检索结果

Select

1. 基于惩罚误差矩阵的同步预测无线体域网节能方法

郑卓然, 郑向伟, 田杰

计算机应用 2019, 39 (2): 513-517. DOI: 10.11772/j.issn.1001-9081.2018071478

摘要（368）

PDF （785KB）（256）

针对传统无线体域网（WBAN）预测模型对感知数据预测精度低、计算量大、能耗高的问题，提出一种基于惩罚误差矩阵的自适应三次指数平滑算法。首先在感知节点与路由节点之间建立轻量级预测模型，其次采用地毯式搜索方式对预测模型进行参数优化处理，最后采用惩罚误差矩阵对预测模型参数作进一步的细粒化处理。实验结果表明，与ZigBee协议相比，在1000时隙范围内，所提方法可节省12%左右的能量；而采用惩罚误差矩阵与地毯式搜索方式相比，预测精度提高了3.306%。所提方法在有效降低计算复杂度的同时能进一步降低WBAN的能耗。

参考文献 | 相关文章 | 多维度评价

Select

2. 折半聚类算法在基于社会力的人群疏散仿真中的应用

李焱, 刘弘, 郑向伟

计算机应用 2017, 37 (5): 1491-1495. DOI: 10.11772/j.issn.1001-9081.2017.05.1491

摘要（538）

PDF （985KB）（424）

运用社会力模型（SFM）模拟人群疏散之前，需要先对人群进行聚类分组；然而， k中心聚类（ k-medoids）和统计信息网格聚类（STING）这两大传统聚类算法，在聚类效率和准确率上都不能满足要求。针对这个问题，提出了折半聚类算法（BCA）。该算法结合了围绕中心点聚类和基于网格聚类两类方式，并利用二分法查找思想划分网格，不需要反复聚类。先将数据用二分法划分成网格，再根据网格内数据密度选出核心网格，接着以核心网格为中心将邻居网格聚类，最后按就近原则归并剩余网格。实验结果表明，在聚类时间上，BCA平均仅是STING算法的48.3%，不到 k-medoids算法的14%；而在聚类准确率上， k-medoids算法平均仅是BCA的50%，STING算法平均也只是BCA的88%。因此，BCA无论在效率还是准确率上都明显优于STING和 k-medoids算法。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于多目标粒子群优化的虚拟网络映射算法

李贞, 郑向伟, 张辉

计算机应用 2017, 37 (3): 755-759. DOI: 10.11772/j.issn.1001-9081.2017.03.755

摘要（527）

PDF （940KB）（496）

在虚拟网络映射中，多数研究只考虑一个映射目标，不能体现多方的利益。为此，将多目标算法和粒子群算法结合，提出了一种基于多目标粒子群优化（PSO）的虚拟网络映射算法（VNE-MOPSO）。首先，在基本的粒子群算法中引入交叉算子，扩大了种群优化的搜索空间；其次，在多目标优化算法中引入非支配排序、拥挤距离排序，从而加快种群的收敛；最后，以同时最小化成本和节点负载均衡度为虚拟网络映射目标函数，采用多目标粒子群优化算法求解虚拟网络映射问题（VNMP）。实验结果表明，采用该算法求解虚拟网络映射问题，在网络请求接受率、平均成本、平均节点负载均衡度、基础设施提供商的收益等方面具有优势。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于资源整合的节能虚拟网络重配置算法

吕新亮, 郑向伟

计算机应用 2016, 36 (4): 894-898. DOI: 10.11772/j.issn.1001-9081.2016.04.0894

摘要（473）

PDF （951KB）（493）

针对虚拟网络映射中能耗过高、接收率偏低和负载不够均衡等问题,提出一种基于虚拟资源整合的综合性重配置算法——HEAR算法。该重配置算法分为两个阶段:节点重配置阶段优先将映射虚拟节点最少的物理节点上的虚拟节点及其相连虚拟链路迁移,挂起或关闭空负载的物理节点来达到节能的目的;此外对这些迁移节点的目标物理节点进行筛选,避免选择过度拥塞的物理节点达到提高接收率和均衡负载的目的。链路重配置阶段采用能耗感知的方法选择可用于迁移的物理链路集合,再用Dijkstra算法选择最短物理路径并将相关路径迁移过去。实验结果表明,HEAR算法比启发式重配置算法平均能耗下降约20%,接收率提高约10%。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于改进群搜索优化算法的群体路径规划方法

郑慧杰刘弘郑向伟

计算机应用 2012, 32 (08): 2223-2226. DOI: 10.3724/SP.J.1087.2012.02223

摘要（1087）

PDF （608KB）（383）

针对群体动画中传统路径规划算法搜索时间长、寻优能力差等问题，提出一种利用群搜索算法进行多线程路径规划的方法。该方法首先将模拟退火算法引入到搜索模式中，克服算法易陷入局部最优的问题；其次，通过结合多线程和路径随机拼接技术，将算法应用到路径规划中。仿真实验表明该算法无论在高维还是低维情况下都具有较好的全局收敛性，能够很好地满足在复杂动画环境下路径规划的要求。

参考文献 | 相关文章 | 多维度评价