针对无线传感器网络(WSN)数据汇集应用中负载分配不均衡,使得网络节点出现早死,网络寿命缩短的问题,提出了一种基于蚁群优化(ACO)的负载均衡的数据汇集(Load-balancing data gathering based on ACO,L-ACO)算法。根据不同的任务,L-ACO...针对无线传感器网络(WSN)数据汇集应用中负载分配不均衡,使得网络节点出现早死,网络寿命缩短的问题,提出了一种基于蚁群优化(ACO)的负载均衡的数据汇集(Load-balancing data gathering based on ACO,L-ACO)算法。根据不同的任务,L-ACO算法将蚂蚁分为三类:前向探索蚂蚁(FD-ANT)、前向运输蚂蚁(Fr-ANT)和后向蚂蚁(B-ANT)。此算法定义蚂蚁的转移概率与路径信息素成反比,并采用父节点负载作为启发因子,使得蚂蚁趋向于走负载低的路径。通过前向蚂蚁与后向蚂蚁的分工合作,使得各条路径上的负载逐渐趋于均衡,从而延长网络寿命。仿真实验表明L-ACO算法可行。展开更多
文摘针对传统的交叉验证均方差模型在确定交通流监测数据最优汇集时间间隔研究方面存在的不足,以交通流量、时间平均速度、占有率等3个交通流基本参数来表征城市道路交通流运行状态.在传统的交通状态交叉验证均方差估计方法的基础上,提出了一种改进的基于交通状态矢量的交叉验证均方差模型,以估计不同汇集时间间隔时交通流监测数据的波动性.然后,构建了基于交通状态矢量的均差值假设检验,并采用t检验方法寻找交叉验证均方差值变化的拐点,以确定交通流监测数据的最优汇集时间间隔.以昆山市城市道路车辆检测器实际采集的交通流数据为例,对不同等级城市道路交通流监测数据的最优汇集时间间隔进行了量化分析.结果表明,在实际应用中,城市道路交通流监测数据的最优汇集时间间隔可以选取为5 min.
文摘针对无线传感器网络(WSN)数据汇集应用中负载分配不均衡,使得网络节点出现早死,网络寿命缩短的问题,提出了一种基于蚁群优化(ACO)的负载均衡的数据汇集(Load-balancing data gathering based on ACO,L-ACO)算法。根据不同的任务,L-ACO算法将蚂蚁分为三类:前向探索蚂蚁(FD-ANT)、前向运输蚂蚁(Fr-ANT)和后向蚂蚁(B-ANT)。此算法定义蚂蚁的转移概率与路径信息素成反比,并采用父节点负载作为启发因子,使得蚂蚁趋向于走负载低的路径。通过前向蚂蚁与后向蚂蚁的分工合作,使得各条路径上的负载逐渐趋于均衡,从而延长网络寿命。仿真实验表明L-ACO算法可行。
