简介:通过分析ZigBee协议中Cluster—Tree和AODVjr算法的优缺点,提出一种基于Cluster—Tree+AODvjr的优化路由算法。该算法利用ZigBee协议中的邻居表,通过定义分区来确定目的节点的范围,从而控制广播RREQ分组的跳数,防止无效的RREQ泛洪。此优化算法能够有效地减小路由跳数,缩短传输时延,减少网络中死亡节点的数量,提高数据传送的成功率。
简介:为了获得指纹检测概率和视觉质量的平衡性能,提出基于SVD-GA的量化指纹优化算法。首先对载体图像的离散余弦变换域进行奇异值分解,然后根据视觉模型调节量化嵌入的强度,在原始图像的最大奇异值分量嵌入指纹信息,最后利用遗传算法优化指纹的量化嵌入参数,以权衡指纹算法的共谋抵抗性能和视觉保真度。实验结果表明,提出的指纹算法具有较好的抗共谋攻击能力和视觉保真度。
简介:作为一种简单而有效的新兴计算技术,差分演化算法(DE)已受到学术界和工程界的广泛关注,并且已经在多峰函数优化,数据过滤,多目标优化等十九个大方向上取得了许多成功应用。为此,对围绕差分演化算法的相关背景,原理、特点、改进等方面进行简单介绍.HookeandJeeves方法是一种经典的局部搜索算法,将其与差分演化算法结合来求解多目标优化问题,提高了解的收敛质量,因而从整体上提高了算法的性能,并且测试结果也说明了该算法的可行性。
简介:随着Internet、移动网络和高性能网络的不断发展,在网络和不确定参数下具有多约未的QoS多播路由优化技术已成为网络及分布式系统领域的一个重要的研究课题,这也是下一代Internet和高性能网络的难题。本文探讨了具有QoS多播路由问题,逦描述了一种适应于研究QoS多播路由的网络模型。本文在网络环境及不确定参数下,提出了一种在网络规模和可行性方面为Internet、移动网络和其他高性能网络基于Tabu搜索的QoS多播路由优化算法(TQMRA)。TQMRA在网络环境及不确定参数下能够优化网络资源。仿真实验结果表明,TQMRA为QoS多播路由提供了一种新的有效途径。
简介:针对粒子群算法无线传感器网络(WSN)覆盖优化中算法稳定性较差,后期收敛速度慢和易陷入局部最优问题,本文提出了一种自适应扰动混沌的粒子群(AdaptiveDisturbanceChaoticParticleSwarmOptimization,简称ADCPSO)的覆盖增强算法。一是在覆盖范围中应用改进的混沌Tent映射对粒子初始化,提高了种群的求解质量和算法的稳定性;二是采用非线性递减的惯性权重和学习因子自适应操作;三是根据一定概率对粒子位置进行扰动更新,避免粒子陷入局部收敛的问题。仿真结果表明,该算法具有良好的全局搜索能力,稳定性好,提高了网络覆盖率。