-
公开(公告)号：CN109348518B
公开(公告)日：2020-07-03
申请号：CN201811338131.5
申请日：2018-11-12
Abstract: 水声协作通信网络中运用人工鱼群算法寻找路由的方法，涉及水下通信。将备选路由节点编号并计算任意两节点之间的距离；将人工鱼个体表示为X＝(X1,X2,…,Xn)，其中，Xα为寻优变量，α＝1,...,n，人工鱼所在位置的食料浓度为Y＝f(X)；任选一条未经判定的人工鱼，根据节点间的距离计算出该人工鱼状态信息下的系统总能耗；若可进行追尾行为，则跳出行为判断；若无法进行追尾行为，则尝试依次进行聚群、觅食两种行为；所有人工鱼完成一次行为判决后，得到的最低能耗值即为本次迭代的最佳能耗值，输出本次迭代的最佳能耗值；重复迭代步骤至设定的最大迭代次数，输出最佳能耗值对应的人工鱼状态，即为选定的路由结果。
-
公开(公告)号：CN111049743A
公开(公告)日：2020-04-21
申请号：CN201911278336.3
申请日：2019-12-13
IPC: H04L12/721 , H04L12/709 , H04B11/00 , H04B13/02 , G06N3/00
Abstract: 一种联合优化的水声多跳协作通信网络路由选择方法，涉及水声网络。利用人工鱼群算法随机性和蚁群算法的正反馈机制寻找全局最优解的优越性，以人工鱼群算法为主体，确定路由顺序节点中的部分节点，融入蚁群算法选出的另一部分节点，构成新的路由顺序表，基于水声通信能量消耗模型，结合协作通信技术，将节点的能量消耗作为代价函数寻找全局最优路径，使信息传输的系统能量消耗降到最低。该最优路径可降低系统整体能量消耗，延长水声多跳通信网络的生命周期，提高了水声多跳协作通信效率。克服了单独使用人工鱼群算法求解全局解精度较低、单独使用蚁群算法容易陷入局部最优的缺陷。
-
公开(公告)号：CN112867089A
公开(公告)日：2021-05-28
申请号：CN202011623741.7
申请日：2020-12-31
IPC: H04W40/10 , H04W40/22 , H04W84/18 , H04B13/02 , G06F30/18 , G06F30/27 , G06F111/02 , G06F111/04
Abstract: 基于信息重要度和Q学习算法的水声网络路由选择方法，涉及水声网络。将信息重要度引入多跳水声传感网络，将信息重要度等级作为第一优先条件、将中继节点剩余能量作为第二优先条件，用Q学习算法选择最佳路由：对信息重要度等级高的信息，选到较短的路由，确保重要信息快速、准确传输到水面基站；对信息重要度等级较低的信息，选择剩余能量充足的中继节点，避免某些中继节点重复多次利用，导致节点死亡过快、出现能量空洞。选择用于Q学习算法的节点数仅为全网存活节点总数1/7，避免对全网存活节点探索，缩短Q学习迭代算法的候选节点集范围，找到最佳路由所需的探索次数减少，节约算法运行时间、节约水下节点功耗，延长水声网络生命周期。
-
公开(公告)号：CN112469103A
公开(公告)日：2021-03-09
申请号：CN202011348226.2
申请日：2020-11-26
Abstract: 基于强化学习Sarsa算法的水声协作通信路由方法，涉及水声网络。兼顾减少水声数据传输能耗与路由选择算法本身复杂度两方面，根据水声通信能耗模型，利用强化学习Sarsa算法为水声多跳协作通信网络提供路由选择；在同时存在中继节点和协作节点的复杂情况下，在海洋环境动态变化条件下，可快速进行水声多跳协作通信网络路由选择。将强化学习算法与协作通信相结合，可以有效降低运算复杂度，增强路由选择稳定性，提高传输效率，从而得到一条使系统传输总能耗最低的协作路由线路，有效降低水声数据传输系统的能量消耗，延长水声通信网络生命周期。
-
公开(公告)号：CN113691391B
公开(公告)日：2022-05-17
申请号：CN202110791390.9
申请日：2021-07-13
Abstract: 基于Q学习的节点数量可变水声网络介质访问控制方法，涉及水声网络。将汇聚节点搜集水声传感器节点所感知数据的传输过程分为若干个时隙，运用Q学习算法，结合汇聚节点的反馈信号、传感器节点数量变化情况，通过合理设置奖励机制，针对Q矩阵的一整行(即子矩阵)进行整体的奖励子矩阵设计，而非逐个元素更新Q矩阵，将时隙合理分配给各传感器节点，使数据在传输过程中不会受到其它传感器节点的影响，避免汇聚节点数据搜集冲突。本发明所提方法具有学习速度快、吞吐量高、能耗节约、抗干扰能力强的特点，可解决节点死亡或者位置漂移导致的节点减少时的时隙冗余问题或节点增加时的时隙不足问题，确保水声数据传输的成功率和水声网络高吞吐量。
-
Patent Agency Ranking
公开(公告)号：CN114423083A
公开(公告)日：2022-04-29
申请号：CN202210084063.4
申请日：2022-01-21
Abstract: 基于Q学习和数据重要度的水声网络介质访问控制方法。父节点搜集子节点数据的传输过程分为若干个时隙，每个子节点的数据重要度等级分为三个等级，通过合理设置奖励机制，对Q值表的子矩阵依次更新；在子矩阵的更新中，先更新Q值子矩阵，节点拟选择子矩阵中Q值最大的位置作为传输时隙，再更新下一个子矩阵；对后续的子矩阵更新，若选择前述已选择时隙所对应的Q值那一列，则奖励值为0，而从拟选择子矩阵中Q值最大所在列作为传输时隙；当所有节点都选择好时隙后，在下一轮的Q值表更新中，子矩阵的更新顺序与上一次更新顺序相反。当各节点拟选择的时隙三次都与上次拟选择的时隙相同时，则表示Q值已训练到稳定，最后拟选择的时隙为最终时隙。
-
公开(公告)号：CN111049743B
公开(公告)日：2021-03-23
申请号：CN201911278336.3
申请日：2019-12-13
IPC: H04L12/721 , H04L12/709 , H04B11/00 , H04B13/02 , G06N3/00
Abstract: 一种联合优化的水声多跳协作通信网络路由选择方法，涉及水声网络。利用人工鱼群算法随机性和蚁群算法的正反馈机制寻找全局最优解的优越性，以人工鱼群算法为主体，确定路由顺序节点中的部分节点，融入蚁群算法选出的另一部分节点，构成新的路由顺序表，基于水声通信能量消耗模型，结合协作通信技术，将节点的能量消耗作为代价函数寻找全局最优路径，使信息传输的系统能量消耗降到最低。该最优路径可降低系统整体能量消耗，延长水声多跳通信网络的生命周期，提高了水声多跳协作通信效率。克服了单独使用人工鱼群算法求解全局解精度较低、单独使用蚁群算法容易陷入局部最优的缺陷。
-
公开(公告)号：CN113691391A
公开(公告)日：2021-11-23
申请号：CN202110791390.9
申请日：2021-07-13
Abstract: 基于Q学习的节点数量可变水声网络介质访问控制方法，涉及水声网络。将汇聚节点搜集水声传感器节点所感知数据的传输过程分为若干个时隙，运用Q学习算法，结合汇聚节点的反馈信号、传感器节点数量变化情况，通过合理设置奖励机制，针对Q矩阵的一整行(即子矩阵)进行整体的奖励子矩阵设计，而非逐个元素更新Q矩阵，将时隙合理分配给各传感器节点，使数据在传输过程中不会受到其它传感器节点的影响，避免汇聚节点数据搜集冲突。本发明所提方法具有学习速度快、吞吐量高、能耗节约、抗干扰能力强的特点，可解决节点死亡或者位置漂移导致的节点减少时的时隙冗余问题或节点增加时的时隙不足问题，确保水声数据传输的成功率和水声网络高吞吐量。
-
公开(公告)号：CN109348518A
公开(公告)日：2019-02-15
申请号：CN201811338131.5
申请日：2018-11-12
Abstract: 水声协作通信网络中运用人工鱼群算法寻找路由的方法，涉及水下通信。将备选路由节点编号并计算任意两节点之间的距离；将人工鱼个体表示为X＝(X1,X2,…,Xn)，其中，Xα为寻优变量，α＝1,...,n，人工鱼所在位置的食料浓度为Y＝f(X)；任选一条未经判定的人工鱼，根据节点间的距离计算出该人工鱼状态信息下的系统总能耗；若可进行追尾行为，则跳出行为判断；若无法进行追尾行为，则尝试依次进行聚群、觅食两种行为；所有人工鱼完成一次行为判决后，得到的最低能耗值即为本次迭代的最佳能耗值，输出本次迭代的最佳能耗值；重复迭代步骤至设定的最大迭代次数，输出最佳能耗值对应的人工鱼状态，即为选定的路由结果。
-
公开(公告)号：CN119012360A
公开(公告)日：2024-11-22
申请号：CN202411278982.0
申请日：2024-09-12
IPC: H04W72/0446 , H04W16/28
Abstract: 基于Q学习的水下无人集群编队时分‑空分多址接入协议，涉及水下无人集群编队。在水下无人集群编队中，各节点配备定向收发基阵和多路收发机。在初始化阶段，采用时分多址协议，主节点通过全向模式广播调度时隙信息，从节点在指定时隙广播反馈信息，完成网络接入。航行阶段，从节点向主节点传输数据，采用空分多址协议，主节点通过定向模式，根据从节点位置信息调整波束方向，实现多点同时通信。引入Q学习技术，动态调整波束角度，确保空分多址接入适应海洋环境动态变化，有效提高通信效率。为水下无人集群提供一种高网络吞吐量、高鲁棒性的多址接入方案。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.021 seconds)
