论文部分内容阅读
优化是一个古老的课题,已存在许多经典数学方法可以解决优化问题,但是随着科学技术的发展,经典的数学优化方法已经不能满足需要,因此出现了仿生优化算法。仿生优化算法是基于仿生学理论基础的优化方法,它通过模拟动物个体和动物种群的活动来解决优化问题。
本文主要研究了仿生优化算法特别是粒子群算法的理论基础和算法改进:介绍了什么是优化,以及优化问题所涉及的周边知识；同时把粒子群算法应用到传感器网络技术以及智能交通中。论文主要工作如下:
(1)论文对于什么是优化和优化问题的相关概念做了相应的解释,介绍了仿生优化算法的起源与发展,初步解释了粒子群算法、遗传算法、鱼群算法的基本知识,详细介绍了粒子群算法的背景意义、国内外研究状况；
(2)论文解释了粒子群算法、遗传算法和鱼群算法的算法理论,同时用数学方法描述了优化问题,列出了一些常用的测试函数;
(3)使用线性系统理论方法分析了粒子种群容易陷入局部极值的因为,并通过引入鱼群算法的拥挤度因子对粒子群算法进行改进,提出了基于前馈扰动的粒子群算法,使失去活力的粒子重新获得了活力,取得了良好的效果;
(4)探视性的从结构方面分析三种仿生优化算法,在文中对串行随机算法、并行随机算法等一系列简单算法进行了推导,试图建立起仿生算法的一般演化过程,分析了三种仿生优化算法的异同,并给出了算法所适用的不同场合,对算法的选择起了一定的指导作用,为各种算法的有效结合提供了一定的理论依据;
(5)物联网技术是由无线传感器网络发展起来的,目前国内外在视觉无线传感器网络领域的研究还比较少,本文针对动态视觉传感器网络中大目标的覆盖问题,根据一般视觉传感器节点具有焦点和焦距的这一特征,提出了有向视觉传感器模型,基于此模型使用粒子群算法优化了大目标的覆盖,取得了良好的效果；
(6)智能交通作为物联网技术的另一个应用点也越来越受到关注,本文针对智能交通中交通灯的控制进行了研究,根据车辆和路口的特点推导出了相关数学模型,并针对两相公交口的特点把交通灯的控制看成是车辆平均等待时间最短的问题,使用粒子群算法把红绿灯时间作为输入,把车辆平均等待时间作为适应度值进行优化,最后使用VB做出了仿真结果,证明了模型和算法的正确有效；