蚁群粒子群混合算法在车载网无线接入点的布局优化

发布时间：2021-02-14 08:11

　　针对具有拓扑结构多变、受周围事物影响、高速变动等特征导致车载网通信性能不佳的问题,将无线接入点作为提高通信性能的关键辅助点。在保证信号覆盖率的情况下,根据车流量,部署最少无线接入点作为最终目标,利用蚁群和粒子群混合算法（AC-PSO）作为一种搜索策略。将AC-PSO混合算法与PSO算法、ACO算法进行对较以便证明该混合算法的优越性。实验表明,AC-PSO混合算法收敛速度比PSO、ACO更快,也说明了该混合算法在车载网中无线AP布局优化应用的有效性。 

【文章来源】：河池学院学报. 2019,39(05)

【文章页数】：5 页

【文章目录】：
0 引言
1 AP布局模型
2 AC-PSO混合算法在VANET的AP布局
    2.1 蚁群算法简介
    2.2 粒子群算法简介
    2.3 AC-PSO算法在VANET的AP布局
        2.3.1 粒子编码及初始化
        2.3.2 目标函数设置
        2.3.3 越界处理
    2.4 AC-PSO混合算法伪代码
3 仿真实验与分析
    3.1 实验环境以及参数设置
    3.2 实验结果分析
4 结束语


【参考文献】：
期刊论文
[1]求解PFSP问题的多粒子群协同学习算法[J]. 秦志伟,黄友锐,徐善永.  安徽理工大学学报(自然科学版). 2018(03)
[2]基于量子粒子群优化算法的多机协同目标分配问题研究[J]. 王记丰,李峥,叶文.  舰船电子工程. 2017(08)
[3]基于禁忌搜索的蚁群优化算法[J]. 张慕雪,张达敏,杨菊蜻,朱陈柔玲.  通信技术. 2017(08)
[4]基于随机游走和混合高斯模型的运动目标检测[J]. 李强,陈光化,余渊.  计算机技术与发展. 2017(06)
[5]求解函数优化问题的自适应动态粒子群算法[J]. 闫萍,焦明海.  计算机仿真. 2016(10)
[6]车载自组网安全威胁及应对措施[J]. 落红卫.  现代电信科技. 2014(03)
[7]基于车流量和粒子群算法的无线接入点布局[J]. 李玉贞,张丽丽.  电子设计工程. 2014(05)

博士论文
[1]混合爆炸式人工蜂群算法及应用研究[D]. 张超群.东华大学 2015
[2]基于协同进化的混合智能优化算法及其应用研究[D]. 邓武.大连海事大学 2012

硕士论文
[1]改进蚁群算法在车载自组网节点部署中的应用[D]. 张荧.兰州大学 2014



本文编号：3033392