中心引力优化算法(Central Force Optimization)是一种新型的基于天体力学的多维搜索优化算法.这是一种确定性的优化算法,该算法利用一组"质子"在引力作用下的运动,搜索决策空间最优值.但该算法仍然有局部收敛的特点.本文对...
详细信息
中心引力优化算法(Central Force Optimization)是一种新型的基于天体力学的多维搜索优化算法.这是一种确定性的优化算法,该算法利用一组"质子"在引力作用下的运动,搜索决策空间最优值.但该算法仍然有局部收敛的特点.本文对该算法中质子运动方程做了分析研究,利用天体力学中的摄动理论对算法进行了改进,给出了改进后的新的CFO算法的迭代公式,并且对新的公式进行了分析.最后实验结果表明针对CFO算法的摄动改进可以使得搜索质子跳过CFO空间中的局部解,使得算法收敛精度和速度都有了不同程度的提高.
由于移动节点间的相遇机会的不确定性,容迟网络采用机会转发机制完成分组的转发。这一机制要求节点以自愿合作的方式来完成消息转发。然而,在现实中,绝大多数的节点表现出自私行为。针对节点的自私行为,提出了基于信任蚁群的自组织路由算法TrACO(Trust Ant Clone Optimization)。该算法利用蚁群算法基于群空间的搜索能力和快速的自适应学习特性,能够适应容迟网络动态复杂多变的网络环境。最后对TrACO进行性能仿真分析,仿真结果表明TrACO能够在较低的消息冗余度和丢弃数下获得较高的分组转发率和较低的消息传输时延,表现出较强的挫败节点自私行为的能力。
暂无评论