期刊
  出版年
  关键词
结果中检索 Open Search
Please wait a minute...
选择: 显示/隐藏图片
1. 基于改进教学算法的无人机航路规划
武巍, 邹杰
计算机应用    2016, 36 (9): 2626-2630.   DOI: 10.11772/j.issn.1001-9081.2016.09.2626
摘要519)      PDF (884KB)(323)    收藏
针对传统教-学优化(TLBO)算法进行航路规划时收敛速度慢、容易陷入局部最优的问题,提出一种自适应交叉教-学优化(AC-TLBO)算法。首先,该算法令传统教-学优化(TLBO)算法的教学因子随着迭代次数而发生变化,提高算法的学习速度;其次,当算法可能要陷入局部最优时,加入一定的扰动,使算法尽可能地跳出局部最优;最后,为了进一步提升算法的收敛效果,在算法中引入遗传算法的交叉环节。利用传统教-学优化(TLBO)算法、自适应交叉教-学优化(AC-TLBO)算法和量子粒子群优化(QPSO)算法进行无人机航路规划,仿真结果表明,在10次规划中,自适应交叉教-学优化(AC-TLBO)算法有8次找到了全局最优路径,而传统教-学优化(TLBO)算法和量子粒子群优化(QPSO)算法分别只找到了2次和1次;而且自适应交叉教-学优化(AC-TLBO)算法的收敛速度高于另外两种算法。
参考文献 | 相关文章 | 多维度评价
2. 基于粒子群优化的非均匀分簇路由算法
邹杰 史长琼 姬文燕
计算机应用    2012, 32 (01): 131-133.   DOI: 10.3724/SP.J.1087.2012.00131
摘要1499)      PDF (471KB)(704)    收藏
为了解决无线传感器网络分簇路由算法中存在的“热区”问题和簇头选取问题,设计了一种自适应粒子群优化的非均匀分簇路由算法。首先通过候选节点与汇聚节点之间的距离计算竞争半径并构造出大小不等的多个簇,然后根据簇规模引入优化的粒子群算法,评价节点剩余能量和节点之间的距离等因素选取最终簇头,以剩余能量较多的簇头作为下一跳,形成以汇聚节点为根节点的多跳路由。仿真结果表明,与LEACH算法和EEUC算法相比,所提算法网络生存期分别延长了34%和16%,平均能量消耗分别减少了22%和12%,有效地减少了网络节点的能量消耗。
参考文献 | 相关文章 | 多维度评价