GCTA:一种群组命令传输算法
本文关键词： 群组命令传输 群组多约束多目标优化 路径竞争 蚁群算法 出处：《电子学报》2016年02期 论文类型：期刊论文
【摘要】：基于尽力而为服务模式的Internet,在支持群组命令传输过程中,容易产生路径竞争问题.定义出有效路径统计网络,并进一步定义出基于有效路径统计网络的群组多约束多目标优化问题.提出一种群组命令传输算法.该算法,分别定义出模糊球体划分、连续空间蚁群搜索及重叠区域解可信度衰减策略.实验从服务延迟率和传输成功率两个方面,验证了该算法在支持群组命令传输过程的有效性.
[Abstract]:In the process of supporting group command transmission, Internet based on best effort service mode is prone to the problem of path competition. The effective path statistics network is defined. Furthermore, the group multi-constraint multi-objective optimization problem based on the effective path statistics network is defined. A group command transmission algorithm is proposed, which defines the fuzzy sphere partition respectively. Continuous space ant colony search and overlapped region solution credibility attenuation strategy. The experimental results show that the proposed algorithm is effective in supporting group command transmission from two aspects: service delay rate and transmission success rate.
【作者单位】： 上海理工大学管理学院;上海理工大学光电信息与计算机工程学院;
【基金】：国家自然科学基金(No.60970012) 高等学校博士学科点专项科研博导基金(No.20113120110008) 上海重点科技攻关项目(No.14511107902) 上海市工程中心建设项目(No.GCZX14014) 上海智能家居大规模物联共性技术工程中心项目(No.GCZX14014) 上海市一流学科建设项目(No.XTKX2012) 沪江基金研究基地专项(No.C14001)
【分类号】：TP393.01
【正文快照】： 1引言物联网作为Internet的一种扩展[1~3],其核心思想不仅可以“感知”而且期待“可控”.物联网运营中心(中心)作为“可控”关键技术,其主要功能是能够通过In-ternet传输一组具有多约束的命令到分散在不同大区域(跨市、区)的终端设备,并且所有命令必须在约束范围内全部到达,任
【参考文献】
相关期刊论文 前1条
1 苏兆品;蒋建国;梁昌勇;张国富;夏娜;;蚁群算法的几乎处处强收敛性分析[J];电子学报;2009年08期
【共引文献】
相关期刊论文 前10条
1 骆剑平;李霞;陈泯融;;混合蛙跳算法的Markov模型及其收敛性分析[J];电子学报;2010年12期
2 王传臣;张润彤;李丹丹;曹峰;;认知网络中的拥塞规避多径路由算法[J];电子学报;2011年08期
3 孟超;孙知信;;中心引力优化CFO算法研究[J];电子学报;2013年04期
4 孟超;孙知信;;改进型中心引力优化CFO算法研究[J];电子学报;2014年01期
5 胡婷婷;贺兴时;杨新社;;基于萤火虫算法的Markov模型及收敛性分析[J];纺织高校基础科学学报;2014年04期
6 胡耀民;刘伟铭;;基于改进型蚁群算法的最优路径问题求解[J];华南理工大学学报(自然科学版);2010年10期
7 王凡;贺兴时;王燕;杨松铭;;基于CS算法的Markov模型及收敛性分析[J];计算机工程;2012年11期
8 宁爱平;张雪英;;人工蜂群算法的收敛性分析[J];控制与决策;2013年10期
9 刘迪;杨凤;;物联网信息终端异构多径路由算法[J];控制工程;2013年03期
10 刘锴;游晓明;刘升;;蚁群算法的鞅过程及收敛性分析[J];华中科技大学学报(自然科学版);2013年S1期
相关博士学位论文 前7条
1 周晖;自由搜索算法及其在传感器网络中的应用[D];东华大学;2010年
2 陈俊风;一类计算智能方法的停滞问题研究[D];浙江大学;2011年
3 张静乐;网络环境下协同服务关键技术研究[D];北京科技大学;2011年
4 雷友诚;大型有色冶炼企业铁路运输智能优化调度方法及应用[D];中南大学;2011年
5 宁爱平;人工蜂群算法及其在语音识别中的应用研究[D];太原理工大学;2013年
6 程兴国;仿生算法的动态反馈机制及其并行化实现方法研究[D];华南理工大学;2013年
7 赵娟平;移动机器人路径规划的蚁群优化算法研究[D];东北大学;2012年
相关硕士学位论文 前6条
1 徐顺安;嵌入式载体姿态测量系统的研制[D];合肥工业大学;2011年
2 靳雪滨;改进的蚁群算法及其在TSP上的应用研究[D];哈尔滨工程大学;2011年
3 刘好斌;蚁群优化算法的改进及其在TSP中的应用[D];重庆大学;2010年
4 彭光明;企业铁路运输放射状取送车作业优化方法研究[D];中南大学;2012年
5 刘瑞杰;蚁群算法及其应用研究[D];重庆大学;2012年
6 冯禹;带指定点集的团队定向问题研究[D];重庆交通大学;2013年
【二级参考文献】
相关期刊论文 前7条
1 罗小平,韦巍;生物免疫遗传算法的几乎处处强收敛性分析及收敛速度估计[J];电子学报;2005年10期
2 蒋建国;夏娜;齐美彬;木春梅;;一种基于蚁群算法的多任务联盟串行生成算法[J];电子学报;2005年12期
3 吴春明;陈治;姜明;;蚁群算法中系统初始化及系统参数的研究[J];电子学报;2006年08期
4 徐宗本,聂赞坎,张文修;遗传算法的几乎必然强收敛性——鞅方法[J];计算机学报;2002年08期
5 朱庆保;;蚁群优化算法的收敛性分析[J];控制与决策;2006年07期
6 王霞,周国标;整体退火遗传算法的几乎处处强收敛性[J];应用数学;2003年03期
7 段海滨;王道波;于秀芬;;基本蚁群算法的A.S.收敛性研究[J];应用基础与工程科学学报;2006年02期
【相似文献】
相关期刊论文 前1条
1 张玲;轻松驾驭照片编辑器[J];软件世界;1999年03期
相关重要报纸文章 前1条
1 闲雅;你一定要知道的Photoshop开门四件事[N];江西日报;2003年
，本文编号：1447362
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/1447362.html
