论文部分内容阅读
随着科学的发展和时代的进步,人们在工业生产和工程实践过程中遇到的问题,越来越多地具有规模大、复杂性、约束性、非线性、不确定性等特点,在生产实践和科学研究的诸多领域有大量的问题都急需人们在庞大和复杂空间寻找最优解或近似最优解,常规的优化算法面对这样的大型问题已无能为力。计算智能作为一种新兴的优化技术,很好地解决了常规优化算法遇到的难点,其算法相对简单,易理解,易实现,更为重要的是,计算智能方法大都具有隐含并行性、自组织、自适应等特点,有效地促进了其在生产各领域中的优化应用,对生产效率的提高、能耗的降低、资源的合理利用等具有重要的作用。本文从计算智能中的两种应用广泛的技术——进化计算和群体智能入手,以进化计算中经典的遗传算法和群体智能中具有代表性的蚁群优化算法作为研究基础,简单介绍了这两种算法的相关理论和特点,然后进行一些改进,并与其他算法进行了融合,寻找适合于工程实践需求的智能优化应用。在具体的优化应用中,本文针对无线传感器网络(Wireless Sensor Network, WSN)必须有很强的自组织性、自适应性和鲁棒性且传感器节点的能量资源都非常有限等不同于其他传统网络的特点,充分利用计算智能特性,有机地将两个研究热点结合起来,为应用计算智能方法解决WSN优化问题,提供了方法与思路。本文主要在三个方面做了一些工作：一,对WSN分簇问题进行了描述和研究,并将遗传算法应用于WSN分簇过程,综合考虑簇内邻居节点的距离和能量信息,优化簇头节点的选择,使得WSN簇内节点的能量消耗得以均衡,避免了节点因能量快速耗尽而过早死亡,能有效提高大规模无线传感器网络的生存周期；二,对WSN覆盖问题进行了描述,针对其具有多目标优化的特点,在基于GAF的拓扑控制下,应用基于Pareto排序的遗传算法来求解此问题,并考虑群体多样性和Pareto最优解的性能,采取一些措施对算法进行改进,最终实现使用尽可能少数目的传感器节点以达到尽可能大的覆盖度的目标,均衡了WSN能量消耗,减少了无线信道中潜在的访问冲突；三,针对WSN路由问题,结合WSN层次型路由算法特点,充分考虑传感器节点剩余能量和传输能耗,设计了一种基于蚁群优化的分层路由算法,使得WSN簇头多跳路由性能得以改善,网络节点能量消耗得以均衡。