学位论文 > 优秀研究生学位论文题录展示
混合智能优化算法在Ad Hoc网络节能中的研究
作 者: 吴鹏
导 师: 谢昕
学 校: 华东交通大学
专 业: 计算机应用技术
关键词: Ad Hoc网络 遗传算法 蚁群算法 混合智能优化 节能
分类号: TN929.5
类 型: 硕士论文
年 份: 2011年
下 载: 25次
引 用: 0次
阅 读: 论文下载
内容摘要
随着当代计算机网络与无线通信技术的不断发展,Ad Hoc网络的应用也得到了广泛的推广和应用,特别是在军事信息通信、自然灾害的灾后恢复工作等没有办法立即构建有线网络的场合。由于Ad Hoc网络中终端大多数依靠电池来支持,电池的能量非常有限,短时间内提高电池容量很难。所以在拓扑结构不断变化,节点存储容量较低、能耗受限的Ad Hoc网络,如何设计出行之有效的节能策略来延长网络生命周期,成为Ad Hoc网络发展的一个重要课题。本文的研究是基于Ad Hoc网络路由协议的改进基础上达到节能的目的。通过介绍目前国内外几种常用的路由协议,分别将遗传算法和蚁群算法的搜索优化特性在Ad Hoc网络的路由问题中实现。针对传统路由算法在Ad Hoc网络路由节能中效果不佳等问题,从理论上提出将遗传算法、蚁群算法和粒子群算法三种优化算法相融合的混合智能优化算法(PSO-GA-ACO),通过在网络中运用该节能算法来减少整个网络能量消耗,解决Ad Hoc网络的路由节能问题。本文首先将粒子群算法作为优化工具分别与遗传算法和蚁群算法相结合实现优化,再将优化之后的遗传算法和蚁群算法动态有机的融合起来,利用遗传算法的快速全局搜索能力和蚁群算法的正反馈机制,将基于粒子群的遗传算法生成的初始解转换成蚁群算法的初始信息素分布,利用基于粒子群的蚁群算法并行正反馈特性求解。最后将该混合算法应用于Ad Hoc网络路由中,使之改进后成为一种新的Ad Hoc网络节能路由协议。通过网络仿真工具MATLAB进行仿真试验,验证了该混合智能优化算法在时间、性能、吞吐量和能耗等问题上都大大优于单一算法在Ad Hoc网络路由中的应用。
|
全文目录
摘要 4-5 ABSTRACT 5-8 第一章 绪论 8-11 1.1 研究背景及现状 8 1.2 论文选题目的及意义 8-9 1.3 本文研究内容及结构 9-11 1.3.1 本文研究内容 9-10 1.3.2 论文组织结构 10-11 第二章 移动Ad Hoc网络概述 11-18 2.1 Ad Hoc 网络 11-13 2.1.1 Ad Hoc 网络基本概念 11-12 2.1.2 Ad Hoc 网络的特点 12-13 2.1.3 Ad Hoc 网络的应用领域 13 2.2 Ad Hoc 网络路由协议 13-18 2.2.1 表驱动路由协议 15-16 2.2.2 反应式路由协议 16-17 2.2.3 混合路由协议 17-18 第三章 智能优化算法在Ad Hoc网络中的应用 18-36 3.1 遗传算法在 Ad Hoc 网络中的应用 18-27 3.1.1 遗传算法基本思想 18-19 3.1.2 遗传算法基本流程和操作 19-22 3.1.3 遗传算法特点 22 3.1.4 遗传算法在Ad Hoc 网络路由中的设计 22-25 3.1.5 仿真与实验结果分析 25-27 3.2 蚁群算法在 Ad Hoc 网络中的应用 27-36 3.2.1 蚁群算法概述 27-28 3.2.2 蚁群算法基本原理 28-29 3.2.3 蚁群算法模型 29-30 3.2.4 基本蚁群算法实现步骤 30-31 3.2.5 蚁群算法的特点 31-32 3.2.6 蚁群算法在Ad Hoc 网络路由中的设计 32-34 3.2.7 仿真与实验结果分析 34-36 第四章 混合智能优化算法的研究与设计 36-46 4.1 粒子群优化算法 36-38 4.1.1 粒子群算法的提出 36 4.1.2 粒子群算法公式 36-37 4.1.3 粒子群算法执行步骤 37-38 4.2 混合智能优化算法中遗传算法设计 38-40 4.2.1 算法设计思想 38-39 4.2.2 种群分割 39 4.2.3 重构变异算子 39-40 4.2.4 算法的伪码描述 40 4.3 混合智能优化算法中蚁群算法设计 40-42 4.3.1 算法设计思想 40-41 4.3.2 适应值评价函数设计 41 4.3.3 算法设计步骤 41-42 4.4 混合算法中遗传蚁群算法的融合 42-46 4.4.1 遗传蚁群算法动态融合的思想 42-43 4.4.2 混合算法中遗传算法结束条件 43-44 4.4.3 混合算法中遗传蚁群算法的衔接 44 4.4.4 混合智能优化算法流程 44-46 第五章 混合智能优化算法应用于Ad Hoc网络 46-58 5.1 PSO-GA-ACO 协议的网络体系结构 46-47 5.2 PSO-GA-ACO 算法设计过程 47-50 5.3 PSO-GA-ACO 协议描述 50-51 5.4 算法仿真与结果分析 51-58 5.4.1 MATLAB 仿真工具 51 5.4.2 实验仿真与结果分析 51-58 第六章 总结与展望 58-59 6.1 全文总结 58 6.2 今后的工作与展望 58-59 参考文献 59-61 个人简历 在读期间发表的学术论文 61-62 致谢 62
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 大型公共建筑空调系统节能运行若干问题分析,TU831.6
- 基于蚁群算法的电梯群优化控制研究,TU857
- 基于OLSR的Ad Hoc网络功率意识路由协议,TN929.5
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 无线传感器网络组播路由协议研究,TN929.5
- 面向绿色大学建设的高校节能体系研究,G647
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 基于Ad Hoc网络技术的野战通信网络关键技术研究,TN929.5
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
中图分类: > 工业技术 > 无线电电子学、电信技术 > 无线通信 > 移动通信
© 2012 www.xueweilunwen.com
|