学位论文 > 优秀研究生学位论文题录展示

基于量子遗传算法的无线传感器网络能量优化研究

作　者: 唐义龙
导　师: 潘炜
学　校: 西南交通大学
专　业: 信号与信息处理
关键词: 无线传感器网络 量子遗传算法 能量优化策略 粒子群优化算法
分类号: TP212.9
类　型: 硕士论文
年　份: 2011年
下　载: 56次
引　用: 0次
阅　读: 论文下载
 

内容摘要


无线传感器网络是由大量具有通信和计算能力的无线传感器节点组成的部署在目标区域完成指定任务的自组织、自治、自适应的多跳网络。传感器网络的可移动性决定了它应用的优越性和广泛性,但是又由于其可移动性,通常工作在野外且其能量主要由电池来提供,因此也导致了其能源供应的局限性。作为多跳网络且能量受限,因此无线传感器网络的路径搜索算法和能量优化成为了近年来广大学者的研究的两大热点问题。量子遗传算法是传统遗传算法与量子计算理论相结合而产生的新型随机搜索优化算法。它不但继承了传统遗传算法的高效并行的优点,还同时具有种群规模小、搜索能力强、收敛速度快且最优解稳定性高等特点。因此其求解组合优化问题可以表现出优越的性能。论文首先从遗传算法出发分析其优缺点,介绍了量子计算相关理论,引出量子遗传算法并对量子比特编码和量子比特更新这两个关键内容进行了详细的描述,给出了量子遗传算法的突出特点。然后详细描述将量子遗传算法引入到无线传感器网络进行路由搜寻的具体实现,通过路由搜寻结果与粒子群优化算法比较分析该算法应用于网络路由查找的相关性能。基于此量子遗传算法进行传感器路由的模型,引入能量优化策略,平均化网络各节点的能量消耗速度,提高网络性能。在大规模传感器网络中,上述编码方式下的量子遗传算法由于网络规模扩大而导致算法复杂度过高,因此本文采用一种改进的编解码思路,减短大规模传感器网络下量子染色体的编码长度,解决传统路由搜索算法无法满足大规模网络路由搜索和实时性的要求。论文利用Visual C++6.0为主要编程工具,并利用MATLAB作图,实现算法在无线传感器网络中的系统仿真实验。实验结果表明：(1)量子遗传算法应用于传感器网络进行路径搜索比粒子群优化算法具有更快的收敛速度和更优的路径搜索结果。(2)引入能量分级策略后,传感器网络融合中心处的各个节点的能量更为平均化,提高了网络的生存时间。并且分析了合理选择能量分级的级数,提高网络生存时间的同时也满足对路径搜索的实时性要求。(3)改进编码方式下的量子遗传算法成功解决了大规模传感器网络最优路径搜索问题,结合能量优化策略,优化了传感器网络的能量效率,从而提高了无线传感器网络的性能。

全文目录


摘要  6-7
Abstract  7-11
第1章 绪论  11-15
  1.1 课题的研究背景和意义  11-12
  1.2 课题研究现状  12-13
    1.2.1 量子遗传算法研究现状  12
    1.2.2 无线传感器网络研究现状  12-13
  1.3 本论文研究内容及结构  13-15
第2章 量子遗传算法基本理论  15-24
  2.1 传统遗传算法简介  15-16
    2.1.1 遗传算法概述  15-16
    2.1.2 遗传算法的优劣  16
  2.2 量子计算基础理论  16-20
    2.2.1 量子比特  16-17
    2.2.2 量子逻辑门  17-19
    2.2.3 量子比特特性  19-20
  2.3 量子遗传算法简介  20-22
    2.3.1 量子比特编码  20-21
    2.3.2 量子比特更新  21
    2.3.3 量子遗传算法特点  21-22
  2.4 量子遗传算法基本流程  22-23
  2.5 本章小结  23-24
第3章 基于量子遗传算法的网络路由实现  24-32
  3.1 网络模型  24-25
  3.2 能量模型  25-26
  3.3 量子遗传算法的路径搜索实现  26-28
    3.3.1 路径编码  26
    3.3.2 路径解码  26-27
    3.3.3 适应度函数  27-28
    3.3.4 算法改进  28
  3.4 量子遗传算法路由仿真  28-31
  3.5 本章小结  31-32
第4章 能量优化策略  32-41
  4.1 能量优化问题  32-34
  4.2 能量优化策略的实现  34-35
  4.3 能量优化仿真  35-40
  4.4 本章小结  40-41
第5章 基于量子遗传算法的大规模网络路由设计  41-48
  5.1 引言  41
  5.2 大规模传感器网络下量子遗传算法的实现  41-43
    5.2.1 改进编码  42
    5.2.2 改进解码  42-43
  5.3 改进编码后算法仿真分析  43-47
  5.4 本章小结  47-48
结论与展望  48-50
  课题工作总结  48-49
  未来工作展望  49-50
致谢  50-51
参考文献  51-55
攻读硕士学位期间发表的论文  55

相似论文

  1. 基于量子计算的DNA编码方法研究,Q75
  2. 燃醇基燃料锅炉燃烧系统优化建模与智能控制研究,TK223.2
  3. 量子遗传算法在机械优化问题中的应用研究,TP18
  4. 智能优化算法及在通信中的应用研究,TN92
  5. 基于量子遗传算法优化BP网络的入侵检测研究,TP393.08
  6. IDS检测算法和技术研究,TP393.08
  7. 量子遗传算法在认知无线电博弈论模型频谱分配中的应用研究,TN925;O225
  8. 基于量子遗传算法的认知无线电功率控制研究,TN925
  9. 量子智能算法及其在语音识别中的应用,TN912.34
  10. 基于人工神经网络模型的说话人转换算法研究,TN912.34
  11. 基于模糊C-均值聚类的遥感图像分割算法研究,TP751
  12. 基于量子克隆遗传算法的多用户检测研究,TN929.533
  13. 基于QGA优化的BP神经网络在电力电子电路故障诊断中的应用研究,TN710
  14. 基于量子遗传算法的改进的粒子群算法及其应用,TP18
  15. 基于改进量子遗传算法的不确定性生产调度方法研究,TP18
  16. 灰色关联分析与RBF相结合的图像分割算法,TP391.41
  17. 自升式平台平台分段的建造计划编制及其优化研究,F426.4
  18. 基于BP神经网络和量子遗传算法的瓦斯预测模型研究,TP183
  19. 智能控制策略在两个工业过程中应用研究,TP273
  20. 电力变压器的智能故障诊断研究,TM41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化元件、部件 > 发送器（变换器）、传感器 > 传感器的应用
© 2012 www.xueweilunwen.com