【摘 要】
：
智能优化算法被应用于人们生活的各个领域中,其中在无线传感器网络中,节点定位技术与网络覆盖技术是重要研究方向。本文对群居蜘蛛优化算法进行改进,并将其应用于无线传感器网络的覆盖与节点定位中。针对群居蜘蛛优化算法中存在的局部与整体间搜索能力的不平衡,算法在运行过程中蜘蛛的位置上逐渐向当前最优位置移动导致位置多样性降低,收敛精度低的不足之处,提出一种混合改进策略的群居蜘蛛优化算法。改进策略为:在算法的初始
论文部分内容阅读
智能优化算法被应用于人们生活的各个领域中,其中在无线传感器网络中,节点定位技术与网络覆盖技术是重要研究方向。本文对群居蜘蛛优化算法进行改进,并将其应用于无线传感器网络的覆盖与节点定位中。针对群居蜘蛛优化算法中存在的局部与整体间搜索能力的不平衡,算法在运行过程中蜘蛛的位置上逐渐向当前最优位置移动导致位置多样性降低,收敛精度低的不足之处,提出一种混合改进策略的群居蜘蛛优化算法。改进策略为:在算法的初始化过程中引入反向学习策略与混沌映射相结合的方法使得在最初运行时,蜘蛛个体能均匀分布;不同性别蜘蛛在独立运动下,加入自适应权重值,同时针对雌性蜘蛛中控制其进行吸引或排斥操作的概率因子进行动态化非线性递减操作,尽可能保证局部与整体间搜索能力的平衡;最后,在雌性与雄性蜘蛛完成交配操作后,选取当前迭代下最优蜘蛛对其进行高斯变异扰动。针对无线传感器网络覆盖优化问题,选取概率感知模型,以网络覆盖率作为算法的适应度函数,通过仿真实验的结果可以看出:本文提出的GSSO算法平均覆盖率为96.36%,最优覆盖率能达到98.49%,相较于SSO算法,平均覆盖率提升了7.91%,最优覆盖率提升了7.81%。由此可以看出,改进后的算法在无线传感器网络覆盖优化中有着非常好的实用性。无线传感器网络节点定位中,本文选择DV-Hop算法为研究对象。在节点定位过程种,传统的DV-Hop算法一般通过最小二乘法来估算未知节点坐标位置,估算过程中会产生较大误差。将本文提出的GSSO算法应用于节点定位中,将节点的平均定位误差作为算法的适应度函数,通过对平均定位误差的优化来提高节点定位的精确度。实验证明基于GSSO算法的DV-Hop算法能够较为精准的定位未知节点。
其他文献
目前,心血管疾病是我国患病人数最多的一种病症,其死亡率在全国居民患病类型中处于首位。心音信号中含有表征心脏功能的特征信息,可用于心血管疾病的预防与诊断。本文从原始心音信号进行分析,利用心音信号的时频特征,以心音降噪与心音分类为主要内容进行研究,主要工作与贡献如下。（1）在心音降噪方面提出了一种基于CEEMDAN与最优小波的心音降噪方法。针对小波去噪中高频有效信息丢失问题,引入了CEEMDAN自适应
高原地区气候恶劣、高寒、缺氧,隧道施工安全风险大,施工安全事故发生率高,易造成巨大经济损失和严重人员伤亡。为了避免高原隧道项目建设施工安全事故的发生,确保施工作业安全,对高原隧道项目建设阶段存在的安全风险问题进行评价及管理研究迫在眉睫。鉴于目前尚无全面、科学、可行的高原隧道施工安全风险评价体系,亦无具有较强科学性和针对性的高原隧道施工安全风险控制方法,文章通过对高原隧道施工安全风险评价指标体系及模
近年来,新型二维纳米材料在多个领域展现出越来越大的应用潜力。石墨烯因拥有很高的载流子转移速率、优异的导热导电等特性,而深受广大研究学者的青睐;但由于石墨烯的光吸收率较低且禁带宽度为零,这限制了其在光电子器件领域的进一步应用。与石墨烯相比,二维过渡金属硫族化合物（TMDCs）拥有较宽的带隙,在实验和理论研究上都表现出了良好的物理特性。二硒化钨（WSe2）作为TMDCs中带隙相对较大的重要成员,其是首
近年来,随着计算机网络技术、数据存储技术的迅猛发展,各行业数据量都呈现爆发式的增长,我们进入了大数据时代。如何高效处理这些海量数据,并从中挖掘潜在价值信息,是近年来一直热议的话题,而数据挖掘技术成为人们探讨解决此话题的主流方向。分类算法是常用的数据挖掘技术之一,在分类算法中,支持向量机（Support Vector Machine,SVM）由于具有良好的泛化能力、很好的克服维数灾难以及非线性解决问
近几年,随着计算机视觉和人工智能技术的飞速发展,通过计算机来识别人体动作已经成为了人工智能领域内热门的课题之一。它的主要任务是从输入的视频中提取有效的时空特征,然后根据同类相似异类相斥的原则对不同的特征进行分类。目前,动作识别研究已经被广泛研究于智能监控、人机交互以及运动检测等多项应用领域。本文基于时空特征融合对目前主流的动作识别算法进行了总结和归纳,并以提取表达能力强、鲁棒性高的视频特征为目的,
阐述信息建筑模型的可视化、仿真性、协调性特点，探讨BIM技术在工程造价控制中的应用，工程建设中合理运用BIM技术，可以大大提高工程的科学性，并降低成本。
视觉问答（Visual Question Answering,VQA）是基于计算机视觉和自然语言处理的跨领域交叉方向。VQA需要检测图像中包含的信息并理解与图像匹配的问题语义,输出符合人类语言逻辑的答案。其关键在于目标图像和问题文本之间语义对齐的学习,即通过神经网络提取图像特征和相对应问题文本的特征,然后将多模态特征映射到多模态特征空间中融合,最后在分类器中得出预测答案。目前的VQA模型大多采用全
近年来周期驱动系统展现出的丰富物理现象受到学界广泛关注,此类体系在物理学的各分支,如量子混沌和凝聚态物理,有重要研究意义。非厄米物理是量子理论的一个根本修正,在量子线路、超冷原子气体和光波导管具有真实对应体系。非厄米效应诱导新奇物理现象,如拓扑新物态、非互易输运和趋肤效应,吸引了广泛研究兴趣。其中,一类Parity-time reversal（简称PT）对称系统所展现的奇异点（Exceptiona
近年来,图像的目标检测与语义分割作为计算机视觉领域发展的基石,对图像理解分析起着至关重要的作用。目标检测主要关注的是图像中需要识别的物体类别信息,并标注出这些类别物体所在空间位置;而语义分割是指在图像的像素层面对目标物体实现分类,不仅要明确物体的类别、位置还要区分各个物体之间具体的形态信息。这两种方法在工业图像检测领域都具有十分优秀的应用前景。基于此,本文针对医学图像的血细胞检测与遥感图像的云检测
作为计算机视觉领域中重要的研究课题,目标跟踪的主要任务是根据给定的目标信息从输入的视频序列中追踪目标,并输出该目标在视频序列中不同时刻所处位置。随着目标跟踪算法性能的逐步提升,目标跟踪应用也从雷达跟踪逐步延伸到军事调查、准确制导、战地评估、医学诊断等领域。但被跟踪目标处于复杂场景中时,导致的跟踪漂移、生成边界框尺度错误等问题仍然需要研究人员进行深入研究。因此,本文利用注意力机制、集成方法、特征融合