基本粒子群算法在求解问题维数增多时陷入局部解的可能性增大,提出了一种结合模糊C均值(FCM)算法的改进粒子群算法。FCM算法分类停止后,采用轮盘赌法确定每个粒子所属的类,将粒子群算法速度更新公式中的所有粒子所经历的历史最优位置改为类内粒子的当前(本次迭代中的)最优位置,将改进算法用于无人机三维路径规划仿真实验,仿真结果表明:改进算法显著提高了基本粒子群算法的全局寻优能力与算法在最优解附近的寻优精度,成功得到了一条合理有效的路径。 为了均衡无线传感器网络能耗,延长网络寿命,提出一种树型链式非均匀分簇混合多跳路由算法(TUCHM)。混合多跳路由算法-电动折弯机数控滚圆机滚弧机张家港数控滚圆滚弧机折弯机通过引入候选簇头之间的角度控制优化簇头选取,构建树型链式非均匀簇结构以优化成簇策略,利用混合层次网络拓扑结构、并改进蚁群算法的路径选择概率模型和信息素更新模型,实现混合多跳传递数据,以消除LEACH等分簇路由算法在大面积仿真环境下簇内远距离单跳传递和簇头向Sink节点远距离单跳传递的缺点。混合多跳路由算法-电动折弯机数控滚圆机滚弧机张家港数控滚圆滚弧机折弯机仿真实验结果表明:与LEACH和DEEC算法相比,TUCHM算法在节点存活数量、网络的稳定周期和生命周期、节点剩余能量方差等性能方面表现优异。等:树型链式非均匀分簇混合多跳路由算法簇4。δ定义(8)式中Nalive为当前存活节点数，成簇完成后本文由公司网站滚圆机网站采集转载中国知网整理!   http://www.gunyuanji158.com/，确定一个T时隙，以降低数据冗余和传输冲突，簇内节点根据T时隙将数据传输到簇头节点。如图2所示，簇内产生树型链式结构，距离簇头较远的节点通过链中其它节点中转，降低了数据传递路径长度。f簇Sink节点簇头普通节点蚂蚁路径s图2混合层次网络多跳路由2．3路径选择概率模型如图2，TUCHM算法采用平面网络结构与层次网络结构相结合的混合层次网络拓扑结构，普通节点间可以直接进行通信，不需要通过簇头节点转发数据，因此，稳定性更好，鲁棒性更高［16］;结合改进后的蚁群算法，将簇头的数据通过其它簇头或普通节点多跳传递至Sink节点。算法首先修改路径选择概率模型，当蚂蚁k位于节点i时，计算到下一跳节点j的概率Pkij(t)=式中τ为信息素浓度;η，ψ为启发式因子分别为信息素和期望启发式因子的相对重要程度;Jk(t)为蚂蚁还未经过的节点集合。可以看?混合多跳路由算法-电动折弯机数控滚圆机滚弧机张家港数控滚圆滚弧机折弯机本文由公司网站滚圆机网站采集转载中国知网整理!   http://www.gunyuanji158.com/