基于Harmony搜索算法的节点部署方案

无线传感网络(wireless sensor networks,WSNs)的覆盖问题就是优化节点部署,其目的在于给传感节点找到最优的位置,以最小的节点满足覆盖要求。为此,提出基于Harmony搜索算法的优化节点部署方案(Harmony search based optimal nodes deployment,HS-OND)。结合网络覆盖率、传感节点数和传感节点间最小距离建立目标函数,利用Harmony搜索(Harmony search,HS)找到最优的节点位置和节点数,最大化网络覆盖并最小化网络成本。实验数据表明,HSOND方案能够有效找到最优的节点数和节点位置,提高网络覆盖率,延长网络寿命。

基于神经网络的规则提取及其渔业应用研究

为了解决远洋渔业中过度依赖经验而产生的盲目捕捞问题,结合海洋环境数据和历史产量数据对渔场进行有效分析,提出了一种基于径向基函数神经网络(Radial basis function neural network,RBFNN)的栖息地指数(HSI)预测方法,并将其应用于印度洋海域大眼金枪鱼(Thunnus obesus)栖息地指数的预测。在RBFNN训练过程中使用模糊C均值(Fuzzy c-means,FCM)聚类算法,在基于神经网络的规则提取过程中首次采用了和声搜索(Harmony search,HS)算法。实验研究表明,利用FCM改进后的RBFNN,均方误差(Mean square error,MSE)达到0.021 6。和声搜索由于算法简单,易于实现,能够应用于训练后的FCM-RBFNN提取分类规则,提取出的规则能够反映该渔业现状。