基于Delaunay三角剖分的Ad Hoc网络路由算法

Delaunay三角剖分已广泛地应用于计算流体力学、统计学、气象学、固体物理学、计算几何学等多个领域.随着无线AdHoc网络的发展,一些研究者提出了可以保证网络任意节点对之间分组顺利传输的几何路由协议,而这些协议的网络基础拓扑同样可以用Delaunay三角剖分的思想来实现.提出了一种新型的用于发现移动节点间通信路径的在线路由算法GLNFR(greedyandlocalneighborfacerouting).利用局部构造法,构造出局部化的Delaunay三角剖分作为网络的基础拓扑.在该网络拓扑中进行的GLNFR路由算法可以保证节点间分组的顺利传输,对网络变化具有更好的可扩展性和适应性.在NS(networksimulator)模拟器上仿真了该路由算法.结果表明,在分组成功传输率和路由分组开销性能方面,这一在线路由协议要优于先前提出的一些几何路由协议.

一种快速生成平面Delaunay三角网的横向扩张法

目前已有多种基于平面上离散点集构造Delaunay三角网的算法,其中三角网扩张法、逐点插入法的平均时间复杂度为O(n2),分治算法和其他分块合并算法能使平均时间复杂度接近线性,但增加了算法的复杂性,从而使浮点计算误差错误发生的机率增大。本文作者提出了一种新算法:将用于构网的离散点集先按横坐标从小到大排序,在空间上表现为从左到右排列;然后先以点序列中的前三个点作为初始三角网,每次将剩余点集中最左边的点联入三角网,最终得到一个三角剖分,再用LOP法优化三角剖分。该算法的优势是具有快速的三角剖分过程,使整体的平均时间复杂度为O(n),并且构网效率高,算法简单。

改进的Delaunay三角网渐次插入生成算法

提出一种改进的Delaunay三角网渐次插入生成算法。在边界初始化阶段,无须对插入点进行排序,只须按链表顺序插入,在LOP算法中,因交换对角线而产生的新三角形只须遵循Delaunay三角化原则由里向外更新邻接三角形。实验结果表明,改进的算法能提高效率,加快Delaunay三角网的构建速度。

Delaunay三角网高效构建及地形仿真应用

针对基于离散点的Delaunay三角网构建过程中待插入点的定位耗时问题,提出Delaunay三角网高效构建算法,并将其用于三维地形仿真应用中。对大量数据点进行分块排序预处理后,运用空间自相关理论使下一个待插入点总是紧邻新近插入点,融合最短路径定位算法和三角形面积法,结合三角形重心与点、有向线段的关系遍历三角形,减少遍历时间。在对三角网进行LOP局部优化时,采用Delaunay四叉树保存待调整的所有边的节点信息,提高遍历效率。实验结果证明,该算法构建的三维地表真实感较强,并且具有较低的时间复杂度。

点序对Delaunay三角剖分局部优化的影响

局部变换法和Watson算法是属于逐点添加、局部优化的离散点集Delaunay三角剖分的常用方法,不同的加点次序对这两种算法的局部优化影响较大。研究发现按位置相邻次序加点的方法易产生外接圆较大的扁平三角形,引起较多三角形的局部优化,而按随机次序加点,网格生成过程中网格单元相对匀称,局部优化的三角形较少。以激光点扫描采集的数据为例,统计分析了局部优化三角形的数量及分布特征,点数大于50000时,相邻次序加点方法局部优化三角形的总量是随机次序加点方法的1.6倍以上。建立离散数据的矩形空间索引,按索引轮流加点,点序对局部优化的影响降低,相邻次序加点方法局部优化的三角形总量是随机次序加点方法的1.1~1.3倍,其中随机次序加点与没有空间索引的随机次序相比,局部优化的三角形数量仅增加了约1%。

基于Delaunay三角划分策略的WSN区域覆盖优化研究

针对无线传感器网络在对初次抛洒节点形成的覆盖漏洞进行二次部署的过程中,传统几何学方法难以运用于概率感知模型的问题,提出一种基于Delaunay三角划分策略的无线传感器网络区域覆盖优化算法——DPSO算法。首先对监测区域内随机抛洒的静态节点和监测区域边缘顶点进行Delaunay三角划分,以得到静态节点三角网,结合无线传感器网络节点的概率感知模型证明三角形内部存在完全未覆盖区域即覆盖漏洞;其次将通过筛选得到的三角形形心集合作为粒子群优化算法的初始解集,利用改进的粒子群优化算法完成对移动节点的二次部署,以达到修复覆盖漏洞的目的。实验表明,所提出的基于Delaunay三角划分策略的优化算法能够有效修复覆盖漏洞,使区域覆盖率得到显著提高。

动态增删点的二维Delaunay三角剖分

在已有算法基础上,利用动态辅助矩形,通过局部更新实现了任意位置、任意顺序的动态增删点的二维Delaunay三角剖分,同时给出了详细的数据结构和算法步骤,并在Visual C++6.0环境下实现了该算法.算法思路简捷,易于编程,生成的三角网形态优良,符合Delaunay三角形的性质.

基于改进Delaunay三角剖分的水下地形三维重建算法

在对水下地形进行三维表面重建时,常用的方法是将点云数据投影到二维平面,用Delaunay三角剖分算法生成三角形格网,然后结合水深高程值还原到三维空间中。但是此方法效率较低,同时在投影时舍去了水深高程值信息,在三维空间内易生成狭长三角形,不利于地形地貌的三维展示效果。因此在采用逐点插入法的基础上,对其中的插入点定位和局部优化过程分别进行了改进,提出了一种融合定位算法,计算三角形矢量面积后,找到搜索前进方向并进行定位,保证了定位路径的唯一性且提高了效率;同时在局部优化过程中引入了水深高程值,计算三维空间内三角形的角度标准差,并将其作为与正三角形相似程度的衡量标准,替换空外接圆准则,使得三维空间内的网格更加均匀化。实验结果表明,该方法在水下地形三维重建的模型质量和构建效率上均优于传统的Delaunay三角剖分算法。

一种高效构建Delaunay三角网的算法

提出了一种基于改进的Graham扫描法的分块构建不规则三角网算法。采用分割合并的思想,先对平面上的离散点集区域进行分块,然后对各个子块用改进的Graham扫描法生成不规则三角网,再从边界边出发依次合并相邻的三角网子集,直到所有子集合并结束。本算法采用分块的思想缩小了构网时的搜索范围,对子块用改进的Graham法生成三角网提高了算法性能。实验结果表明,本算法使构网效率有很大的提高。

Delaunay三角网动态更新算法的研究进展

通过对Delaunay三角网动态更新算法进行研究,综述了Delaunay三角网中插入和删除点、约束线算法以往研究.详细介绍点定位、LOP优化、对角线交换等关键技术的研究进展,并对比各种方法的优缺点,分析已解决的问题和仍存在的问题.最后对更新算法研究不足之处进行总结,并提出若干可能的研究方向.

一种快速生成DSM的不规则三角网构网新方法

针对目前存在的不规则三角网(triangulation irregular network,TIN)构网效率较低的问题提出了一种新的生成数字表面模型(digital surface model,DSM)的构网方法。首先,通过建立虚拟格网和格网插值,在线性时间内快速建立初始三角网。然后,对初始三角网中局部少量数据优化得到最终的TIN。最后,对数据进行冗余处理和密集处理,构造高分辨率的DSM。实验结果表明,该算法的构网效率高于当前存在的TIN构网方法,对于大数据量的DSM生成具有良好的适用性。

最优三角形剖分在常规气象观测网上的应用

在 Delaunay三角形剖分理论的基础上 ,分析了三角形剖分算法的经典优化原则存在的缺陷 ,研究了三角形形态比的特性 ,提出了最大三角形形态比优化原则 ,该原则克服了经典优化原则的不足 ,且计算方便。根据常规气象资料分析的需要 ,提出了一个基于最大形态比优化原则的最优三角形的剖分算法。

无标度网络上的动态局部路由策略设计

如何针对无标度网络的物理特性进行路由策略设计和优化是一个值得深入研究的问题。提出了一种参数可调的动态局部路由策略,该策略基于网络节点的转发能力及节点处数据包队列长度设计,能够通过调整参数来优化路由策略,使网络容量及平均网络数据包路由时间达到最优。通过仿真确定了最优参数α近似等于0.5,该参数使得网络节点处的数据包数与节点处理能力基本成正比关系。应用平均场方法证明了最优参数的理论值与实验值吻合。与经典的局部路由算法进行了仿真比较,结果显示该算法更有优势。

基于有向加权复杂网络的自适应粒子群算法

标准粒子群算法在高维空间寻优迭代过程中存在易陷入局部最优和后期收敛速度慢的问题.引入复杂网络思想,提出一种基于有向加权复杂网络的自适应粒子群算法.该算法在粒子寻优的过程中引入有向动态网络进化机制,使粒子群的拓扑结构在入度服从幂律分布的条件下向无标度网络进化,同时根据粒子之间适应值的差值自适应调节动态学习因子的大小,使得粒子的飞行惯性在时间和空间上都是异质的,提高了粒子之间学习的多样性.仿真实验表明,该算法能够有效避免早熟问题,并且具有较快的收敛速度.

基于神经网络的温室土壤水分动态预测模型研究

针对智能温室变量施水的土壤水分预测问题,建立基于神经网络的土壤水分动态预测模型。以Delaunay三角剖分布点方法为基础,并将种植区域离散成若干单元。对各离散单元,模糊其土壤喷灌量,将单位时间土壤含水量的变化映射成土壤水势变化。考虑到土壤的时空特性,使用MATLAB建立以预测单元表层测量点土壤含水量、土壤温度和单位时间土壤含水量变化量作为输入,未来时刻该单元中心土壤深层含水量作为输出的BP神经网络和RBF神经网络预测模型。利用温室实际数据验证模型的准确性,通过比较两种神经网络模型结果,得出RBF神经网络模型具有较好实用性,为温室精细化变量施水的实现奠定基础。

传感网中的动态Delauanay三角剖分算法

几何路由协议受益于局部Delaunay三角剖分,因为Delaunay三角剖分可以保证消息转发的可达性和限制路由长度的界。本文提出一种构造无线传感网中Delaunay三角剖分的局部算法。此算法不但考虑了静态情况,而且考虑了允许节点动态地加入和退出网络的动态情况。在静态情况和动态情况下,算法的通信开销都是O(nlogn)位。因此,此算法可以应用于节点可以动态加入和退出的无线传感网。本文还证明了算法的正确性。

Improving throughput through dynamically tuning contention window size in dense wireless network

With the boom of wireless devices, the number of wireless users under wireless local area networks （WLANs） has increased dramatically. However, the standard baekoff mechanism in IEEE 802.11 adopts fixed initial contention window （CW） size without considering changes of network load, which leads to a high collision probability and low channel utilization in bursty arrivals. In this paper, a novel CW dynamic adjustment scheme is proposed to achieve high throughput performance in dense user environment. In the proposed scheme, the initial CW size is dynamically adjusted to optimum according to the measured packet collision probability. Simulation results show that the proposed scheme can significantly improve the throughput performance.

基于多核处理器的L7-Filter规则匹配改进算法

针对多核处理器的体系结构和网络数据流在时间上的局部性特点,提出了一种基于多核处理器的分链动态适应算法。该算法通过对网络数据流进行类型分类并根据网络数据流的时间局部性对规则链进行动态优化,从而有效减少了多核处理器下L7-Filter对网络数据流的匹配次数,显著提升了规则匹配效率。仿真实验结果表明:在网络数据包个数相同条件下,所提算法在性能上约有7%的提高。随着网络数据包个数的增加,性能优越性更加明显。

利用局部动态最优Delaunay三角网改进逐点内插算法

针对传统的基于Delaunay三角网的逐点内插算法难以同时兼顾精度和效率的问题,依据Voronoi单胞和Delaunay三角形的几何特性,提出了一种基于局部动态最优Delaunay三角网的逐点内插算法,并在格网数字水深模型(grid digital depth model,Grid-DDM)中进行应用。实验结果表明,该改进算法能保证插值精度并明显提高执行效率。

一种简单快速的Delaunay三角网逐块生成算法

分块式生成Delaunay三角网是加快构网速度的一个基本思路。已有的分治算法和其他分块合并算法能使平均时间复杂度接近线性,但算法复杂,编程难度大,且容易产生计算误差导致的错误。本文作者曾提出过一种基于三角网扩张法的逐块归并算法,它也是一种快速算法,但在算法中需要增加避免错误的判断规则,使程序变得较复杂。本文中的逐块生成法是对逐块归并法的改进,它继承了逐块归并法高效的优势,而且减少了判断规则,步骤更加简单。