无线传感器网络的LEACH算法的改进

无线传感器网络是监控远程环境的工具之一.由于能量和存储空间的限制,其路由协议必须维持较小的路由信息并尽可能的减少能量消耗。基于经典的LEACH路由算法,提出了改进主要体现在对能量和簇头间距的考虑上。最后用Mat-lab对LEACH算法和改进后的算法进行仿真,证实改进后的算法在网络生存时间和簇负载平衡程度上比LEACH算法有了很大提高。

无线传感器网络LEACH算法的改进

针对无线传感器网络LEACH算法簇头的选择增加了剩余能量因素的考虑,并且考虑了簇头到基站的距离后再选择非簇头节点所要加入的簇.计算机仿真结果表明,改进后的协议能够延长网络的生存周期.

无线传感器网络LEACH算法的改进

无线传感器网络是监控远程环境的工具之一,由于能量和存储空间的限制,其路由协议必须维持较小的路由信息并尽可能地减少能量消耗。基于经典的LEACH算法进行了改进,主要体现在对簇头选举的考虑上,把节点的剩余能量考虑到簇头的选举过程中去。最后对经典LEACH算法和改进后的算法进行仿真比较,证实改进后的算法很大程度上延长了网络的生存时间,同时减小了簇中节点的能量消耗。

基于无线传感器网络的LEACH算法的改进

无线传感器网络是监控远程环境的工具之一.由于能量和存储空间的限制,其路由协议必须维持较小的路由信息并尽可能的减少能量消耗。该论文对经典的LEACH路由算法,提出了改进,改进后的算法基于无线电传输范围和簇成员数目形成簇,同时在转发阶段引进了CSMA/CD(载波监听多路访问/冲突检测)技术以减少冲突。最后用Matlab对LEACH算法和改进后的算法进行仿真,证实改进后的算法在能量消耗上比LEACH算法有了很大提高。

基于灰色关联度的Leach算法的改进

Leach算法是无线传感器网络中应用最为广泛的分簇路由协议之一,但是该算法的簇头是随机产生的,有可能导致节点过早死亡,从而使整个网络崩溃。针对这一问题,提出一种基于优选簇头的改进Leach算法——gc Leach算法。改进算法引入灰色关联度思想对簇头进行分区选举,兼顾考虑了簇头的剩余能量以及位置分布,有效地避免了簇头分布不合理,以及簇头剩余能量过低导致的节点过早死亡的情况。仿真结果表明,改进后的gc Leach算法能够有效地降低网络能耗,延长网络生命周期。

对无线传感器网络的LEACH算法的改进研究

无线传感器网络是一种能源受限网络,因而降低能耗并提高网络生存周期成为重要的研究目标。以分层路由协议LEACH为研究基础,针对其不足,在簇首选举、簇首对Sink节点的通信方式2方面进行改进,并利用OPNET对LEACH算法及其改进算法进行仿真试验。结果表明,改进算法有利于提高网络性能,明显延长网络生存时间。

一种基于能量和区域密度的LEACH算法的改进

本文在LEACH算法的基础上,引入节点剩余能量、节点到汇聚节点的距离和区域内节点密度等因素。利用网络最小能量来求解出最佳的簇首节点个数,动态设置每个节点的选举阈值。仿真实验表明,本文改进算法相较于LEACH算法和其它改进算法可以有效地降低网络能耗,延长网络生命周期,提高汇聚节点接收数据包量。

无线传感器网络LEACH算法的改进

针对低功耗自适应集分簇算法(LEACH)簇头选取随机、未考虑节点到基站的距离、节点分布不合理、耗能不均匀等问题,提出一种改进的LEACH算法。优化成簇阶段簇头节点的选取函数,在该阶段,引入分簇中节点的分布情况、节点距离基站的远近及基站接收消息的有效半径等因素;传输阶段完成后,在头节点选取函数中加入节点能否重复当选为头节点的条件。仿真结果表明,改进的算法相比于原算法生命周期提高了36.4%,增加了节点数据包的传输,减少了网络的能量消耗,延长了网络生存时间。

基于延长WSN生命周期的LEACH算法的改进

无线传感器网络节点的能量维护不易实现,因此节省能量是网络设计中主要考虑的要素之一。在研究分层簇头LEACH算法的基础上,提出一种改进算法——NLEACH算法。该算法在阈值计算中引入了表征节点剩余能量与系统剩余总能量之间比值关系的k倍作为剩余能量因子,其影响着簇头数和网络生命周期的变化。另外对于不同剩余能量的节点而言,剩余能量多的节点能够以大概率担任簇头,从而有效地利用了每一个节点的能量。经过MATLAB仿真试验,结果表明,NLEACH算法与LEACH算法相比,网络生命周期得到了延长,提高了数据传输量。

无线传感器网络LEACH算法的改进研究

针对LEACH算法节点生命周期短和能耗不均衡的问题,提出了一种改进的LEACH算法。算法在簇头节点选择时综合考虑节点剩余能量和当前位置问题,使簇头的分布更均匀;同时在估算最优簇头数的基础上,改进了分簇方法,减少了分簇次数,节省了网络能量消耗。仿真实验表明,改进的LEACH算法使整个网络能耗更加均衡,延长了无线传感器网络的生命周期。

基于延长WSN生命周期的LEACH算法的改进措施研究

无线传感器网络的节点总能量有限,如何有效利用节点能量,延长网络节点存活时间,是网络设计的重要内容。文章在LEACH算法的基础上提出一种改进算法——RLEACH算法。该算法通过在阈值计算公式中引入当前节点剩余能量与网络中存活节点平均能量的比值,并且将β作调节因子,提高了剩余能量高于平均值的节点当选簇头的概率,从而实现了对每一个节点能量的优化利用。经过试验仿真,结果表明,RLEACH算法与LEACH算法相比,网络生命周期延长约28.9%,传输数据量增长约196.9%。

改进遗传算法支持下的计算机网络通信数据加密方法研究

为提升计算机网络通信中数据加密的效率,本研究采用改进的遗传算法进行加密算法的设计,以选择算子、交叉算子、变异算子的改进为核心,通过优化遗传算法的关键步骤,提升其在数据加密中的应用效果。研究设计了一种基于改进遗传算法的计算机网络通信数据加密方法,并进行了实验分析。结果表明,改进后算法在加密速度、安全性方面均优于传统遗传算法,具有较好的实际应用前景与适用性。

二元混合气体成分检测的改进蒲公英算法研究

针对阵列传感器检测二元混合气体时由于交叉敏感特性导致准确率低的问题,提出一种改进型蒲公英优化(IDO)算法优化核极限学习机(KELM)的二元混合气体检测方法。首先,引入Kent映射初始化种群提高初始种群分布的均匀性,后将精英反向学习策略(EOBL)引入蒲公英种子位置更新,提高原算法寻优精度。将该算法用于KELM参数寻优,建立改进DO(IDO)算法优化KELM模型,实现对二元混合气体的成分识别。实验结果表明:IDO算法优化的KELM模型对二元混合气体成分识别准确率可达99.71%,比原始KELM模型提高4.28%。

基于改进粒子群算法的光伏逆变器控制参数辨识

精准的光伏并网逆变器模型是研究大规模光伏接入下电力系统故障特性的重要工具。目的为了解决现有光伏逆变器仿真模型与实际工作中的光伏逆变器特性相差较大的问题,方法提出采用参数辨识的方法构建逆变器的辨识模型。以重庆云阳某1 MW光伏电站为实际参照模型,首先根据实际工作情况将逆变器的工作区间划分为3个阶段,利用数学扰动法分别对3个阶段中的待辨识参数划分灵敏度高低等级,并由此提出不同阶段不同灵敏度参数分步辨识策略;其次,分阶段采集实际光伏电站工作数据,对该数据进行分析处理,获得各待辨识参数的初始取值范围,设计同步辨识参数实验作为参照;最后提出改进的混沌遗传粒子群优化算法(chaos genetic algorithm of particle swarm optimization,CGAPSO)作为辨识算法,分步分工作阶段辨识相关参数,通过对比参数的同步辨识结果,验证所提方法的优越性,并将辨识结果代入仿真模型。结果结果表明,低灵敏度参数的同步辨识结果误差远超过可接受范围,而CGAPSO分步辨识出的相关参数误差皆在1.1%以下,精度远高于同步辨识结果。结论基于改进粒子群算法构建的辨识模型输出数据与实际逆变器工作数据契合度高,可准确反映逆变器实际工作特性。

改进遗传算法应用于地震场景下无人机路径规划研究

为提高中强震灾害地区的救援效率,对传统路径规划模型进行了改进。传统模型在最大路程限制下优化覆盖人数,但无法均衡路程与覆盖人数,通过引入权重与均衡系数解决此问题并构建了加权路径优化模型。模型以生成路径最短、权重最大为目标,采用多无人机、单起降点的调度方法。为改善传统遗传算法的收敛性及对局部解空间的搜索能力,引入2-opt局部搜索算法、权重修复机制、以种群多样性指标动态调整算法的变异率和交叉率等策略,并对模型进行求解。结果表明,在多种运行场景下,该模型生成路径更加优越,算法与传统遗传算法、粒子群优化(Particle Swarm Optimization,PSO)算法、A^(*)算法相比,可得到救援效率更高的飞行路径。

基于改进布谷鸟搜索算法的压气机特性曲线预测

为了提高压气机特性曲线的预测精度和边界工况点的泛化能力,本文提出了一种改进布谷鸟搜索算法优化BP(ICS-BP)的模型,应用于某轴流压气机流量-压比特性预测方法研究,并对比分析了采用传统BP、遗传算法优化BP(GA-BP)、布谷鸟搜索算法优化BP(CS-BP)、径向基函数神经网络(RBF)、极限学习机(ELM)、自优化支持向量机(MSVM)和ICS-BP模型的预测结果。分析显示,ICS-BP模型整体预测结果的相对误差最小,普遍在±1%以内,评价指标展现出最高的精度和鲁棒性,预测结果具有最佳的泛化能力,且优化后的模型解决BP易陷入局部最优的问题;ELM和RBF模型运行速度较快的情况下依然具有良好的整体预测精度,但对于边界工况点预测效果欠佳,适用于对时间成本要求高的场景。针对7F重型燃气轮机和NASA74A型号压气机特性曲线,通过ICS-BP模型预测的压比特性精度较高,整体预测结果的平均绝对百分误差分别为1.129%和0.590%,进一步验证了其在特性预测方面的优势。

随机地图下改进A^(*)路径规划算法研究

为解决传统算法在规划AGV(automated guided vehicles)路径时存在的节点多、路径不平滑和拓展范围广等问题,提出了一种改进A*算法。首先,采用栅格法建立环境信息;其次,通过加权后的障碍物比例对启发函数进行改进,同时增加防碰撞函数以降低碰撞概率;最后,对所提出的改进算法进行拐角优化,减少AGV实际作业时的转弯次数。实验数据表明,简单环境下改进A^(*)算法的遍历节点数较两种传统算法分别缩短了85.3%、55.9%;复杂环境下改进A*算法的遍历节点数较两种传统算法缩短94.5%、70.3%。同时拐点数量减少、路径更加平滑、路径规划时间也大幅缩短,提高了运行效率并有效降低碰撞概率。

基于改进灰狼算法和自适应分裂KD-Tree的点云配准方法

针对传统GWO存在搜索效率不足、易陷入局部最优等问题,提出了一种基于改进GWO和迭代最近点(ICP)的工业复杂零件点云配准方法。针对GWO随机初始化导致种群分布不均匀的问题,采用混沌映射对灰狼种群进行初始化,使种群更加均匀地分布在搜索空间内;引入一种非线性控制参数策略,平衡灰狼算法的局部搜索和全局搜索能力;融合精英反向学习,提高算法后期解的质量;利用ICP算法进行精配准。设计一种自适应分裂维度的方法,动态选择分裂维度,提高点云数据质量。仿真结果表明:IGWO相较于3种对比算法的RMSE平均提高了80.31%、73.99%、47.7%。

基于改进PSO-GWO算法的渠系优化配水模型研究

为减少渠系输配水过程中的水量损失,针对闸门调控时间各异和频繁启闭的问题,以精河灌区茫乡团结支渠支斗两级渠系渗漏损失量最小为目标建立渠系配水模型,首次采用“组间轮灌,组内续灌”的配水方式,通过改进PSO-GWO算法求解,确定斗渠最优轮灌编组、配水流量和灌水时间等重要参数,得出渠系渗漏损失量和算法迭代次数,并与粒子群算法、灰狼算法的求解结果进行对比。改进模型使灌水时间缩短了0.62 d,支斗两级渠系水利用系数提高了0.168,改进PSO-GWO算法迭代次数为3次、渠系渗漏总量为16.69万m^(3),优于传统算法的配水结果。实例应用情况表明,改进算法具有更强的寻优能力和收敛性,并且模型在满足高效配水的同时,减少了闸门启闭次数,实现了集中调控,配水模式便捷,应用价值较高。

基于改进蜣螂算法的电动汽车有序充电研究

为了解决大规模的电动汽车无序充电给电网带来的压力,提出一种改进蜣螂算法(LBDBO)的电动汽车有序充电方法。首先,建立一个以电网负荷峰谷差和用户费用最小化的目标函数;其次,针对传统蜣螂算法存在的收敛精度不足和易陷入局部最优解的问题,利用Logistic混沌映射对种群进行初始化,使蜣螂群体分布更均匀;然后,引入鱼鹰优化算法、透镜成像反向学习策略和局部搜索策略来更新蜣螂的位置,避免在迭代过程中陷入局部最优,同时提高寻优精度;最后,通过与标准蜣螂算法(DBO)、灰狼优化算法(GWO)、北方苍鹰优化算法(NGO)、鲸鱼优化算法(WOA)和基于减法平均的优化器算法(SABO)在基准测试函数中进行性能评估对比,验证策略改进的有效性。将LBDBO算法应用于电动汽车有序充电问题求解上,结果表明,改进算法可以显著降低峰谷差和充电成本,进一步验证了该算法的优越性和实用性。