异构传感网成本优化的节点部署策略

针对异构无线传感器网络中节点部署密度大、目标覆盖和网络连通容错性能差以及部署代价高的问题,提出了一种基于改进珊瑚礁算法的成本优化的节点异构传感网络容错部署策略。该策略综合考虑了部署位置和节点类型不同造成的部署代价不同,在保证监测目标被传感器节点多重覆盖和传感器节点之间多重连通的条件下,以节点部署成本最优化为求解目标。在改进的珊瑚礁算法中一方面借鉴和声搜索算法的思想增强算法的优化能力,另一方面通过对算法求解过程中优秀解的再利用,增强算法的优化效率。仿真结果表明,较之其他比较算法,提出的改进珊瑚礁算法能有效地在保证目标多重覆盖和节点之间多重连通的条件下降低网络部署成本。

面向差异化覆盖的异构有向传感器节点调度算法

为延长异构有向传感器网络的寿命,提出一种基于改进珊瑚礁优化算法(ECRO)的面向不同监测目标有不同监测要求的节点调度算法。利用ECRO将传感器集合划分成符合覆盖要求的多个集合,通过集合间的调度达到延长网络寿命的目的。对珊瑚礁优化算法(CRO)的改进体现在四个方面:一是在珊瑚礁的雌雄同体繁殖过程中融入生物地理学优化算法中的迁移操作,保留原有种群的优秀解;二是在雌雄同体繁殖过程中采用一种带有混沌参数的差分变异因子,增强子代的优化能力;三是通过对最差个体执行随机反向学习,增强种群的多样性;四是通过CRO与模拟退火算法的结合,增强算法的局部搜索能力。对数值基准函数和节点调度进行了大量的仿真实验。在数值测试方面的结果表明,与遗传算法、模拟退火算法、差分进化算法及其改进算法相比,ECRO的优化能力更强;在传感器网络节点调度方面的结果表明,与贪婪算法、基于学习自动机的差分进化(LADE)算法和未改进的CRO相比,ECRO使网络寿命分别提高了53.8%、19.0%和26.6%,验证了所提算法的有效性。

考虑气象特征提取的短期风速预测方法

为提高短期风速预测精度,研究了考虑气象特征提取的短期风速预测方法。针对输入气象特征较多且难以提取,提出一种简易气象特征提取方法,通过极限学习机和改进珊瑚礁算法,从较多气象特征中提取最优气象特征。以最优气象特征为预测模型输入,能够有效增强模型泛化能力。对墨西哥某风电场风速预测结果表明,改进珊瑚礁算法结合极限学习机的方法能够有效提取气象特征,提高预测精度,具有一定的实用价值。

异构有向传感器网络连通覆盖调度算法

在面向目标监测的有向传感器网络中,为满足监测目标的不同监测要求,并保持网络连通前提下网络寿命最大化,提出了一种基于增强珊瑚礁算法的节点调度算法。受集合覆盖的启发,以增强珊瑚礁算法为工具求解满足连通覆盖要求的集合。增强珊瑚礁算法采用SOBOL序列和反向学习策略对种群进行初始化,同时在非性繁殖过程中,借鉴和声搜索、生物地理学算法和自适应变异策略的差分进化算法达到继承种群的优秀解和增强子代的优化能力的目的。再者,对种群的最差个体执行随机反向学习和与最优个体差分策略以提升最差个体的优化能力。在数值测试以及在传感器网络节点调度方面的仿真结果表明,改进珊瑚礁算法的性能优于其他算法,证明了改进算法的有效性。

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法,通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子,提出一种遗传珊瑚礁优化算法,并将改进的遗传珊瑚礁优化算法运用到负载均衡中,有效解决了算法过早收敛的问题,提升了算法的优化性能.对比经典遗传算法、珊瑚礁优化算法等群智能算法,在CloudSim上仿真实验结果表明,遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果,提升了资源能耗利用率,均衡了控制策略.

珊瑚礁算法的改进研究

珊瑚礁算法易于陷入局部最优且寻优精度低,因此提出一种改进的珊瑚礁算法.此算法借鉴粒子群算法、高斯变异和模拟退火算法的思想改进珊瑚礁算法的内部有性繁殖、无性繁殖和更替机制,提高了算法的寻优精度并可跳出局部最优.在仿真实验中,将改进珊瑚礁算法与基本珊瑚礁算法和粒子群算法等10种算法分别在高维和低维测试函数下进行比较.实验结果表明,改进的珊瑚礁算法不仅较其他算法具有更好的收敛速度和精度,而且在高维测试函数中,仍然可以保持良好的性能.