摘要：无线传感器节点位置定位正确与否对整个网络传感器起着至关重要的作用.当无线传感器网络暴露在恶意危险环境中时,攻击者会攻击节点定位的过程,使其定位到错误位置,从而导致整个网络应用完全失效.基于最大似然估计的传感器定位概率模型是一种常用的定位模型,但是它有两个缺点:(1)为了降低计算复杂性,通常将RSS(接收信号强度)信号标准差看成常数,影响定位精度;(2)安全性差,在有恶意节点攻击时模型常常会定位失效.文中首先通过拟合测试数据归纳出了RSS信号标准差随距离变化的函数关系,克服了第一个缺点.针对第二个问题,在分析其受攻击时定位失败的具体原因后,对节点定位的概率计算公式进行了改进,设计了一种新的基于变方差特征的传感器节点定位概率模型.该模型属于高度非线性全局优化问题.针对其难以求解的特点,文中设计了一个新的有效的进化算法,并证明了该算法的全局收敛性.最后通过对公开数据集的测试和实际实验,验证了该模型和求解算法能在保证定位精度的前提下,完成节点的安全定位.

摘要：为求出具有箱式约束的非线性全局优化问题所有的局部极小点，提出了一种基于Multistart方法的新算法．结合目标函数在可行域内的总变差、下降率和凹凸性等信息，构造了一个刻划局部极小点分布的G-度量．将可行域剖分为若干个小区域，把初始点按G．度量值的比例分配在每块区域上，使得局部极小点密集的区域能够被分配较多的初始点进行搜索；给出了有效初始点的判断条件为了进一步减少局部优化算法的运行次数．针对G-度量计算量较大的问题，设计了相应的近似计算方法，降低了计算量．选择了4个2维一10维具有大量局部极小点的测试函数进行求解，与Multisatart和Minfinder算法的实验结果进行对比，表明了该方法在收敛速度和搜索全部局部极小点上都有了较大的改进和提高．

摘要：将约束优化问题转化为双目标优化问题,用进化算法求解转化的双目标问题.设计了新的混合交叉算子以提高算法在进化过程中的搜索能力,加快算法收敛;借鉴多目标优化加权度量法中成绩标量函数的特点,提出新的偏好适应度函数,进行个体比较和选择.新适应度以个体到参考点的加权距离衡量个体优劣,参考点和权向量体现选择的偏好.在进化过程中,自适应地选择参考点和权向量平衡进化的不同阶段对各个目标的偏好程度,增加种群多样性,避免算法早熟收敛.

摘要：针对中心引力算法无法在演化速度和求解质量之间做到有效均衡,提出一种基于单纯形法的改进中心引力算法.该算法通过周期性地把单纯形算子得到的最优个体迁移到中心引力算法的探测器种群中,达到中心引力算法和单纯形法（SM）的协同搜索：单纯形法借助中心引力算法跳出局部最优点,中心引力算法依靠单纯形法提高局部搜索能力.为了强化两种算法的作用,将改进的单纯形法应用到算法设计中,对算法的参数进行灵敏度分析,为中心引力算法的参数设置提供建议.通过6个典型的2～40维测试函数对算法进行测试,数值试验结果表明：新算法有效地克服了停滞现象,增强了全局搜索能力,与对比算法相比性能更佳.

摘要：针对传统K均值算法需要提前指定聚类数目且易陷入局部最优的问题,提出了一种采用万有引力定律自动确定类数的K均值算法(Gravity K均值算法,GK均值算法)。所提算法利用正交设计方法在数据空间均匀投放若干探测器,探测器根据万有引力定律移动,当两个探测器的距离小于给定阈值时合并为一个,当探测器处于稳定状态时,探测器的个数就是聚类的数目。将得到的探测器作为K均值算法的初始中心点,有效地避免了K均值算法陷入局部最优。实验结果表明:相比传统K均值算法,本文提出的方法可以自动确定聚类数目,并给出较好的初始中心,算法的迭代次数至少减少了25%,聚类正确率平均提高了14%,DB(Davies and Bouldin)聚类评价指标平均降低了0.19。

摘要：在中心引力算法的设计中,较大的种群规模能提高最优解的精度,但会降低个体的搜索空间.针对中心引力算法提出了一种自适应控制种群的中心引力算法,在算法的运行过程中,根据算法的表现使每一代增大或减小种群的规模.将聚类算法和佳点集算法融合到增加\删除算子中,使得算法可以自适应地兼顾有效性和多样性.数值结果表明,新算法在求解精度和收敛速度上不弱于对比算法.

摘要：定位是无线传感器网络技术和应用的重要基础.基于接收信号强度(received signal strength,简称RSS)的定位方法是实际应用中比较重要的定位方法.考虑到实际应用中不同地点RSS测量信号的方差有所不同这一特点,运用最大概率似然理论,建立了更加符合实际的基于RSS测量的概率定位模型.对于模型中目标表达式高度非线性不好求解的特点,运用进化计算理论设计出符合传感器通信特征的定位算法(location in probability maximum with evolutionary algorithm,简称PMEA)求解概率可能性最大的位置坐标点,并用随机过程在数学上证明了算法的收敛性.最后,通过对实际公开数据集的实验,证实所提出的概率模型和PMEA算法确实能够提高RSS测距定位的精度.

摘要：针对下层问题是一个关于下层变量的线性规划,而上层目标是任意函数的一类非线性双层规划问题,提出一种基于Nelder-M ead单纯形法的混合中心引力算法来求解此类问题.利用线性规划的性质处理下层问题,设计了一种混合中心引力算法.所提出的算法运用均匀设计方法产生初始种群.为了增强算法的局部搜索能力和加快收敛速度,将当前种群分成两个子种群,Nelder-Mead单纯形法更新精英粒子构成的子群,而中心引力算法更新普通粒子构成的子群,再将新产生的两个新子群重组.实验研究表明,本文提出的算法不仅能有效求解此类非线性双层规划问题,而且还可以获得高质量的全局最优解.此外,实验结果也表明本文提出的算法是稳定的,且实验结果优于相比较的算法结果.

摘要：可分任务调度是近年来信息技术领域研究的热点课题.已有的可分任务调度模型大多假设所有处理机在任务分配之初全部处于空闲状态,而实际上,当新的任务到来时很多处理机可能尚处于忙碌状态.每台处理机从忙碌状态转到空闲状态的时间不同,即处理机可能具有不同的释放时间.在充分考虑处理机释放时间不同的基础上,建立了一种新的混合时序约束的可分任务调度模型,并设计了高效的全局优化遗传算法求解该模型.实验结果表明了模型的合理性和算法的有效性.

摘要：在基于分解技术求解高维多目标优化问题的思想启发下,为了提高多目标优化问题非支配解集合的分布性和收敛性,提出新的基于个体支配关系的混合分解高维多目标进化算法.该算法采用分子种群的进化模式,设计新的基于有效阶的个体支配关系用于个体的比较和更新操作,以便在增加个体选择压力的同时提高解集分布的多样性.为了改善该算法的局部搜索性能,将Powell搜索作为局部搜索算子,采用传统优化与进化算法相融合的混合进化策略.为了检验提出算法的性能,将提出算法用于求解5~20个目标的6类标准测试问题,与同类算法相比,该算法在收敛性和分布性方面均具有较大的改进和提高.