一种改进的人工蜂群算法在罗拉高效的多媒体传输的无线通信系统

文摘

视频通信网络将是一个非常重要的方式随时随地发送多媒体信息,和网络的建设基站传输信号在未来是至关重要的。然而,有一个矛盾罗拉节点的功耗和real-timeliness网状网络。为了解决这一矛盾,本文旨在结合罗拉的网状网络无线通信系统和一种改进的人工蜂群算法。具体而言,一个人工蜂群算法,基于RBF径向基神经网络训练与随机梯度法,设计。仿真结果表明,该算法有效地解决了能耗和real-timeliness之间的矛盾。当使用这种改进将多媒体信息网络系统结构,它显示了明显的优越性的效率高、real-timeliness多媒体传播。

1。介绍

随着无线通信网络技术的发展,无线通信的智能产品的优势被广泛接受,如低成本和良好的可伸缩性1- - - - - -3]。这些产品已经被社会越来越多的关注(4,5]。此外,多媒体信息的传输变得越来越大,越来越全球化。视频和其他大容量媒体传输技术需要更好的无线网络架构(5,6]。

罗拉技术解决了长距离、低功耗的问题成功。与其他无线传输技术相比,罗拉具有更长的传输距离和低消费的5- - - - - -7]。然而,现有的无线传输技术不能满足无线网络的实时监控效果的条件下,低功耗和长途。在现有的方法中,有一个网状网络体系结构,最大限度地减少设备的数量,大大降低了基站的成本建立(8,9]。同时,它是非常方便的部署的设备(10- - - - - -12]。网状网络体系结构非常稳定,不受单个节点的影响。当一个节点发生故障或干扰附近包会自动转移到备用路径进行传输。此外,它具有灵活的结构和优势的重载和通信负载平衡(13- - - - - -15]。这种网状网络减少了干扰相邻用户的无线网络传输数据时,及其信息传输效率大大提高。

在某种程度上,网状网络降低了能耗和达到的覆盖范围更大的区域,但它不能完全解决之间的矛盾的功耗和实时罗拉无线网络(16- - - - - -19]。一些额外的干扰或空间扩展可能导致信号传输能力的损失。我们考虑采用基本的人工蜂群算法。仍然有一个问题,无线网络优化布局可能相应地[20.,21),但优化的效果不够明显,它收敛缓慢。在太空中寻找最优解时,可能会有偏差。此外,传统方法的算法将大大影响最优解的收敛速度。因此,现有的方法不能处理能耗之间的矛盾和实时11,16,22),这是多媒体信息传输的一个障碍。为了填补这一空缺,提出了一种改进的算法来解决这个问题。

列出了本文的贡献如下:一种人工蜂群算法基于RBF神经网络(RBFABC)激进的基础是为了解决这个问题,该算法可以解决能耗和real-timeliness之间的矛盾14,17,23]。此外,这种设计不仅提高了传统方式的选择和更新蜂蜜来源基本人工蜂群优化算法,而且使算法收敛到最优解。此外,该算法的收敛速度要高得多。改进算法不仅保证了无线网络的实时性能(14,16,24),但也降低了功耗的无线网络。总之,改进后的算法克服技术障碍领域的多媒体无线网络,并对无线传输技术的发展具有重要意义。

本文的其余部分组织如下:部分2介绍了基本的人工蜂群算法。部分3给出了系统模型。部分4提出了RBFABC算法。部分5执行模拟来验证该算法的有效性。部分6本文总结道。

2。基本的人工蜂群算法

众所周知,蜜蜂有特殊行为模式寻找蜂蜜来源(17,18]。一般来说,寻找蜂蜜来源的过程分为三个部分:寻找蜂蜜来源;更新蜂蜜来源;选择最佳的蜂蜜来源(14,25,26]。所示的算法流算法1。

在该算法中,领袖蜜蜂有记忆功能,可以节省的蜂蜜来源的信息。此外,领导者与取向蜜蜂蜜蜂分享蜂蜜来源信息。根据他们的领袖之舞蜜蜂,蜜蜂取向确定哪个方向去。观察蜜蜂在蜂巢负责寻找花蜜,蜜蜂和领导人寻找蜂蜜来源(27,28]。我们定义一些变量来代表他们16,17,23]。首先,一系列的原始蜂蜜来源是随机初始化。 代表蜂蜜来源(18,19,25]。的位置 - - - - - -th蜂蜜来源是 ,这是可能的解决方案的问题(26,27]。的健康蜂蜜来源评估由以下公式: 在哪里代表的目标函数值 - - - - - -解决方案。在那之后,的位置蜂蜜来源更新以某种方式。这个过程描述如下。

如果蜂蜜来源是更好的,我们将选择更好的,而不是旧的;否则保持旧的。如果所有的领袖蜜蜂完成搜索、蜂蜜来源信息将传送到观察蜜蜂(4,13]。然后观察蜜蜂选择领导人蜜蜂根据健身价值(28,29日),选择概率描述如下: 在哪里代表蜂蜜来源的位置,代表的附近位置 , 代表中的随机数(1,1),代表的选择概率,代表着健康的蜂蜜来源。如果搜索过程结束后,蜂蜜来源信息将传送到领导者的蜜蜂。然后领袖蜜蜂选择方向根据健身的蜂蜜来源。如果这蜂蜜来源不是取代有限循环之后,它将被放弃。最后领导蜜蜂将寻找新的蜂蜜来源。

3所示。系统模型

为了实现算法优化的影响,分析网络结构的参数,建立无线网络的数学模型。如图1。

除此之外,本文结合中央函数改进算法。在无线网状网络,少量所需的无线设备可以覆盖很大范围内(8,11,15]。换句话说,它是非常方便的创建一个无线网络的数学模型(16- - - - - -18]。网络节点的相关信号传输功能函数创建描述如下。

节点的信号覆盖范围相关节点的性能( ),部署的位置( ,信号覆盖范围( ,的频带宽度 ,和抗干扰能力 。上述因素有不同的节点对信号覆盖能力的影响,和是用来反映的程度的影响因素(7]。在理想的条件下,传输功耗之间的关系和传播距离的节点描述如下: 在哪里代表传动功率,是覆盖范围,代表传输频率,代表初始有效距离,代表有效射频系数(7,16,18]。为了平衡实时能耗和之间的关系,建立了数学模型如下: 在哪里代表了信号覆盖能力量化后,代表节点的信号覆盖能力,代表节点信号覆盖的最大能力。

4所示。RBFABC算法

虽然人工蜂群算法是有效的,但仍是一个问题,解决问题的节点优化收敛速度缓慢。同时,轮盘赌在原始算法的选择可能会使算法陷入局部最优。因此,在每次迭代中,将会有一个错误的新生成的解决方案将每个局部最优。因为适应值的限制,影响算法的收敛速度。在RBF梯度法,径向基神经网络算法,用于处理更新因素(10,21,25,26]。因此我们改善更新RBF蜂蜜来源的因素。首先,在规定的范围内,一系列的原始节点位置是随机初始化。 代表蜂蜜的来源。的位置 - - - - - -蜂蜜源描述如下。

这是一个潜在的解决优化过程(9,11]。蜂蜜来源的程度估计的瞬时误差函数(24- - - - - -27),如下: 在哪里代表了加权值的影响因素,代表的是径向基函数的中心,代表方差(27,28]。

当瞬时误差小于指定的错误,当前蜂蜜来源选择作为目标蜂蜜来源。此外,寻找蜂蜜来源的公式描述如下。

在更新过程中(22,23,26), , ,和 将根据网络更新校正方程。如果不更换,这些蜂蜜来源的位置将被保留。然后领导蜜蜂继续寻找新的蜂蜜来源。最后,新的蜂蜜来源将搜索替代位置的改进更新公式。这个过程算法所示2。

RBFABC算法的一般步骤如下:初始化的一系列原始节点位置;寻找一些新的节点在初始化节点的位置;瞬时错误值的计算新节点的位置;选择更好的节点(6,7,27];产生一些新的节点在更好的节点的更新公式;选择更好的节点与瞬时误差值;判断是否有分需要放弃了,如果是这样,这些节点转换为备用节点;寻找新的节点基于公式(27,28,30.];存储的位置最优节点到目前为止;评估节点的位置是否满足停止条件的优化,如果是这样的话,输出最合适的节点,否则回到第二步(29日,30.]。

5。仿真结果

下罗拉无线通信系统,功耗和实时的矛盾解决了,这是无线网络的发展具有重要意义。当使用改进算法优化无线通信网络,实时可以优化的效果最好。此外,节点的数量是最少的。一方面,罗拉无线网络可以在一个特定的区域,实现良好的沟通,另一方面,它可以满足实时的要求和更低的能耗8,20.,23]。

为了显示无线网络节点的效果改进的人工蜂群算法的优化,我们选择不同的场景区域测试两种算法。在相同条件下的外部影响,我们把两种算法的初始参数相同的每个场景。此外,现场面积100∖300∖500∖700∖1000∖1500平方米是测试和功耗不是有限的。在这些不同的区域,节点的分布将有一个非常直观的仿真效果,如表所示1。

从表1改进的算法是非常有效的。此外,该算法可以使用更少的节点覆盖同一区域。最重要的是,改进算法更平均地分配节点在同一个空间。在一个特定的区域,对应的节点分布两种算法如图2。

图2表明,在不同的领域,改进算法使用更少的节点。同时,改进算法的实时效果更好。在一般情况下,改进算法明显减少迭代,更高的更新速度和较高的收敛速度。更重要的是,无线网络实现了用更少的节点完全覆盖网络的改进算法。不仅如此,我们还发现更多深入的分析后改进算法的优点的功耗。在不同的场景,不同数量的节点的功耗图所示3。

图3表明RBFABC算法明显低于ABC算法在能耗方面,显示无线网络的改进算法的优越性。在大多数情况下,随着场景的面积增加,功耗和节点的数量也会增加。然而,我们从图得出结论3随着节点数的增加,功耗控制改进算法到一个较低的水平。总之,RBFABC算法解决电力消耗之间的矛盾,在无线网络的节点数量更好。

相应地,显示改进算法的优越性,大量的做实验是为了测试功耗。为了方便数据的比较,我们仍然把场景面积100 300∖∖500∖700∖1000∖1500平方米来测试。在某些权力的情况下,优化的空间节点分布如图4。

从图可以得出结论4RBFABC算法,在相同的权力,显然是比ABC算法的无线网络的分布。除此之外,更少的节点覆盖范围更广的RBFABC算法。显示改进算法的优越性,我们做更多的测试。在相同功耗下,特定的节点数量如表所示2。

根据表中的数据2,我们可以得出一个结论,RBFABC算法比ABC算法的优化效果。除此之外,迭代数量和最优解之间的关系如图5。

图5表明,该改进算法能找到最优解得更快。因此,改进算法更有优势的无线网络节点的优化。此外,在一个特定的区域,当网络节点的数目是相同的和其他因素是一致的,多媒体数据传输速度由两种优化算法如表所示3。

从表3,改进算法明显优于原算法的传输速度。随着节点数的增加,数据传输速度变得越来越快。为了直观地显示数据,速度的比较趋势如图6。

从图6RBFABC算法的速度比ABC算法而言,多媒体数据传输速度。此外,随着网络节点数量的增加,数据传输速度的差距越来越大。一般来说,RBFABC算法比ABC算法。最重要的是,大大提高了系统的实时性能。除了这些,我们做了很多深入的分析。在相同数量的网络节点,网络延迟的比较如图7。

从图可以得出结论7在同样的网络节点,RBFABC算法明显低于ABC算法的网络延迟。另一方面,我们比较单一的最大数据加载网络中的数据传输系统。两种算法的分析结果如图所示8。

从图8RBFABC算法是明显高于ABC算法的最大单一数据加载的数据交互。一般来说,改进后的算法具有更多的优势。

6。结论

本文解决的矛盾在罗拉无线通信系统基站建立罗拉节点的功耗和real-timeliness之间的网状网络,我们提出了一种新型RBFABC算法实现更好的性能通过嵌入RBF径向基神经网络训练和随机梯度法。广泛进行模拟,结果显示明显的优越性RBFABC算法的效率高,real-timeliness多媒体传播。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持的智能制造项目的工业和信息化部:物联网数据相互承认Research-Low-Power消息分布,中国国家自然科学基金资助下71602124和61773187,格兰特和辽宁省自然科学基金20170540662。

引用

1. h . k . Wang阴、w .关丽珍和g . Min”使计算软件定义车载网络协作优势,”IEEE网络,32卷,不。5,112 - 117年,2018页。视图:出版商的网站|谷歌学术搜索
2. h·沙阿,t . Herawan r . Naseem, r . Ghazali”混合指导人工蜂群算法数值函数优化”群体智慧的进步卷,8794在计算机科学的课堂讲稿,页197 - 206,施普林格国际出版,可汗,2014年。视图:出版商的网站|谷歌学术搜索
3. 问:潘,m . f . Tasgetiren p . n . Suganthan和t . j . Chua”一个离散人工蜂群算法lot-streaming流水车间调度问题,“信息科学,卷181,不。12日,第2468 - 2455页,2011年。视图:出版商的网站|谷歌学术搜索|MathSciNet
4. kuchlin和p .珍妮,“自动网格细化Fokker-Planck-DSMC算法和并行负载平衡,”计算物理学杂志卷,363年,第157 - 140页,2018年。视图:出版商的网站|谷歌学术搜索|MathSciNet
5. x妈,美国徐,f, f·林,“小说实时图像修复算法在边缘计算,”无线通信和移动计算3610482卷,2018篇文章ID, 1-13, 2018页。视图:出版商的网站|谷歌学术搜索
6. p . Wang和b·亨兹”高效的资源分配方法MIMO-based无线网状网络”学报》第14届无线电信研讨会,出世的15美国,39卷,页1 - 7,2015年4月。视图:谷歌学术搜索
7. f·林和陆x peer-assisted流媒体网络QoS保证pre-pushing计划”,中国通信,11卷,不。14日,第117 - 111页,2014年。视图:出版商的网站|谷歌学术搜索
8. j . Wellons y .雪,“健壮的联合信道分配和路由无线网状网络解决方案随着时间的分区,”特设网络13卷,第221 - 210页,2014年。视图:出版商的网站|谷歌学术搜索
9. h . Chaoui m . Khayamy, o . o . Okoye”自适应基于RBF网络直接电压控制室内永磁同步电动机的车辆,“IEEE车辆技术, 2018年。视图:谷歌学术搜索
10. w .壮族和m·伊斯梅尔“无线通信网络、合作”IEEE无线通讯杂志,19卷,不。2、10 - 20,2012页。视图:出版商的网站|谷歌学术搜索
11. 李z, j . Si h .黄,b,和r高,“自适应调制的性能分析与合作频谱感知认知中继网络,”IEEE通信,卷62,不。7,2198 - 2211年,2014页。视图:出版商的网站|谷歌学术搜索
12. m . Benedetto k·约翰逊,m·约翰逊“工业控制的无线网络,”国际期刊的健壮和非线性控制,20卷,不。2、119 - 127年,2018页。视图:谷歌学术搜索
13. c . m .假摔”,放大和转发无线中继系统的一般电感电容电阻测量αμ衰落环境中,”学报2017年25日电信论坛(TELFOR)2017年11月,页1 - 6,贝尔格莱德。视图:出版商的网站|谷歌学术搜索
14. 诉Koneri d·普拉萨德,k . Shivakumar”缓解无线网络接口卡在移动设备,能源消耗”研究科技在未来几十年,卷2014,不。1,第114 - 103页,2014。视图:谷歌学术搜索
15. 大肠Aivaloglou和s . Gritzalis“混合传感器网络的信任和声誉管理,“无线网络,16卷,不。5,1493 - 1510年,2010页。视图:出版商的网站|谷歌学术搜索
16. 俏j .吴x, y, c .袁和j·陈,“一个低延迟调度方法与multihomed高清视频流在异构无线网络客户,”多媒体系统,21卷,不。4、411 - 425年,2015页。视图:出版商的网站|谷歌学术搜索
17. m . Ghaderi d Goeckel、a . Orda和m . Dehghan“最低能量路由和干扰阻碍无线网络窃听者,”IEEE移动计算,14卷,不。7,1433 - 1448年,2015页。视图:出版商的网站|谷歌学术搜索
18. 达斯古普塔,g .毛和b·安德森,“无线网络连接的新措施,”IEEE移动计算,14卷,不。9日,第1779 - 1765页,2015年。视图:出版商的网站|谷歌学术搜索
19. 问:问:x Cheng Wang Wang, d . Wang“高可靠性的继电器算法在种基于网络编码的无线网络,”无线网络,2017年,页1 - 10。视图:谷歌学术搜索
20. Shi y, y . e . Sagduyu a . Fanous和j·h·李,“无线网络推理和优化:算法设计和实现,”IEEE移动计算,16卷,不。1,第267 - 257页,2017。视图:出版商的网站|谷歌学术搜索
21. j .刘和吴x”,基于rbf神经网络监督控制,”计算机知识技术卷。2018年,1-13,2018页。视图:谷歌学术搜索
22. h .秦l .沈c .硅镁层,问:妈,“RBF网络与动态重心平均时间内核系列分类,”人工智能卷,888通信在计算机和信息科学,页139 - 152,激飞新加坡,新加坡,2018年。视图:出版商的网站|谷歌学术搜索
23. p .王”的应用径向基函数(RBF)神经网络的机械故障诊断齿轮箱,”IOP会议系列:材料科学与工程卷,269年,第056 - 012页,2017年。视图:出版商的网站|谷歌学术搜索
24. 陈董和l .”, RBF神经网络的非线性积分滑模算法是用来控制机械手的运动轨迹误差,“中国工程机械》杂志上,卷2018,不。时间为17日,页。月11日至22日,2018年。视图:谷歌学术搜索
25. 马y和c . Na”开关根据成本敏感的RBF神经网络故障诊断系统,”铁路计算机应用,卷2018,不。13日,45-53,2018页。视图:谷歌学术搜索
26. h·杜大肠赵、郭k和h·哲,“大坝安全监测模型服务基于遗传算法和RBF神经网络,”中国三峡大学学报,卷2018,不。18日,15 - 2018页。视图:谷歌学术搜索
27. d . Zaborski w . Grzesiak, m . Szewczuk”应用径向基函数(RBF)网络的日常体重增长预测在巴基斯坦的土著Harnai绵羊,”发布预览源Biotechnologia Problemy Wyzwania Sczecin波兰,14卷,不。18日,第87 - 67页,2018年。视图:谷歌学术搜索
28. d . Karaboga和b . Akay改进人工蜂群(ABC)约束优化问题的算法,”应用软计算,11卷,不。3、3021 - 3031年,2011页。视图:出版商的网站|谷歌学术搜索
29. d . Karaboga b . Gorkemli c Ozturk, n . Karaboga”全面调查:人工蜂群(ABC)算法和应用,“人工智能审查,42卷,21-57,2014页。视图:出版商的网站|谷歌学术搜索
30. j j。Forneron和Ng,”美国广播公司的模拟与辅助统计估计,“计量经济学杂志,卷205,不。1,第139 - 112页,2018。视图:出版商的网站|谷歌学术搜索|MathSciNet

版权

版权©2018燕歌等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。