在车载自组织网(vehicular ad hoc networks,VANET)中,高动态的拓扑结构和频繁断裂的链路给车间通信提出挑战。为此,针对VANET城市场景,提出基于方向矢量角簇群和桥节点的路由(vector-angle-cluster and bridge nodes-based routing,VAC...
详细信息
在车载自组织网(vehicular ad hoc networks,VANET)中,高动态的拓扑结构和频繁断裂的链路给车间通信提出挑战。为此,针对VANET城市场景,提出基于方向矢量角簇群和桥节点的路由(vector-angle-cluster and bridge nodes-based routing,VAC-BNR)协议。VAC-BNR协议将城市道路划分为十字路口区域和十字路口间的直线路段区域。在十字路口区域内,选择合适的车辆作为桥节点;并由桥节点连通断裂的链路。而在直线路段区域,利用矢量角将车辆划分不同的簇群,然后计算每个簇群内节点的效用值;并选择效用值最高的车辆传输数据。仿真结果表明,提出的VAC-BNR协议能够有效地降低端到端传输时延、提高数据包传递率。与AMD相比,VAC-BNR协议的平均端到端传输时延下降了约30%,当车流密度大于80辆/km^2时,数据包传递率提高了约50%。
针对标准灰狼优化(grey wolf optimization,GWO)算法存在后期收敛速度慢,求解精度不高,易出现早熟收敛现象等问题,提出了一种基于对立学习策略和Rosenbrock局部搜索的混合灰狼优化(hybrid GWO,HGWO)算法。该算法首先采用对立学习策略取...
详细信息
针对标准灰狼优化(grey wolf optimization,GWO)算法存在后期收敛速度慢,求解精度不高,易出现早熟收敛现象等问题,提出了一种基于对立学习策略和Rosenbrock局部搜索的混合灰狼优化(hybrid GWO,HGWO)算法。该算法首先采用对立学习策略取代随机初始化生成初始种群,以保证群体的多样性;然后对当前群体中最优个体进行Rosenbrock局部搜索,以增强局部搜索能力和加快收敛速度;最后为了避免算法出现早熟收敛现象,利用精英对立学习方法产生精英对立个体。对6个标准测试函数进行仿真实验,并与其他算法进行比较,结果表明,HGWO算法收敛速度快,求解精度高。
暂无评论