并与标准流向算法及其他改进算法进行实验对比.仿真结果表明,相比标准流向算法及其他改进算法,所提改进流向算法的覆盖性能有大幅提升,覆盖率可达98.52%,可实现更均匀的节点分布和更低的部署成本.

卫星通信与5G融合的网络架构设计与优化

当前,卫星通信与5G技术应用日益广泛。文章深入探讨了二者间的融合发展情况及其在通信卫星、互联网卫星和5G网络架构设计中的应用,并进一步研究了融合中关键的体系架构优化、空口波形优化、频谱共享优化和网络控制优化等技术,以为促进我国卫星通信技术和5G技术的优化发展、提高整体通信领域的水平提供参考。

空中智能反射面辅助的无线供能通信网络轨迹优化研究

由于无人机(UAV)良好的机动性、可靠性和快速部署等特性,无人机搭载智能反射面(IRS)可以有效解决复杂无线场景中混合接入点和节点之间由于障碍物遮挡导致信息传输和能量传输效率低的问题。该文提出一种基于时间划分的空中智能反射面辅助无线供能通信网络架构,充分利用空中智能反射面的灵活性提高网络性能。该架构针对每一个时隙,采用先收集能量后传输信息方案实现能量和数据的分时传输。在满足节点能量收集阈值的前提下,建立一个联合空中智能反射面飞行轨迹、节点选择关联变量、时隙分配比率和智能反射面相位的多变量耦合优化问题。采用块坐标下降算法把原始优化问题分解为4个子问题分别进行求解。首先根据波束对齐原理求解出智能反射面最优相位的闭式解,然后通过引入辅助变量并采用连续凸近似方法使非凸问题转变为凸问题,最后利用交替优化算法迭代求解。仿真结果表明,该文提出的联合优化方案具有很好的收敛性能并可以显著提高系统平均吞吐量。

一种融合GA和LSTM的边坡变形预测优化网络模型及其应用

考虑到BP神经网络模型忽略边坡监测数据存在的时间相关性,以及LSTM模型由于超参数选择存在主观性而易陷入局部最优等问题,提出一种基于遗传算法和长短期记忆网络(GA-LSTM)相结合的边坡变形预测模型,以发挥遗传算法全局搜索能力和LSTM预测时序数据的优势。以海明矿业露天采场边坡为研究对象,分别采用BP神经网络模型、LSTM网络模型以及GA-LSTM网络模型对边坡监测点GNSS49变形进行预测分析,并对比各模型达到收敛条件的时间。结果表明,GA-LSTM模型与其他模型达到同一收敛条件的时间差异不大,GA-LSTM模型的拟合准确度在0.1~0.2 mm,是LSTM神经网络模型的5~7倍,是BP神经网络模型的10~20倍,具有较高的精度和稳定性,其预测值与实际监测数据基本一致,可为矿山边坡的安全生产、管理以及决策控制提供科学依据。

面向动态边缘网络的数字孪生自适应联合优化部署

在数字孪生赋能的移动边缘计算(Mobile Edge Computing,MEC)网络中,如何实现数字孪生服务器的高效部署是确保数字孪生实时交互性的瓶颈问题。针对该问题,提出一种面向动态边缘网络的数字孪生自适应联合优化部署机制。首先,该机制构建面向动态边缘网络的双层数字孪生模型以实时捕捉MEC网络状态和UE资源利用情况等特征。然后,联合数字孪生交互时延模型、负载均衡模型和能源消耗模型建立数字孪生服务器自适应动态更新部署问题。最后,提出多阶段自适应动态联合部署优化算法,将数字孪生服务器自适应动态更新部署问题分解为数字孪生服务器初始化部署和自适应动态更新部署两阶段优化求解,以实现部署策略随MEC网络的即时系统状态进行自适应动态调整。仿真分析验证了所提出算法在预测精度、交互时延、工作负载和能耗方面的有效性。

基于变分模态分解与鲸鱼算法优化回声状态网络的风速预测模型

风速受多种因素影响常伴随着随机性和非平稳性,给风电接入电网造成了相当大的困难,准确的风速预测对风力发电有着极大的研究意义。将变分模态分解算法与鲸鱼算法优化回声状态网络模型相结合,提出了一种风速预测模型。首先通过变分模态分解算法将风速序列分解成多个分量以减少风速内部信号间的耦合性,降低建模难度。然后对这些分量分别建立对应的回声状态网络预测模型。针对回声状态网络模型性能受储备池参数影响较大的问题,采用鲸鱼优化算法对储备池参数进行优化。风速的最终预测值由分解后各分量预测值相加得到。最后,将实际采集的短期风速数据作为研究对象,通过与其他4种预测模型的对比分析表明提出的风速预测模型具有更高的预测精度,能够更好地对风速的变化趋势进行预测。

基于变分模态分解和改进灰狼算法优化深度置信网络的自动转换开关故障识别

自动转换开关(ATSE)是保证系统连续供电的设备,对其进行健康监测和故障诊断对系统的稳定运行具有重要意义。为了实现对ATSE的非侵入式故障识别,该文提出一种基于电流信号变分模态分解(VMD)的特征提取和改进灰狼算法(IGWO)优化深度置信网络(DBN)相结合的故障诊断方法。该方法首先利用样本熵确定VMD分解次数并对故障电流进行分解;其次对分解后得到的本征模态函数进行小波包能量的提取,并利用IGWO对DBN网络结构参数进行优化;最后通过DBN将电流能量特征与ATSE的故障类型建立起映射关系从而完成最终的故障识别。所提IGWO采用了分段调节与非线性递减的衰减因子相结合的策略,以平衡算法全局搜索和局部搜索能力;并采用莱维飞行更新探狼的移动位置,来避免算法陷入早熟收敛。实验结果表明,该算法不仅能显著提高前期对参数寻优的训练速度,后续泛化实验的故障分类准确率也有98.78%的良好表现。

面向动力电池SOC估计的时间卷积优化网络

在电动汽车的实际驾驶场景中,由于复杂多变的运行条件和动力电池的非线性,对电池荷电状态(SOC)的准确估计存在较大的误差,从而造成车主的里程焦虑。针对上述问题,提出了一种时间卷积优化网络(TCON)方法,用于实时估计动力电池SOC。首先,建立无归一化的时间卷积网络(TCN)模型,通过并行计算提取时序信息,具有参数少、精度高的优点。其次,为了解决TCN输出波动性较强的问题,设计了时间优化模块(TOM),该模块通过生成时序优化权值,对TCN输出进行优化,有效抑制数据噪声,进一步提高了预测精度。最后,使用电动汽车实时运行数据集进行验证。实验结果表明:文中所提方法与TCN相比,在仅增加5.8%的参数量的前提下减少了18.3%的误差;SOC估计的平均绝对误差小于1%,均方根误差小于2%,为SOC提供了更准确的估计,在一定程度上缓解驾驶员的里程焦虑。

基于时序卷积残差网络和鹈鹕优化算法的新能源电网安全稳定控制方法

随着“双碳”目标的推进,随机波动的新能源接入电网的规模和容量日益提升,严重影响电网的安全稳定运行。针对大干扰故障电压稳定控制问题,文章提出了一种基于时序卷积残差网络和鹈鹕优化算法的新能源电网电压安全稳定控制策略。首先,利用时序卷积信息损失少、感受野宽以及残差网络深层特征提取能力强的优势,构建基于时序卷积残差网络的电压稳定预测模型,映射出敏感节点电压时序特征和电压稳定之间的关系;其次,构建电压稳定控制模型,利用鹈鹕优化算法收敛速度快、搜索能力强的优势求解控制模型,得出最佳切机和切负荷动作措施;最后,进行了仿真验证。验证结果表明,所提方法提高了新能源电网电压安全稳定预测的准确性,通过最佳的电压稳定控制策略提高了电网故障后的安全稳定运行水平。

基于TDCSO优化CNN-Bi-LSTM网络的井底钻压预测方法

为了准确预测井底钻压,提高钻井效率、降低钻井成本,建立了融合双向长短期记忆网络(Bi-LSTM)和卷积神经网络(CNN)的混合模型。采用三角函数驱动的粒子群优化(TDCSO)方法对模型进行超参数优化,以提高预测钻压的精度;采用美国犹他州FORGE 58-32井和FORGE 58-62井的2个公开数据集对建立的模型进行验证,并采用平均绝对误差、均方根误差、决定系数和均方误差等指标进行模型性能评估。研究结果表明,所提出TDCSO-CNN-Bi-LSTM模型平均绝对误差、均方误差和均方根误差等3个关键性能指标较好,其中决定系数大于0.980,明显优于现有的LSTM、GRU、CNN-LSTM、CNN-Bi-LSTM等方法。研究表明,所提出的TDCSO-CNN-Bi-LSTM模型在井底钻压预测方面具有出色的准确性,能够实现实时监测,并与自动钻进系统集成,实现对钻压的精准控制,不仅提高了钻井效率,还降低了钻井成本,对未来的钻井作业具有重要的实际应用价值。

基于GA-BP神经网络的多层多道焊工艺预测及优化

针对目前多层多道焊工艺参数的选择问题,利用遗传算法(genetic algorithm, GA)对BP神经网络(back propagation neural network, BPNN)进行优化,提出多层多道焊成形预测及焊接工艺参数优化方法,旨在为工艺参数选取提供有效指导,提高焊接生产效率及焊接质量.首先通过分析多层多道焊图像,提出采用三次样条插值法与自适应分段法进行特征点识别,然后根据焊接顺序、焊道工艺建立焊接过程各焊道横截面积形状预测模型,运用解析法进行焊接工艺参数预测,进一步结合不同焊道工艺参数优选原则,采用改进神经网络进行焊接工艺参数优化,从而建立具有实时性的焊接工艺参数与焊缝轮廓关系模型.结果表明,该方法对多层多道焊中各焊道焊接工艺参数提供有效预测,试验结果满足实际需求,对提高焊接产品质量、简化焊接工艺参数选取具有实际意义.

基于云计算技术的5G网络优化

文章探讨了基于云计算技术的5G网络优化路径。首先介绍了云计算技术和5G网络;然后重点讨论了关键技术,包括SON技术、高精度同步传送技术和端到端智能管控技术;最后探究了在5G网络优化中广泛应用云端技术、创新网络架构体系、应用网络切片技术和降低信号延时的重要性。

基于改进Harris鹰优化的无线传感器网络分簇协议

针对无线传感器网络因能量效率低而导致网络生命周期短的问题,提出一种新的基于改进Harris鹰优化算法的无线传感器网络分簇协议(improved Harris hawk optimization based clustering protocols for wireless sensor networks, IHHOC). IHHOC采用改进的Harris鹰优化算法获得最优簇头集,首先通过Sobol序列初始化种群,并考虑剩余能量、与基站距离以及节点密度这3个参数定义适应度函数,通过探索、过渡和开发逐次迭代最终求得最优解;其次,采用高斯随机游走策略避免IHHOC陷入局部最优.成簇后,在簇头邻近簇中基于剩余能量、与簇头和基站距离找到最优转发节点,进一步降低网络能量消耗.仿真实验结果表明,IHHOC能有效提高网络能量效率,增大网络吞吐量,延长网络生命周期.

集装箱货运网络优化问题的研究——以宁波舟山港集装箱运输为例

为优化集装箱货运网络,对进出口货运集装箱装卸中转站的最佳地理位置的选择和集装箱运输计划的设计进行了研究。2个问题同时考虑建设成本、运输成本以及存储、运力等因素,建立了一种集装箱货运网络优化模型。利用国际集装箱货运代理公司在宁波舟山港一整年的船期数据,使用LINGO软件对所建模型的效果进行求解。最终从宁波舟山港腹地现有38个存储中转仓中优选出32个中转仓存储集装箱,使大约5%的集装箱通过铁路运输,从而能节省5.74%的运营成本。

非独立组网架构下5G网络全网性能优化及仿真分析

非独立(non-standalone,NSA)组网是在4G网络的基础上进行5G网络的部署,通过将4G网络改造接入到5G核心网,实现5G网络的业务功能。为了更好地分析NSA组网架构下的网络性能,对5G网络的组网架构进行详细介绍,分析NSA组网架构下5G网络性能指标,在此基础上结合无线网络性能参数探讨5G网络性能优化的具体策略。根据网络优化策略结合网络优化软件对NSA组网架构下的网络性能参数开展网络优化案例分析,仿真分析实例可为无线网络性能参数优化方法提供具体的实施参考。

基于人工神经网络的甲烷富氧燃烧机理优化

采用带误差传播的直接关系图法、全物种敏感性分析和人工神经网络(ANN)联合方法,以点火延迟时间和CO摩尔分数为优化目标,通过对甲烷富氧燃烧详细机理USC mech2.0的简化和优化,提出了基于人工神经网络的甲烷富氧燃烧优化机理(ANN-OMOC)。甲烷富氧燃烧模拟计算和对比分析的结果表明:相比于甲烷富氧燃烧简化机理FSSA的预测误差,优化机理ANN-OMOC对点火延迟时间、层流火焰速度的预测误差分别从2.53%、24.38%降到0.50%、14.41%;与甲烷富氧燃烧的简化机理DRGEP和FSSA相比,优化机理ANN-OMOC对点火延迟时间、OH摩尔分数峰值和CO摩尔分数峰值的预测结果最佳,其相对误差均在10%以下。