CN108875898A - 基于萤火虫-蚁群算法的低压电力线载波动态路由方法 - Google Patents
基于萤火虫-蚁群算法的低压电力线载波动态路由方法 Download PDFInfo
- Publication number
- CN108875898A CN108875898A CN201810701486.XA CN201810701486A CN108875898A CN 108875898 A CN108875898 A CN 108875898A CN 201810701486 A CN201810701486 A CN 201810701486A CN 108875898 A CN108875898 A CN 108875898A
- Authority
- CN
- China
- Prior art keywords
- firefly
- ant
- algorithm
- ant group
- group algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 24
- 241000254158 Lampyridae Species 0.000 claims abstract description 46
- 241000131894 Lampyris noctiluca Species 0.000 claims abstract description 11
- 239000003016 pheromone Substances 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 14
- 241000257303 Hymenoptera Species 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 13
- 230000033001 locomotion Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 210000004209 hair Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于萤火虫‑蚁群算法的低压电力线载波动态路由方法，包括步骤1，初始化萤火虫算法的各参数；步骤2，每只萤火虫的位置对应于蚁群算法中的各参数；步骤3，每只蚂蚁对应采用一只萤火虫位置作为其参数；步骤4，每只蚂蚁执行蚁群算法并得到最优路径；步骤5，根据当前求解的最优路径判断萤火虫位置优劣，调整萤火虫吸引力以及位置，并返回步骤3；步骤6，直到萤火虫位置收敛，则为蚁群算法的参数最优解，这时得到路径为路由器到电表J最优路径。本发明方法使蚁群算法收敛速度快且收敛路径为最优。
Description
技术领域
本发明涉及低压电力线载波动态路由技术领域，尤其涉及一种基于萤火虫-蚁群算法的低压电力线载波动态路由方法。
背景技术
近年来，美、日、欧等不少国家相继展开了对智能电网的研究，而我国也于2009发布了建设“坚强智能电网”的发展规则。要实现“坚强智能电网”的目标，目前有许多技术障碍需要解决，而低压电力线载波通信可靠性不高是制约当前实现智能电网的主要障碍。由于低压电力线的高噪声、高衰减、时变性等相关特性使电力线通信距离变短，可靠性变差，而这些问题很难在物理层进行解决，需要通过上层的通信协议来进行解决，因此需要动态路由算法来寻找中继节点来进行数据转发，完成源节点到目的节点的可靠通信，而目前的动态路由算法具有自适应性差、优化质量以及效率低等问题。
蚁群算法(ant colony optimization,ACO)是通过模拟自然界中蚂蚁集体觅食的行为而提出来的一种基于种群寻优的启发式仿生类算法。蚁群算法有两个主要步骤，即路径构建和信息素的更新，两者的相互配合使蚁群算法具有正反馈性，同时使蚂蚁收敛于最优解。
1)路径选择策略
蚂蚁k(k＝1,2,...,m)在运动过程中，根据各条路径上的信息素决定其转移方向。这里用allowedk(k＝1,2,...,m)来记录蚂蚁k下一步允许选择的节点。在搜索过程中，蚂蚁根据多条路径上的信息素以及路径的启发信息来计算状态转移概率。表示在t时刻蚂蚁k由元素节点i转移到节点j的状态转移概率。
上式中，allowedk表示蚂蚁k下一步允许选择的节点的集合，ɑ为信息启发式因子，表示轨迹的相对重要性；β表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度；ηij(t)为启发函数，一般由路径的长度来计算。其表达式如下：
上式中，dij表示相邻两个节点之间的距离。
2)信息素更新策略
为了避免残留信息素过多引起残留信息淹没启发信息，在每只蚂蚁走完一步或者完成对所有n个节点的遍历后，要对残留信息进行更新。当经过n个时刻，当所有蚂蚁遍历了所有节点后，每个路径上的信息量如下作调整：
τij(t+1)＝(1-ρ)τij(t)+ρΔτij(t) (3)
在上式中，ρ表示信息素挥发系数，ρ的取值范围为：0≤ρ≤1；Δτij(t)表示本次循环中路径(i,j)上的信息素增量，表示第k只蚂蚁在本次留在路径(i，j)上的信息。
由于蚁群算法具有较强的鲁棒性和搜寻较好解的能力，所以为许多领域研究提供了一个寻找最优解的重要方法，但是蚁群算法具有参数难以确定、搜索时间长、容易陷入局部最优解等突出缺点。
萤火虫算法(Firefly Algorithm，FA)是一种新兴的群智能优化算法，是模拟自然界萤火虫的发光行为发展而来。在自然界，萤火虫会有节奏地发出不同的亮度的荧光，其发光的目的不同，一般是为了求偶或觅食，还有特殊的是为了发出警戒信号。萤火虫算法通过模拟萤火虫的发光行为吸引同伴朝着其搜索邻域内较优的位置移动，在搜索空间中搜索最优解，萤火虫聚集的位置即为较优位置。萤火虫的亮度由目标函数的适应值表示，函数值越好，亮度越强。亮度强的萤火虫吸引亮度弱的萤火虫向其移动，亮度会随着两者距离的增加而减弱；其中，亮度最强的萤火虫将随机移动。
两只萤火虫之间的吸引力计算公式如下：
β0是指距离为0的吸引力值，λ表示对光的吸引率，rij表示两只萤火虫之间的欧式距离。
萤火虫会飞向更亮的萤火虫位置处，其位置更新公式为：
第一部分表示萤火虫的当前位置，第二部分表示萤火虫j被i吸引移动的步长，第三部分是为了避免算法陷入局部最优，增加的随机扰动项，δ是[0,1]之间的随机数，ε是服从均匀分布的随机因子。
发明内容
本发明提供了一种基于萤火虫-蚁群算法的低压电力线载波动态路由方法，其克服了背景技术中所述的现有技术的不足。
本发明解决其技术问题所采用的技术方案是：
基于萤火虫-蚁群算法的低压电力线载波动态路由方法，包括：
步骤1，初始化萤火虫算法的各参数，包括最大吸引度β0，步长因子δ，对光的吸引率λ，及最大迭代次数TMax；
步骤2，设有N只萤火虫，每只萤火虫的位置对应于蚁群算法中的α，β，ρ参数；其中，ɑ为信息启发式因子，表示轨迹的相对重要性；β表示能见度的相对重要性；ρ表示信息素的挥发系数；
步骤3，设有K只蚂蚁，分为N组，每组中的每只蚂蚁对应采用N只萤火虫中的一只萤火虫位置作为其参数，对每一条路由路径进行信息素初始化；
步骤4，每一只蚂蚁从集中器出发，根据路径选择策略选择下一跳，并进行局部信息素的更新，当所有蚂蚁完成一轮蚁群算法，根据目标函数计算出本轮的N条最优路径，并对最优路径进行全局信息素更新；
步骤5，若当前蚁群算法迭代次数已达最大值或者算法已收敛，则根据目标函数求解得到迭代或收敛后的N条最优路径，取该N条最优路径中的最优路径所对应的参数作为萤火虫的优势位置，调整萤火虫吸引力以及位置；若迭代次数未达最大值或者未收敛，则返回执行步骤4；
步骤6，萤火虫算法迭代次数达到最大值或算法已收敛，则得到最终的最优路径以及最优参数，更新路由表，算法结束；若未达到最大值或算法未收敛，则返回执行步骤3。
一实施例之中：蚁群算法中，t时刻蚂蚁k由元素节点i转移到节点j的状态转移概率其中，allowedk表示蚂蚁k下一步允许选择的节点的集合，ηij(t)为启发函数，τij(t)为元素节点i到节点j之间的信息素；其中，ηij＝M*signalij(t)，M表示信号强度的权重因子，signalij(t)表示从节点的信号强度。
一实施例之中：所述目标函数F(s,d)＝λ1Trans_delay(s,d)+λ2Packet_loss(s,d)；其中，Trans_delay(Route(s,d))为源节点s到达目标节点d的低压电力线载波通信传输时延，Packet_loss(s,d)为源节点s到达目标节点d的低压电力线载波通信丢包率，λ1是传输时延的权重因子，λ2是丢包率的权重因子。
一实施例之中：所述Trans_delay(Route(s,d))＝∑delay(Ti,Tj)+∑delay(pn)，∑delay(Xi,Xj)为路径Ti到Tj之间传输消耗的累计时延，∑delay(pn)为中继节点的处理时延。
一实施例之中：所述Packet_loss(s,d)＝1-∏(1-packet_loss(Xi,Xj))，packet_loss(Xi,Xj)为路径上Xi与Xj之间的丢包率。
本技术方案与背景技术相比，它具有如下优点：
1、本发明主要针对蚁群算法存在参数较多且若参数设置不当，会导致低压电力线载波动态路由收敛速度慢以及收敛路径并非最优的问题，提出了一种基于萤火虫-蚁群算法的低压电力线载波动态路由方法，该方法通过引入萤火虫算法对蚁群算法的参数进行优化，从而使蚁群算法收敛速度快且收敛路径为最优。
2、目前大部分蚁群算法没有考虑低压电力线载波的时变性、强干扰性等特性，选择路由的跳数作为算法寻优的目标函数，导致寻优出来的路径不一定最优的路径；为了更好适应低压电力线载波通信特征，本发明将低压电力线载波的时延以及丢包率组合作为萤火虫-蚁群混合算法的目标函数。
3、将节点的信号强度signalij(t)作为启发信息，使得算法的路径选择策略更能满足低压电力线载波通信特征。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本实施例所述的基于萤火虫-蚁群算法的低压电力线载波动态路由方法的步骤流程图。
图2为一具体实例应用中的低压电力线载波通信路径分布图。
具体实施方式
查阅图1，基于萤火虫-蚁群算法的低压电力线载波动态路由方法，包括：
步骤1，初始化萤火虫算法的各参数，包括最大吸引度β0，步长因子δ，对光的吸引率λ，及最大迭代次数TMax；
步骤2，设有N只萤火虫，每只萤火虫的位置对应于蚁群算法中的α，β，ρ参数；其中，ɑ为信息启发式因子，表示轨迹的相对重要性；β表示能见度的相对重要性；ρ表示信息素的挥发系数；
步骤3，设有K只蚂蚁，分为N组，每组中的每只蚂蚁对应采用N只萤火虫中的一只萤火虫位置作为其参数，对每一条路由路径进行信息素初始化，本实施例中，信息素初始化为零；
步骤4，每一只蚂蚁从集中器出发，根据路径选择策略选择下一跳，并进行局部信息素的更新，当所有蚂蚁完成一轮蚁群算法，根据目标函数计算出本轮的N条最优路径，并对最优路径进行全局信息素更新；
步骤5，若当前蚁群算法迭代次数已达最大值或者算法已收敛，则根据目标函数求解得到迭代或收敛后的N条最优路径，取该N条最优路径中的最优路径所对应的参数作为萤火虫的优势位置，调整萤火虫吸引力以及位置；若迭代次数未达最大值或者未收敛，则返回执行步骤4；
步骤6，萤火虫算法迭代次数达到最大值或算法已收敛，则得到最终的最优路径以及最优参数，更新路由表，算法结束；若未达到最大值或算法未收敛，则返回执行步骤3。
蚁群算法路径选择策略主要有两部分来决定，一个是信息素的浓度，一个是启发信息的大小，启发信息一般采用距离大小的倒数来表示，距离越小，启发信息越大，则该条路径选择的概率也就越大，但这种方式在低压电力线载波通信中不一定可行，距离近的路径可能由于出现较大的干扰以及噪声导致通信较差，因此，在本专利采用信号强度来代表该混合算法的启发信息，蚁群算法中，t时刻蚂蚁k由元素节点i转移到节点j的状态转移概率其中，allowedk表示蚂蚁k下一步允许选择的节点的集合，ηij(t)为启发函数，τij(t)为元素节点i到节点j之间的信息素；其中，ηij＝M*signalij(t)，M表示信号强度的权重因子，signalij(t)表示从节点的信号强度。
所述目标函数F(s,d)＝λ1Trans_delay(s,d)+λ2Packet_loss(s,d)；其中，Trans_delay(Route(s,d))为源节点s到达目标节点d的低压电力线载波通信传输时延，Packet_loss(s,d)为源节点s到达目标节点d的低压电力线载波通信丢包率，λ1是传输时延的权重因子，λ2是丢包率的权重因子。
所述Trans_delay(Route(s,d))＝∑delay(Ti,Tj)+∑delay(pn)，∑delay(Xi,Xj)为路径Ti到Tj之间传输消耗的累计时延，∑delay(pn)为中继节点的处理时延。
所述Packet_loss(s,d)＝1-∏(1-packet_loss(Xi,Xj))，packet_loss(Xi,Xj)为路径上Xi与Xj之间的丢包率。
一具体实例应用中，如图2所示，将载波路由器接到电力载波上，首先就需要进行路由学习，得到最佳路径，比如寻找到J电表的最佳路径。
1)随机取萤火虫5只，随机放置萤火虫，萤火虫的位置对应蚁群算法的α、β、ρ，这三者都在[0,1]之间。
2)取100只蚂蚁，每20只蚂蚁采用一组萤火虫的位置值作为参数，进行蚁群算法，最终得到5条最优路径。
3)我们可以知道每条路径上的传输时延以及处理时延，如G到J时延以及在G点处理的时延，根据如下目标函数，计算哪条最优路径为最优，加大对应萤火虫的吸引力，同时根据萤火虫算法移动各萤火虫的位置。
F(s,d)＝λ1Trans_delay(s,d)+λ2Packet_loss(s,d)
4)继续2)3)步骤，直到萤火虫位置收敛，则为蚁群算法的参数最优解，这时得到路径为路由器到电表J最优路径。
以上所述，仅为本发明较佳实施例而已，故不能依此限定本发明实施的范围，即依本发明专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明涵盖的范围内。
Claims (5)
1.基于萤火虫-蚁群算法的低压电力线载波动态路由方法，其特征在于：包括：
步骤1，初始化萤火虫算法的各参数，包括最大吸引度β0，步长因子δ，对光的吸引率λ，及最大迭代次数TMax；
步骤2，设有N只萤火虫，每只萤火虫的位置对应于蚁群算法中的α，β，ρ参数；其中，ɑ为信息启发式因子，表示轨迹的相对重要性；β表示能见度的相对重要性；ρ表示信息素的挥发系数；
步骤3，设有K只蚂蚁，分为N组，每组中的每只蚂蚁对应采用N只萤火虫中的一只萤火虫位置作为其参数，对每一条路由路径进行信息素初始化；
步骤4，每一只蚂蚁从集中器出发，根据路径选择策略选择下一跳，并进行局部信息素的更新，当所有蚂蚁完成一轮蚁群算法，根据目标函数计算出本轮的N条最优路径，并对最优路径进行全局信息素更新；
步骤5，若当前蚁群算法迭代次数已达最大值或者算法已收敛，则根据目标函数求解得到迭代或收敛后的N条最优路径，取该N条最优路径中的最优路径所对应的参数作为萤火虫的优势位置，调整萤火虫吸引力以及位置；若迭代次数未达最大值或者未收敛，则返回执行步骤4；
步骤6，萤火虫算法迭代次数达到最大值或算法已收敛，则得到最终的最优路径以及最优参数，更新路由表，算法结束；若未达到最大值或算法未收敛，则返回执行步骤3。
2.根据权利要求1所述的基于萤火虫-蚁群算法的低压电力线载波动态路由方法，其特征在于：蚁群算法中，t时刻蚂蚁k由元素节点i转移到节点j的状态转移概率其中，allowedk表示蚂蚁k下一步允许选择的节点的集合，ηij(t)为启发函数，τij(t)为元素节点i到节点j之间的信息素；其中，ηij＝M*signalij(t)，M表示信号强度的权重因子，signalij(t)表示从节点的信号强度。
3.根据权利要求1或2所述的基于萤火虫-蚁群算法的低压电力线载波动态路由方法，其特征在于：所述目标函数F(s,d)＝λ1Trans_delay(s,d)+λ2Packet_loss(s,d)；其中，Trans_delay(Route(s,d))为源节点s到达目标节点d的低压电力线载波通信传输时延，Packet_loss(s,d)为源节点s到达目标节点d的低压电力线载波通信丢包率，λ1是传输时延的权重因子，λ2是丢包率的权重因子。
4.根据权利要求3所述的基于萤火虫-蚁群算法的低压电力线载波动态路由方法，其特征在于：所述Trans_delay(Route(s,d))＝∑delay(Ti,Tj)+∑delay(pn)，∑delay(Xi,Xj)为路径Ti到Tj之间传输消耗的累计时延，∑delay(pn)为中继节点的处理时延。
5.根据权利要求4所述的基于萤火虫-蚁群算法的低压电力线载波动态路由方法，其特征在于：所述Packet_loss(s,d)＝1-Π(1-packet_loss(Xi,Xj))，packet_loss(Xi,Xj)为路径上Xi与Xj之间的丢包率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810701486.XA CN108875898A (zh) | 2018-06-29 | 2018-06-29 | 基于萤火虫-蚁群算法的低压电力线载波动态路由方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810701486.XA CN108875898A (zh) | 2018-06-29 | 2018-06-29 | 基于萤火虫-蚁群算法的低压电力线载波动态路由方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108875898A true CN108875898A (zh) | 2018-11-23 |
Family
ID=64297531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810701486.XA Pending CN108875898A (zh) | 2018-06-29 | 2018-06-29 | 基于萤火虫-蚁群算法的低压电力线载波动态路由方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108875898A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110823229A (zh) * | 2019-12-16 | 2020-02-21 | 湖北工业大学 | 一种基于优化萤火虫算法的移动机器人路径规划方法系统 |
| CN110932758A (zh) * | 2019-11-28 | 2020-03-27 | 国网福建省电力有限公司漳州供电公司 | 一种基于非交叠分簇的低压电力线分层蚁群路由方法 |
| CN113497761A (zh) * | 2020-03-20 | 2021-10-12 | 罗伯特·博世有限公司 | 车载设备和通信系统以及数据传输方法 |
| CN113766598A (zh) * | 2020-06-03 | 2021-12-07 | 株洲信通智能科技有限公司 | 矿用无线通信中继方法 |
| CN116433111A (zh) * | 2023-06-15 | 2023-07-14 | 潍柴动力股份有限公司 | 曲轴装配扭矩质量检测系统的构建方法及质量评价方法 |
| CN116739202A (zh) * | 2023-08-15 | 2023-09-12 | 深圳华越南方电子技术有限公司 | 一种电力选路方法、系统、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100076615A1 (en) * | 2008-09-13 | 2010-03-25 | Moixa Energy Holdings Limited | Systems, devices and methods for electricity provision, usage monitoring, analysis, and enabling improvements in efficiency |
| CN103559536A (zh) * | 2013-11-12 | 2014-02-05 | 杭州银江智慧城市技术集团有限公司 | 一种基于新概率转移函数的照明通信动态寻径蚁群算法 |
| CN107483079A (zh) * | 2017-06-22 | 2017-12-15 | 国网河南省电力公司信阳供电公司 | 低压电力线载波通信的双种群遗传蚁群路由算法 |
-
2018
- 2018-06-29 CN CN201810701486.XA patent/CN108875898A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100076615A1 (en) * | 2008-09-13 | 2010-03-25 | Moixa Energy Holdings Limited | Systems, devices and methods for electricity provision, usage monitoring, analysis, and enabling improvements in efficiency |
| CN103559536A (zh) * | 2013-11-12 | 2014-02-05 | 杭州银江智慧城市技术集团有限公司 | 一种基于新概率转移函数的照明通信动态寻径蚁群算法 |
| CN107483079A (zh) * | 2017-06-22 | 2017-12-15 | 国网河南省电力公司信阳供电公司 | 低压电力线载波通信的双种群遗传蚁群路由算法 |
Non-Patent Citations (2)
| Title |
|---|
| 徐华丽 等: "求解 TSP 问题的萤火虫参数优化的改进蚁群算法", 《南阳理工学院学报》 * |
| 陈艳: "基于低压电力线载波通信网络的路由算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110932758A (zh) * | 2019-11-28 | 2020-03-27 | 国网福建省电力有限公司漳州供电公司 | 一种基于非交叠分簇的低压电力线分层蚁群路由方法 |
| CN110932758B (zh) * | 2019-11-28 | 2022-03-29 | 国网福建省电力有限公司漳州供电公司 | 一种基于非交叠分簇的低压电力线分层蚁群路由方法 |
| CN110823229A (zh) * | 2019-12-16 | 2020-02-21 | 湖北工业大学 | 一种基于优化萤火虫算法的移动机器人路径规划方法系统 |
| CN113497761A (zh) * | 2020-03-20 | 2021-10-12 | 罗伯特·博世有限公司 | 车载设备和通信系统以及数据传输方法 |
| CN113766598A (zh) * | 2020-06-03 | 2021-12-07 | 株洲信通智能科技有限公司 | 矿用无线通信中继方法 |
| CN116433111A (zh) * | 2023-06-15 | 2023-07-14 | 潍柴动力股份有限公司 | 曲轴装配扭矩质量检测系统的构建方法及质量评价方法 |
| CN116433111B (zh) * | 2023-06-15 | 2023-10-20 | 潍柴动力股份有限公司 | 曲轴装配扭矩质量检测系统的构建方法及质量评价方法 |
| CN116739202A (zh) * | 2023-08-15 | 2023-09-12 | 深圳华越南方电子技术有限公司 | 一种电力选路方法、系统、设备及存储介质 |
| CN116739202B (zh) * | 2023-08-15 | 2024-01-23 | 深圳华越南方电子技术有限公司 | 一种电力选路方法、系统、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108875898A (zh) | 基于萤火虫-蚁群算法的低压电力线载波动态路由方法 | |
| CN105592138B (zh) | 一种路口ad hoc节点辅助的城市车载路由协议方法 | |
| CN105208616B (zh) | 车载自组织网络中基于道路拓扑的自适应多副本路由方法 | |
| CN108896052A (zh) | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 | |
| Fletcher et al. | Back-tracking based sensor deployment by a robot team | |
| CN103327564B (zh) | 基于蚁群算法的无线传感器网络路由方法 | |
| CN104883676B (zh) | 一种多无人机环境下协同安全通信方法 | |
| CN110196061A (zh) | 基于改进蚁群算法的移动机器人全局路径规划方法 | |
| CN102970725B (zh) | 一种基于多层社区分组的移动机会网络路由方法 | |
| CN108540204A (zh) | 用于卫星网络拓扑生成的快速收敛蚁群算法 | |
| CN109186619A (zh) | 一种基于实时路况的智能导航算法 | |
| CN106595663A (zh) | 结合搜索与优化的飞行器自主航迹规划方法 | |
| Abed et al. | Influence of mobility models on the performance of data dissemination and routing in wireless mobile ad hoc networks | |
| Lyu et al. | Qngpsr: A q-network enhanced geographic ad-hoc routing protocol based on gpsr | |
| CN114499648A (zh) | 基于多智能体协作的无人机集群网络智能多跳路由方法 | |
| Sun et al. | Speed up-greedy perimeter stateless routing protocol for wireless sensor networks (su-gpsr) | |
| CN105228215B (zh) | 车载自组织网络中基于决策树机制的多副本路由方法 | |
| Vijitha Ananthi et al. | A review on various routing protocol designing features for flying ad hoc networks | |
| Kheradmand et al. | Cluster‐based routing schema using Harris hawks optimization in the vehicular ad hoc networks | |
| CN108551661A (zh) | 一种基于蚁群路由算法连通预测的能效最优化方法 | |
| CN102096742A (zh) | 基于禁忌蚁群混合算法的超大规模集成电路布线设计方法 | |
| Makino et al. | Mobility Control of Avoiding Interference for Autonomous Mobile Robot Ad Hoc Networks | |
| Wen et al. | Energy efficient data collection scheme in mobile wireless sensor networks | |
| Wang | A Mobility Aware Clustering Scheme Based on Swarm Intelligence in FANETs | |
| Panda et al. | Obstacle and mobility aware optimal routing for manet |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |