粒子群算法对高维问题的优化研究

基于Q-learning机器学习技术的粒子群优化算法（PSO）可以提高PSO对高维问题的优化效果。首先,缩小粒子群的种群大小,通过Q-learning机器学习技术管理PSO粒子的行为;然后,Q-learning机器学习技术根据粒子的性能自适应地切换粒子的操作,性能好的操作受到奖赏,性能差的操作受到惩罚;最终,通过Q-learning学习技术的全局寻优能力来弥补PSO局部优化能力的不足。通过多组仿真实验的结果表明,该算法提高了PSO算法对高维问题的优化性能与收敛速度。

基于PSO优化与线性规划的WSN路由与分簇协议

针对大型无线传感器网络的生命期优化问题,提出一种基于粒子群优化与线性规划的无线传感器网络路由与分簇两个协议。首先,分别将路由问题与分簇问题表示为线性规划与非线性规划的形式;然后,使用粒子群优化使得簇首的能耗与数据包的转发延迟之间达到较好的平衡,获得了最优的路由线路,并且,使用粒子群优化方案平衡了各簇首的能耗。通过对两个阶段的优化,最终延长了网络生命期。仿真实验结果表明,该算法的总体网络生命期、死亡节点数量以及总数据包传输数量均获得了较好的性能。