無線傳感器網(wǎng)絡(luò)論文:基于量子遺傳算法的無線傳感器網(wǎng)絡(luò)能量優(yōu)化研究

無線傳感器網(wǎng)絡(luò)論文:基于量子遺傳算法的無線傳感器網(wǎng)絡(luò)能量優(yōu)化研究

ID:13966027

大?。?1.50 KB

頁數(shù):6頁

時間:2018-07-25

無線傳感器網(wǎng)絡(luò)論文:基于量子遺傳算法的無線傳感器網(wǎng)絡(luò)能量優(yōu)化研究_第1頁
無線傳感器網(wǎng)絡(luò)論文:基于量子遺傳算法的無線傳感器網(wǎng)絡(luò)能量優(yōu)化研究_第2頁
無線傳感器網(wǎng)絡(luò)論文:基于量子遺傳算法的無線傳感器網(wǎng)絡(luò)能量優(yōu)化研究_第3頁
無線傳感器網(wǎng)絡(luò)論文:基于量子遺傳算法的無線傳感器網(wǎng)絡(luò)能量優(yōu)化研究_第4頁
無線傳感器網(wǎng)絡(luò)論文:基于量子遺傳算法的無線傳感器網(wǎng)絡(luò)能量優(yōu)化研究_第5頁
資源描述:

《無線傳感器網(wǎng)絡(luò)論文:基于量子遺傳算法的無線傳感器網(wǎng)絡(luò)能量優(yōu)化研究》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、無線傳感器網(wǎng)絡(luò)論文:基于量子遺傳算法的無線傳感器網(wǎng)絡(luò)能量優(yōu)化研究【中文摘要】無線傳感器網(wǎng)絡(luò)是由大量具有通信和計算能力的無線傳感器節(jié)點組成的部署在目標(biāo)區(qū)域完成指定任務(wù)的自組織、自治、自適應(yīng)的多跳網(wǎng)絡(luò)。傳感器網(wǎng)絡(luò)的可移動性決定了它應(yīng)用的優(yōu)越性和廣泛性,但是又由于其可移動性,通常工作在野外且其能量主要由電池來提供,因此也導(dǎo)致了其能源供應(yīng)的局限性。作為多跳網(wǎng)絡(luò)且能量受限,因此無線傳感器網(wǎng)絡(luò)的路徑搜索算法和能量優(yōu)化成為了近年來廣大學(xué)者的研究的兩大熱點問題。量子遺傳算法是傳統(tǒng)遺傳算法與量子計算理論相結(jié)合而產(chǎn)生的新型隨機(jī)搜索優(yōu)化算法。它不但繼承了傳統(tǒng)遺傳算法的高效并行的優(yōu)點,還同時具有種群規(guī)模小、搜索

2、能力強(qiáng)、收斂速度快且最優(yōu)解穩(wěn)定性高等特點。因此其求解組合優(yōu)化問題可以表現(xiàn)出優(yōu)越的性能。論文首先從遺傳算法出發(fā)分析其優(yōu)缺點,介紹了量子計算相關(guān)理論,引出量子遺傳算法并對量子比特編碼和量子比特更新這兩個關(guān)鍵內(nèi)容進(jìn)行了詳細(xì)的描述,給出了量子遺傳算法的突出特點。然后詳細(xì)描述將量子遺傳算法引入到無線傳感器網(wǎng)絡(luò)進(jìn)行路由搜尋的具體實現(xiàn),通過路由搜尋結(jié)果與粒子群優(yōu)化算法比較分析該算法應(yīng)用于網(wǎng)絡(luò)路由查找的相關(guān)性能?;诖肆孔舆z傳算法進(jìn)行傳感器路由的模型,引入能量優(yōu)化策略,平均化網(wǎng)絡(luò)各節(jié)點的能量消耗速度,提高網(wǎng)絡(luò)性能。在大規(guī)模傳感器網(wǎng)絡(luò)中,上述編碼方式下的量子遺傳算法由于網(wǎng)絡(luò)規(guī)模擴(kuò)大而導(dǎo)致算法復(fù)雜度過高,因

3、此本文采用一種改進(jìn)的編解碼思路,減短大規(guī)模傳感器網(wǎng)絡(luò)下量子染色體的編碼長度,解決傳統(tǒng)路由搜索算法無法滿足大規(guī)模網(wǎng)絡(luò)路由搜索和實時性的要求。論文利用VisualC++6.0為主要編程工具,并利用MATLAB作圖,實現(xiàn)算法在無線傳感器網(wǎng)絡(luò)中的系統(tǒng)仿真實驗。實驗結(jié)果表明:(1)量子遺傳算法應(yīng)用于傳感器網(wǎng)絡(luò)進(jìn)行路徑搜索比粒子群優(yōu)化算法具有更快的收斂速度和更優(yōu)的路徑搜索結(jié)果。(2)引入能量分級策略后,傳感器網(wǎng)絡(luò)融合中心處的各個節(jié)點的能量更為平均化,提高了網(wǎng)絡(luò)的生存時間。并且分析了合理選擇能量分級的級數(shù),提高網(wǎng)絡(luò)生存時間的同時也滿足對路徑搜索的實時性要求。(3)改進(jìn)編碼方式下的量子遺傳算法成功解決了

4、大規(guī)模傳感器網(wǎng)絡(luò)最優(yōu)路徑搜索問題,結(jié)合能量優(yōu)化策略,優(yōu)化了傳感器網(wǎng)絡(luò)的能量效率,從而提高了無線傳感器網(wǎng)絡(luò)的性能?!居⑽恼縒irelesssensornetwork(WSN)iscomposedofalargenumberofwirelesssenornodeswhichcancommunicatewitheachotherandpossesscomputingcapabilities.Thesenodesaredeployedinthetargetareatocompletetheassignedtask.SotheWSNisaself-organizing,autonomous,a

5、daptivemulti-hopnetwork.BecauseoftheWSN’smobility,itenablesitssuperiorityandbroadapplication.Ontheotherhand,sinceWSNusuallyworksinthefieldanditsmainenergysourceisprovidedbythebattery,themobilityalsoledtothelimitationoftheenergysupplying.Becauseofthemulti-hopandenergylimitation,routingsearchalgori

6、thmsandenergyoptimizationaretwocurrenthotissuesinWSN.Quantumgeneticalgorithm(QGA)isanewrandomsearchoptimizationalgorithm,whichiscombinedbytraditionalgeneticalgorithmandquantumcomputingtheory.QGAdoesnotonlyinherittheadvantagesofparallelandhigh-performanceoftraditionalgeneticalgorithm,butalsohasasm

7、allpopulationsize,ahighsearchcapability,rapidconvergenceandahighstabilityoptimalsolution.ThereforeQGAcanshowsuperiorperformancetosolvecombinatorialoptimizationproblems.Firstly,theadvantagesanddisadvantagesofgeneticalgo

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。