基于动态规划的无线传感器网络的路由算法

在无线传感器网络的研究中,其中一个重要的问题就是路由问题,在数据传送方面具有多跳的特点,表现这一特点的原理就是动态规划原理,借用此原理来设计传感器网络的路由算法显得最适合不过了。文章经过分析研究和测算,认为路由算法能最大限度的实现能量节省。     

基于LEACH算法的传感器网络改进模型研究

无线传感器网络是众多的传感器通过无线通信的方式,相互联系,处理、传递信息的网络.本文提出了一种传感器网络中能量有效的分簇算法,该算法在经典的分簇算法LEACH的基础上,通过引入平均能耗调节参数和密度调节参数,使得靠近簇结构地理中心位置的节点以及位于节点密集分布区域的节点有更高机率成为簇头.使用这种算法,传感器网络簇头的选取更为合理,均衡了网络的能,消耗,传感器网络的生命周期比采用LEACH算法有一定幅度的延长.     

浅谈无线传感器网络LEACH协议的研究与改进

文章在分析了无线传感器网络中分层路由LEACH算法的基础上,提出了一种新型选择簇首节点的方法,并通过matlab对改进后的LEACH算法进行了仿真,仿真结果显示改进后的LEACH算法在网络生命周期和网络能量消耗两方面比LEACH算法有很大的提高。     

基于动态WSN中分簇脉冲耦合时间同步开销研究

动态无线传感器网络（Wireless Sensor Network,WSN）在时间同步收敛速度最快情况下,为减轻网络负担、通信开销,提高时间同步速度,使同步具有针对性和方向性。文章根据MPCOs模型得到参数最优情况下,再利用分簇算法将网络分成若干份,最后根据移动式脉冲耦合振荡实现动态WSN时间同步。通过仿真验证C-MPCOs算法明显比MPCOs同步周期缩短了1.670 9 s。     

LEACH协议的研究和改进算法

无线传感器网络由大量密集的微小的传感器节点构成,如果某一节点因能量过快消耗而死亡,将有可能引起整个无线传感器网络失效,单个节点的能量和计算能力有限,如何有效利用节点能源,是我们当前一个比较重要的课题,我们应尽力延长网络的生命周期,提高它的使用效率。本文提出一种新的路由协议,主要是针对LEACH算法产生额外开销和能量消耗不均衡的问题提出的解决方案,经过验证有效的提高了效率。     

探索能量最优化的传感网络路由算法及部署方案

传感器在区域内对数据的采集、传递都需要消耗大量的能量,而传感网络的寿命长短传感器的能量又取决于传感器的能量是否耗尽,某项目中,当传感网络中20％的传感器能量耗尽时,该传感网络就失去作用,根据传感器能量消耗公式,在传感器传递数据包时将数据传输均分到整个网络中便可以将能量的损耗平均到每个传感器中,相比较于仅将数据包通过一个传感器传至基站的情况,该方法不仅大大提高了传递效率并且大大延长了传感网络的寿命。基于路由算法的思想,对于区域内所有传感器的排布情况,首先考虑对网络进行按“跳数”（数据传递至基站的传递次数）进行划分,将有相同跳数的传感器作为一层;分层后,通过经典的LEACH算法,在每轮中选取出各层中的簇头进行数据传递,提高了数据传递的效率,并且在每轮中担任簇头的节点在下轮中不会担任簇头,因此也使得能量的损耗均匀到各层的每个节点中,不会出现数据集中在某个节点的情况,延长了传感网络的寿命。根据以往所做的三种（矩形,蜂窝1,蜂窝2）排布情况,文章利用设计的算法对三种情况进行仿真,检验出三种排布方式中较优的一种。     

无线传感器网络路由协议研究

本文介绍了无线传感器网络的基本概念及特点,在此基础上论述了无线传感器网络路由协议的特点及其分类,并对两种主要路由协议的优缺点进行了比较分析和研究。     

一种全新的低能耗的传感器网络路由协议

本文主要研究传感器网络分簇式路由协议的设计.对传统的最大连通度分簇路由协议进行改进,设计了一种可以有效的降低能耗的分簇路由协议.讨论了无线传感器网络中的分簇式路由安全性.     

无线传感器网络路由策略的研究

无线传感器网络对能量的要求极高,而且对其传感器节点采集到的数据要进行进一步的融合,要实现这些目标,根据其实际需求设计出合适的路由策略是非常重要的。本文首先详细的分析了无线的传感器网络路由的基本概况,进而从多个方面深入探讨了其路由的特点与合格的路由策略应该具备的条件,最后分别介绍了几种路由策略,并对这些策略做了详细的对比和分析。     

无线传感器网络中的能量高效多路径路由协议

无线传感器网络中能量高效路由协议的目标是尽可能延长网络生存时间。多路径路由协议可以使网络流量在多条节点不相交路径间均衡分配,从而可以有效增加网络寿命。另外,安全的数据传输也成为WSN广泛应用所必须的重要提前。本文提出一种无线传感器网络中基于数字签名的能量高效多路径路由协议。     

基于K-Means聚类算法的配送中心物流成本分析

文章提出了一种基于聚类算法的配送中心选址问题。针对复杂的配送中心选址问题,利用聚类算法中的K-means算法解决配送中心选址问题,该算法的实证中解决了125个配送点的配送中心寻优问题,而且在选择配送中心时充分考虑客户的需求和各地实际情况(各地的消费能力、地理位置以及交通等),通过定量分析和定性分析结合的方式,建立起了二级配送网络。实证结果表明,该配送网络具有实际应用价值并具有良好的经济效果。     

基于遗传算法的企业配送路径问题研究

为提高企业竞争力,加快企业发展,企业已将优化重点转向物流配送环节,文中通过遗传算法设计并求解企业配送路径问题,设计合理的配送路线,提高配送效率,降低物流成本。     

基于聚类算法和蚁群算法的物流配送路径优化研究

物流配送的研究已经成为提高物流效率、降低物流成本的关键。文中在研究物流问题现状以及相关配送路径算法的基础上,提出了一种新的物流配送路径优化方案,对于一个城市内的多个配送点,首先通过K均值算法进行聚类分析得到局部配送中心及其配送范围内的客户点,然后利用蚁群算法设计该配送区域内的最优配送路径。通过仿真实验得知,文中方案设计出的最优配送路径长度较单纯采用蚁群算法有了较大改善。     

基于K-means和布谷鸟算法的流程模型聚类

流程模型聚类是流程管理领域的一个热门话题。本文提出一种基于布谷鸟算法的K-means算法,该算法弥补了K-means算法的依赖初始解、易陷入局部最优等缺点。本文从流程模型结构性能、成本、效率、顾客满意度以及质量等五个方面模拟数据集,并选择权重较高的属性进行试验操作,结果表明算法的具有较高的可行性和有效性。     

基于混合粒子群算法的车辆路径优化问题研究

设计了一种引入了量子和遗传算法思想的粒子群算法．该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点．避免了基本粒子群算法易陷入局部最优的缺点,提高了求解速度。该算法用于解决车辆路径问题。通过实验表明了这种算法具有较好的性能。     

基于K均值的改进遗传算法求解TSP

提出一种基于K均值聚类方法的改进遗传算法,该算法通过聚类方法把大规模TSP转换为多个小型TSP,利用改进的遗传算法针对每一个类分别优化,求解得到多个闭合回路,再利用节约的思想将多段回路连接构成单一回路。其中遗传算法引入距离因子,结合TSP回路中边的长度进行交叉和变异,实验证明,基于K均值的改进遗传算法在求解结果方面提高30%以上。     

基于模糊聚类法的应急物流绩效评估方法研究

提出了一套应急物流绩效衡量的指标体系,并应用模糊聚类方法对应急物流绩效进行分析,该评估方法使应急物流绩效的衡量更具整体性、可比性、实用性和易操作性。