一种基于上下文预测蚁群模型的物联网感知层路由算法

随着物联网关键技术的飞速发展,各种基于物联网的应用应运而生.智能楼宇是能够体现出物联网全面特点的一个重要典型应用.本文基于智能楼宇应用场景,在传统的蚁群模型中引入上下文感知技术,提出一种具有预测机制的物联网感知层路由算法CACRA.该算法通过考虑不同传输链路的距离、访问频率、跳数等上下文信息,使节点能够选择最优的下一跳路径,同时能够根据节点接收数据量的多少,自动调节算法中参数,达到均衡各个节点能耗的作用.通过在WSN网络下的仿真实验,并与经典的路由协议进行对比,证明该算法具有能量有效性、负载均衡、延长网络寿命等特点.

基于自适应邻域选择克隆遗传算法的WCN资源参数优化

无线认知网络作为合理利用空闲频谱资源的研究热点,其网络资源参数优化也不容忽略。由于待优化资源参数的多样性,该优化问题为多目标优化问题。该文基于QoS基础度量参数最小信号干扰噪声比值（SINR）入手,研究使用带宽、消耗功率和传输速率三个相关参数满足无线认知网络基本QoS需求。基于节点认知容量度提出一种自适应邻域选择克隆遗传算法解决参数资源分配问题,以满足网络已使用带宽最小化、消耗功率最小化和传输速率最大化的目标。最后于经典算法NSGA-II进行了比较,本算法具有一定的优越性。