基于PSO算法和移动Agent地WSN路径优化研究.doc

在实时的交通路况中,路径规划的核心问题是快速而有效地找到从起点到达终点的最优路线。将PSO算法应用到的路径规划中来,针对实时变化的交通路况,在适应度函数中引入惩罚项来实现静态和动态下的路径规划,并通过

在标准粒子群优化（particleswarmoptimization,PSO）算法的基础上提出了一种带有动态惯性权重的自适应粒子群算法,以实现移动WSN对被监测区域的覆盖。新算法引入了粒子群进化度因子

根据ROI（RegionofInterest）面积给出了等距三重优化覆盖此ROI所需要的信标发射位置数量计算方法；随后对矩形ROI提出了一种简单的信标发射位置确定方法；针对现有的遍历发射位置点的路径遍

提出了一种基于多路移动Agent的无线传感器网络能量管理模型，并在模型中引入了多路移动Agent协同的分布式任务处理算法，能有效地减少网络延时，节约节点能量，延长网络寿命。仿真实验结果表明所提出的模型

针对无线传感器网络路径优化问题,提出了一种改进的最优保存的遗传模拟退火算法。利用LEACH算法构建初始路由表,使用GASA的高效率搜索,将路由计算和遗传演化计算同时进行,并直至寻找到近似最优路径为止。

针对目前ZigBee网络中路由节点间能量消耗不均衡、能量消耗大和节点过早死亡等问题,提出了融合差分进化粒子群算法(DE-PSO)。首先,对比节点剩余能量,通过对比簇首竞选权重值竞选簇首,其次,利用DE

使用vc编写PSO算法，实现粒子的寻优，其中运用了龙格库塔进行轨迹优化。

Research on centroid localization algorithm and positioning algorithm based on mobile anchor node in

为了提高人脸识别的准确率,提出了一种基于K近邻(KNN)和粒子群优化(PSO)的人脸识别方法。运用局部二值模式(LBP)提取特征,研究了遗传算法(GA)、粒子群算法(PSO)、蚁群算法(ACO)等元启

粒子群优化matlab算法，可以实现多目标优化。效果好于遗传算法