减小簇头边缘化的LEACH协议的研究及改进

为减少无线传感器网络能耗、延长网络的生存周期,基于经典的LEACH,提出了一种新的能量有效的分簇算法.算法的主要思想是考虑节点当前剩余能量和簇头不边缘化来优化簇头选择,从而在使簇头分布更均匀的同时,进一步保证了网络内簇头节点的最大覆盖化,优化了网络的负载均衡.仿真和分析表明,该算法是一种有效的分簇路由算法.     

无线传感器网络中能量有效分簇路由算法

由于无线传感器节点的电源能量有限,提出了一种能量有效分簇路由算法(EECRA).该算法是基于最小能量的数据转发并运用于簇内路由中,簇头由基站根据节点的剩余能量和簇头之间的距离来选定,为了减小簇头节点的能量开销,簇头之间采用了多跳中继的方式将采集的数据发送到基站.仿真结果证明:该算法与LEACH协议相比,不仅提高了网络寿命,同时节点的能耗均衡性、网络扩展性和可靠性都大大的提高.     

无线Ad Hoc网络中一种基于簇结构的多播路由算法

在无线Ad Hoc网络中，采用分簇的方法将移动自组网进行簇划分，形成由簇头、簇间节点和簇内节点构成的分簇网络结构，从而提供对无线Ad Hoc网络资源进行管理的一种简便构架，文中基于无线AdH oc网络簇结构的特点，提出了一种在无线AdHoc网络中实现的多播路由算法，该算法通过对无线AdHoc网络分簇，形成由簇头和簇间节点构成的虚拟骨干网，再对其进行回路检测和冗余剪枝算法处理，最终得到一个能满足多播要求的多播树．通过对仿真实验结果的分析，该算法具有稳定的数据包发送率，较低的路由建立时间。     

基于刚分簇与鸡群优化的深井无线传感网络定位算法

针对矿井环境因素对无线传感器网络定位的制约,提出一种基于刚性分簇与鸡群优化的无线传感器网络定位算法(RCCSO). 首先,以传感网络中均匀分布的锚点为簇头,基于刚性图理论提出分簇算法对整个网络进行分簇并保证每个簇都是全局刚性的;其次,利用鸡群算法对簇内进行相对定位,求得簇内最优相对位置解集;再次,不同簇以锚点为旋转中心旋转不同角度,并利用鸡群算法求出旋转角度的最优解集,进而求得全局节点最优位置;最后,仿真结果显示,与多维标度MDS-MAP算法及自适应局部区域循环搜索DALSA相比,所提算法在精度上有较明显的提高.      

无线传感器网络分簇路由协议分析

路由技术是无线传感器网络研究的关键技术之一,分簇路由协议成为目前重点研究的路由技术。分析了无线传感器网络分簇路由机制,着重从分簇路由簇头的产生、簇的形成和簇的路由的3个过程。系统地分析了当前典型的分簇路由算法,并进一步提出了算法未来的研究重点。     

��ͨ��Ϣ�ɼ���WSN�ִ��㷨�о�

无线传感网是采集实时交通信息的重要工具.因其节点能量有限,必须设计高能效的分簇路由算法以延长网络周期.本文通过建立一种智能交通中无线传感器网络的应用模型,根据其特点和要求分析LEACH协议的优缺点并提出一种能量负载均衡的分簇算法.该算法对LEACH协议当中的簇首机制进行改进,综合考虑候选节点的剩余能量和簇首节点的分布位置;建立簇间多跳路由机制以避免单跳通信的大能量消耗;创造一种簇重构方法,避免过于频繁的簇重构引起的不必要能量消耗.仿真结果表明,能量均衡算法可有效平衡节点能量消耗分布,延长网络生命周期,可很好的应用于基于WSN的ITS当中.     

分簇无线传感器网络密钥管理方案

针对无线传感器网络能量、计算能力、存储空间及带宽等局限性问题,提出了一种基于分簇结构的无线传感器网络密钥管理方案.该方案采用组合设计方法,以保证同一簇内所有节点可直接建立共享密钥,而不同簇的节点可通过基站构建多路径密钥.理论分析和仿真结果表明:节点只要存储10个以上密钥,就能保持网络连通概率为1.     

一种基于低能量的双簇首WSN路由算法

通过对无线传感器网络经典路由分簇算法LEACH、PEGASIS的研究,提出了基于低能量的双簇首路由分簇算法BLEDCH,该算法使能量最小的K个节点尽可能的接近主簇首,使簇内节点趋近于同时消亡,当发送数据时在簇内选择能量较大且距离基站较近的节点作为Data簇首,并通过各个簇的Data簇首建立一条连接基站的关键路径,使各个簇融合后的数据能够以多跳的方式传送给基站,从而减轻了主簇首的负担,仿真结果表明,该算法延迟了第一个死亡节点出现的时间,延长了网络的生存时间,减少了能量消耗,优于LEACH和PEGASIS算法.     

时延受限的无线传感网中移动式能量补充

为了延长无线传感网的生存期,基于可充电的移动设备,研究设计了一种无线传感网中移动式能量补充的方法,移动节点可以在为传感器节点补充能量的同时收集数据.首先,通过将无线传感器网络监测区域分割为大小相同的子区域,该子区域内的节点组成一个簇;其次,以一个簇内的总能量为计算依据,设计移动节点的路径生成算法以确定能量高效的移动路线;最后,使用10种不同的随机网络拓扑图进行了仿真实验,以节点移动速度和时延为限制条件分别得到了对比数据.结果表明,本文提出的算法与NJNP(nearest-job-next with preemption)算法相比在时延相同的条件下(800 s),生存期提升了6 000 s左右,在节点速度5 m/s条件下生存期提升了将近14 000 s.证明本文所提方法有效地提高了充电效率,延长了网络的生存期,可用于大规模的无线传感器网络.     

一种基于主观逻辑的无线传感器网络可信路由算法

无线传感器网络中高敏感度数据传输业务要求路由协议设计时必须考虑能量与安全约束.LEAcH分簇路由算法没有考虑节点与所选路径的安全性,文中提出的基于主观逻辑的可信LEACH路由算法(TLEACH_BSL)充分考虑节点可信度评价,对改进前后路由算法作了理论性分析及仿真实验比较,为可信路由算法体系的研究提供了思路.     

考虑负效应最小化的电动汽车补能诱导研究

随着政府对“碳达峰”等环保政策的贯彻落实,电动汽车凭借节能环保等优点得到了迅速发展。由于电动汽车续航里程短,充电时间长,且路网中的补能需求与充电桩存在时空错配的现象,导致电动汽车补能排队时间长和驾驶员产生里程焦虑等一系列负效应。为此,本文首先从整体路网补能负效应最小化角度,通过引入激励手段实现最优补能方案,建立电动汽车补能诱导双层优化模型。其中,上层为路网补能负效应最小化诱导激励模型;下层为带有补能站点选择的混行路网均衡模型。然后,采用遗传算法求解上层模型,下层模型通过Frank-Wolfe算法求解,得出路网中补能车辆的最优诱导方案。最后,以经典Nguyen-Dupius路网为例验证模型,并进行灵敏度分析。结果表明,尽管本文提出的补能诱导模型增加了规划者的激励成本,但总社会补能负效应成本降低,证明了补能诱导的有效性。     

基于层次结构的应用层多播方案

研究了P2P网络的应用层组播中共享树建立的机制,提出了一种基于层次结构的应用层组播方案.该模型从逻辑上分上下两层,上层由信息节点组成的可靠分布树型覆盖网络,下层由具有各种资源的网络节点组成,采用层次结构的协议具有很好的扩展性,可以连接IP多播岛来充分利用IP多播的高效率,可以根据特定的域灵活选择相应的应用层多播协议.该模型具有较低的控制开销、较高的带宽利用率和较高的数据传输率,较好的提高多播性能.     

基于改进YOLO v3模型与Deep-SORT算法的道路车辆检测方法

针对道路车辆实时检测遮挡严重与小目标车辆漏检率高的问题，提出了基于改进YOLO v3模型和Deep-SORT算法的车辆检测方法；为提高模型对道路车辆的检测能力，采用K-means++聚类算法对目标候选框进行聚类分析，选择合适的Anchor box数量，并在网络浅层增加了特征提取层，可提取到更精细的车辆特征；为加强网络对远近不同目标的鲁棒性，在保留原YOLO v3模型输出层的同时，增加了一层输出层，将52像素×52像素输出特征图经过上采样后得到104像素×104像素特征图，并将其与浅层同尺寸特征图进行拼接，实现车辆目标的检测；为了降低目标遮挡对检测效果的影响，提高对视频上下帧之间关联信息的关注度，将改进YOLO v3模型和Deep-SORT算法相结合，以此来弥补两者之间的不足。试验结果表明:改进YOLO v3模型有效地提高了车辆检测的性能，与在网络浅层增加特征提取层的模型相比，平均精度提高了1.4%，与增加一层输出层的模型相比，平均精确度提高了0.8%，说明改进YOLO v3模型提取的特征表达能力更强，增强了网络对小目标的检测能力；改进YOLO v3模型在引入Deep-SORT算法后，查准率和召回率分别达到90.16%和91.34%，相比改进YOLO v3模型，查准率和召回率分别提高了1.48%和4.20%，同时保证了检测速度，对于不同大小目标的检测具有良好的鲁棒性。      

基于能耗测度的道路拥挤收费模型

分别建立了考虑能源消耗与拥挤收费的小汽车广义出行费用及考虑舒适性消耗的 公共汽车广义出行费用,构建了由这两种交通出行方式组成的交通系统总能源消耗函数.考虑 能耗对出行者路径选择行为的影响,建立能耗目标约束下的以出行时间最小为上层目标函数 的双层规划模型,其中上层模型以一定节能水平下的系统延误最小为目标;下层模型满足双 模式交通网络的随机用户平衡,并采用遗传算法和Frank-Wolfe 算法求解.通过算例,将道路拥 堵收费及节能目标抽象化后代入模型,探讨了道路收费前后交通能耗变化及在不同的节能目 标情况下,道路拥堵收费的节能效果.计算结果表明,在交通需求量较大时,实施道路拥挤收费 有利于减少交通能耗,当节能目标小于25%且同时采取道路收费时,路网出行时间都会相应 减少.     

A Community Detection Algorithm Based on Markov Random Walks Ants in Complex Network

Complex networks display community structures. Nodes within groups are densely connected but among groups are sparsely connected. In this paper, an algorithm is presented for community detection named Markov Random Walks Ants(MRWA). The algorithm is inspired by Markov random walks model theory, and the probability of ants located in any node within a cluster will be greater than that located outside the cluster.Through the random walks, the network structure is revealed. The algorithm is a stochastic method which uses the information collected during the traverses of the ants in the network. The algorithm is validated on different datasets including computer-generated networks and real-world networks. The outcome shows the algorithm performs moderately quickly when providing an acceptable time complexity and its result appears good in practice.     

基于理性疏忽理论的交通疏散网络双层优化模型

研究交通网络疏散问题的文献较多,但鲜有基于理性疏忽理论来分析交通网络疏散问题的。本文考虑疏散网络交通状态的随机性和出行者信息处理能力的有限性,将交通状态信息成本内生化,建立基于理性疏忽理论的疏散网络双层优化模型。上层以系统总疏散时间最小为优化目标,将路段是否单行作为决策变量,下层建立基于理性疏忽理论的用户均衡模型。设计离散粒子群优化算法与逐次平均法相结合的启发式混合算法(DPSO-MSA),上层采用粒子群算法求解,将上层得到的单行策略传递给下层,下层模型采用MSA方法求解,将得到的路段交通量返回给上层。并通过算例验证模型的有效性。研究发现,最优单行策略要优于非单行策略和全单行策略,设计的算法可以快速识别疏散网络的关键路段。对于整个疏散系统而言,出行者获取的信息并不是越多越好。研究结果可以为疏散策略的制定提供参考依据。     

基于城市交通网络均衡的共享停车容量优化

为研究共享停车容量优化分配对用户出行选择的影响，建立了双层规划模型，上层模型根据停车管理平台总收益与步行费用最小确定共享停车用地的最优停车容量，下层建立共享停车、普通停车与乘坐公交出行的多用户均衡分配模型，用于描述共享停车用户出行方式的选择，通过共享停车选择概率实现上、下层模型之间的联系；设计了相继平均算法求解下层模型，并内嵌于差分进化算法，进而求解上层模型. 对常州市金坛区CBD区域的部分路网进行模拟测试. 研究表明:在不同共享停车容量分配下，停车管理平台收益随着容量的增加呈先递增后减少的趋势，而用户的出行费用随着共享停车容量的增加呈先减少后上升的趋势，说明合理地分配共享停车容量可以实现停车管理平台收益与共享停车需求之间的均衡.