买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：黑龙江科技大学

摘要：本发明公开了一种基于MF‑GAPSO算法的RSU部署优化方法，所述方法如下：步骤1、构建系统模型；步骤2、基于Memetic框架，设计MF‑GAPSO算法；步骤3、在车联网环境中使用MF‑GAPSO算法，并采用OpenStreetMap与SUMO联合转换地图文件技术，确定地图上RSU的最优位置。本发明对群智能算法进行组合优化，建立更加科学、合理且高效的优化决策模型，有效解决RSU在现实世界地图中部署困难以及传统算法在RSU部署过程中适应度低、容易陷入局部最优解、部署效果不好的难题。本发明所提MF‑GAPSO算法在最终适应度、收敛速度、稳定性、探索与利用平衡方面均优于对比的其他群智能算法。

主权项：1.一种基于MF-GAPSO算法的RSU部署优化方法，其特征在于所述方法包括如下步骤：步骤1、构建系统模型；步骤2、基于Memetic框架，通过改进传统GAPSO算法，设计MF-GAPSO算法，MF-GAPSO算法的具体步骤：步骤2-1、初始化种群、全局最优位置、最优适应度、适应度列表，由可能位置、概率、对应指标、突变和交叉的随机数组成初始解空间；步骤2-2、创建一个变量存储适应度，计算当前种群P中每个个体的适应度；步骤2-3、根据适应度函数评估种群中的个体，随后对种群进行非递增排序，并创建新种群λn；步骤2-4、利用精英策略，根据选择比率Ps从当前群体中选择适应度最高的个体，将其复制到新种群λn中，在这些最优秀的个体中，随机选择两个父代，将其基因传递给下一代；步骤2-5、选择两个父代个体进行单点交叉生成子代个体，其中父母双方的染色体随机选择，确保子代含有父母双方的基因；步骤2-6、如果随机数Rm小于或等于突变概率Pm，对子代个体进行突变操作，增加种群的多样性，并将这些个体添加到新种群λn中；步骤2-7、在新个体生成后，根据局部搜索概率Pl选择是否对该个体进行局部搜索，如果随机数Rl小于或等于Pl，则对每个个体执行局部搜索，尝试找到更优的解，如果Rl大于Pl，则不对当前个体执行局部搜索，而是保持当前个体的解不变；步骤2-8、更新种群P为新种群λn；步骤2-9、检查并更新全局最优位置和最优适应度，如果发现更优秀的个体，记录每一代的最优适应度到最优适应度列表中；步骤2-10、使用产生的解算子来初始化PSO中的粒子位置、个体最优位置和个体最优适应度等，进行与GA算法相同次数的迭代，在每次迭代中，更新每个粒子的速度和位置，如果粒子的新位置适应度更高，则更新全局最优位置和最优适应度，以再次评估生成新种群的适应性；步骤2-11、如果达到最大迭代次数G，则输出最优R个位置的集合和最优适应度作为最终解，否则，重复步骤2-1至步骤2-10；步骤2-12、绘制适应度Fitness随迭代次数Generation变化的图像，以可视化算法的优化过程和结果；步骤3、在车联网环境中使用MF-GAPSO算法，并采用OpenStreetMap与SUMO联合转换地图文件技术，确定地图上RSU的最优位置。

全文数据：

权利要求：

百度查询： 黑龙江科技大学 基于MF-GAPSO算法的RSU部署优化方法