无线传感器网络自组织分簇算法

为优化无线传感器网络目标跟踪的簇和簇之间的转换,控制节点间能量消耗,本文提出一种新的分簇算法。算法通过计算节点与原簇头的距离及该节点对于跟踪目标与原簇头的夹角,自组织的形成下一簇,在此过程中不用维护邻居表,亦无中央控制。仿真结果表明,本算法能够降低节点的计算复杂度,提高分簇的成功率,有效实现大规模区域的WSN跟踪。     

异构分簇无线传感器网络中节点通信半径的研究

研究了在异构分簇无线传感器网络中,如何优化簇内节点的通信半径,从而最小化网络的总能耗.定义节点的能量消耗模型为E=a(d^α+c)、网络半径为 R 、层数为 K .对节点通信半径不可调的网络,证明了α=2、c≤4R²时,或α=4、c≤4R²、K≤ 6 R时,最小化网络总能耗的簇内节点通信半径的上界为 α c/(α-1) .对于节点通信半径可调的网络,在α=2时,提出了自内而外依次最小化每层簇内节点的平均能耗来确定节点通信半径的算法.     

基于坐标修正的改进型三边定位算法

针对海洋无线传感器网络(Wireless Sensor Network,WSN)节点动态性强、节点运动状态复杂、通信受遮蔽效应较大、信号衰减严重等问题,将传统的WSN三边定位算法应用到海洋环境,提出一种基于坐标修正的改进型三边定位算法.利用EXata平台进行仿真.仿真结果表明,提出的算法具有较高的定位精度和较好的海上动态环境适应性,能提升海上搜救效率.     

面向输变电场景的基于SSA的WSN分簇路由算法

针对部分输变电场景传感器众多、不具有组网能力的特点,提出采用计算能力高的中继节点收集传感器信息,并对中继节点进行组网的解决方案。根据方案,提出一种轮换中继节点网络的根节点-无线网关节点的分簇路由算法(LEACH-WGR-SSA),并且引入麻雀搜索智能算法(SSA),对节点网络中的簇首选举进行优化,并加入Levy飞行策略避免算法陷入局部最优。对于无线网关节点和网络簇首的选举均考虑了节点剩余能量、邻接节点的个数和位置信息。仿真实验表明,在50%节点死亡时,LEACH-WGR-SSA的网络生存轮数相较于LEACH、LEACH-WGR、LEACH-WGR-PSO分别延长121.6%、64.1%、6.5%,均衡了能耗,延长了网络生存周期,并有效地提高了寻优精度。     

基于流量阀损耗均衡机制物联网链路稳定算法研究

为解决物联网部署过程中存在的链路稳定性能较差、骨干链路形成困难、节点传输受限等不足,提出了一种基于流量阀损耗均衡机制的物联网链路稳定算法。首先,基于广播反馈机制实现sink节点与簇头节点之间的链路信息交互,设计了基于节点均衡机制的链路稳定方法,通过广播数据报文及时提醒节点过载现象,降低簇头节点的分流压力。随后,基于预设阀值并结合数据反馈方案,构建了基于流量阀机制的带宽控制方法,采取流量均衡化方式定期关闭过载节点,以提高网络数据传输能力,改善链路抖动现象。     

一种DTN节点自定位方案及其性能分析

在节点的移动规律无法预知的情况下,针对“移动空间（MobySpace）”中DTN（Delay Tolerant Network）概率路由算法中节点预先定位问题,提出了一种自我定位方案。该方案能够在节点移动的过程中根据一个修正因子不断对节点坐标进行调整,最后使坐标收敛到一个可用的范围。实验证明,该方案可以通过一个合适的修正因子确保路由算法具有很好的稳定性和可移植性。     

多源单汇无线传感器网络的局部路由算法

无线传感器网络节点有着严格的能量限制,目前已有的许多路由协议假定了节点知道网络的全局信息或者让节点根据路由表进行路由。这些方式均会使网络产生较多的通信负荷,增大能量开销。结合多源单汇路由的特点,本文提出了几种局部路由算法。该算法中,节点仅根据目标节点与邻居节点的地理位置、剩余能量等信息,决定下一跳节点,最终建立到达目的节点的路径。本文首次引入了带约束后跳发射的思想,并将这种后跳发射与已有的算法相结合得到新的后跳路由算法。计算机仿真实验表明,在有数据融合的网络中,带约束的后跳－为难度路由算法使得网络的生存时间最长,较其余算法增加了网络11%和14%的工作周期数。最后又将局部路由算法进行合理改进,得到最小化平均为难度的算法,应用于无数据融合的网络中,效果很好。     

支持D2D多播的蜂窝网络分簇策略与资源分配

针对蜂窝网络中D2D多播容量受限于簇内信道质量最差用户的问题和D2D多播复用蜂窝信道产生的同频干扰,提出一种新的分簇策略与资源分配的联合优化算法,在保证蜂窝和D2D用户最小SINR前提下,最大化系统总容量。由于所提优化问题难以获得最优解,通过将该问题分解成功率控制和用户分簇与信道分配两个子问题,求得其次优解。其中,分簇策略采用改进k-medoids的基于用户信道质量的多播分簇算法（CQCA）,在保证用户公平性的前提下提升瓶颈用户吞吐量,并通过联合分簇策略和信道分配,减小信道复用产生的同频干扰。仿真结果表明,该算法相比传统分簇策略显著提升多播簇容量,并提升系统总吞吐量。     

基于分簇波束成形算法的MIMO-OFDM系统信道容量的分析

提出了一种在有限反馈条件下多输入多输出-正交频分复用(MIMO-OFDM)系统中基于信道容量的分簇波束成形算法。该算法针对MIMO-OFDM系统在高信噪、低信噪比等不同情况时选择不同的波束成形向量来提升系统的容量。根据簇间、各子簇间均存在一定的相关性,设计出了次优波束成形算法。通过对所提出的算法仿真可知,在高信噪比、低信噪比情况下针对系统容量采用分簇的波束成形算法能够在一定程度上提升MIMO-OFDM系统在确定性信道与随机性信道的信道容量。     

动态规划与贪心法的对比分析

动态规划与贪心法是算法设计中比较重要的方法,它们都是采用分治思想把大问题分小,在降低成本的基础上达到最优;这两种方法有许多相似的地方,容易使人混淆;以求解最小生成树的Prim算法和多段图的最短路径问题为例,通过详细对比分析,指出动态规划与贪心法的差异性,帮助人们理解掌握二者之间的差别.     

基于加权DV-Hop算法的无线传感器网络定位技术

节点自身定位技术是无线传感器网络的关键技术之一,由于传感器网络资源受限,定位算法需要综合考虑定位精度、通信、计算开销等方面因素．主要通过对DV-Hop算法的分析,提出了加权定位算法,采用信标节点对未知节点的不同影响力来确定加权因子,以提高定位精度．实验结果表明,该算法计算简单,无额外通信开销,定位精度较极大似然估计算法高,具有普遍应用意义．     

一个无需知道节点间距离的无线传感器网络定位方法

目前无线传感器网络中,大多数定位算法需要节点间的距离信息,这些方法有很多弊端.提出一种不需要节点间距离的定位方法,可以避免上述弊端.该方法只需要2个锚节点,且锚节点的位置任意.仿真结果显示该方法有较好的性能.     

基于层次频繁模式树的关联分类规则数据挖掘算法

针对CMAR算法存在的不足,提出了层次频繁模式树的概念,并在此基础上实现了关联分类数：。据挖掘算法．实验数据表明,该方法比CMAR算法具有更高的效率与数据库覆盖面．     

基于优化初始类中心点的K-means改进算法

K-means算法是一种重要的聚类算法,在网络信息处理领域有着广泛的应用。由于K-means算法终止于一个局部最优状态,所以初始类中心点的选择会在很大程度上影响其聚类效果。本文提出了一种K-means算法的改进算法,首先探测数据集中的相对密集区域,再利用这些密集区域生成初始类中心点。该方法能够很好地排除类边缘点和噪声点的影响,并且能够适应数据集中各个实际类别密度分布不平衡的情况,最终获得较好的聚类效果。     

平衡二叉树的选择调整算法

平衡二叉树调整的传统算法是旋转,针对不同的失衡结构分别采用左转、右转、先左转后右转、先右转后左转四种转法。其实,利用平衡二叉树最直观的特性“中为根、小为左、大为右”做调整则更简单,并可直接确定平衡因子。为此本文提出选择调整算法,即选择大中小结点直接对应到上述平衡结构,对插入失衡和删除失衡有对称的分析和描述。算法是非递归的。实验表明当结点数量超过10万时,选择算法的构建时间比旋转算法降低20%以上,删除时间下降13%以上。     

基于改进粒子群的BP神经网络WSN数据融合算法

针对无线传感器网络（WSN）数据融合算法中传统反向传播（BP）神经网络收敛速度慢、对初值敏感和易陷入局部最优解的问题,提出基于改进粒子群的BP神经网络WSN数据融合算法（BSO-BP）。用天牛须搜索（BAS）算法对粒子群算法进行改进,利用改进后的粒子群算法优化BP神经网络权值和阈值,引入WSN数据融合中,簇首节点通过优化训练后的BP神经网络对采集数据进行特征提取,将融合后的数据发送至汇聚节点。仿真实验表明,BSO-BP算法能有效地提高融合精度和收敛速度,减少冗余数据传输,延长网络生命周期。相较于传统BP数据融合算法和PSO-BP算法,BSO-BP算法减少了至少11%的平均相对误差和13.89%的均方根误差。     

基于自适应能量阈值的按需节能组播路由协议

提出一种面向无线Ad Hoc与传感器网络的基于自适应能量阈值的按需节能组播路由协议EMRP. 该协议能根据网络能量状态和节点保护比例,自适应地确定能量保护阈值. 在按需构造组播路由树的过程中,该阈值抑制网络中能量过低的节点参与组播,从而实现网络能耗均衡. EMRP同时引入目标驱动的策略,以尽量减小组播结构的规模、降低组播代价. EMRP协议执行过程中,不要求节点保存任何全局或局部网络拓扑信息,开销低,实现简单. 仿真结果表明,与已有工作相比,EMRP协议能大大降低组播路由的每分组传输能耗,显著延长网络寿命.     

正则搜索树的分支因数

正则搜索树的分支因数对算法的复杂度有决定性影响。尤其在深度优先的启发式搜索中,决定时间复杂度的启发式分布与分支因数紧密相关。本文介绍两种分支因数的计算方法:数值法与解析法。在数码难题及鲁比克魔方这两类实际的问题空间上,用这两种方法可获得相同结果。这些结果是进一步研究算法时间复杂度的必要基础。