PSO算法是提高WSN覆盖的一种全局优化算法。针对布尔感知模型与实际情况有所差别,且存在粒子搜索速度变慢的问题。提出了一种寻优能力增强型越界免疫粒子群算法(optimized ability enhancement and out of bounds immune PSO,OAEBI-PSO)...PSO算法是提高WSN覆盖的一种全局优化算法。针对布尔感知模型与实际情况有所差别,且存在粒子搜索速度变慢的问题。提出了一种寻优能力增强型越界免疫粒子群算法(optimized ability enhancement and out of bounds immune PSO,OAEBI-PSO),采用概率感知模型,在粒子越界和粒子更新两方面做出了改进,得到了更高的覆盖率,并且避免陷入局部最优。仿真表明,该算法能够平均提高11%的覆盖率,并且通过50次的蒙特卡罗实验,表明该算法具有较强的稳定性。展开更多
基于无线传感器感知模型,提出了一种粒子间距调整改进粒子群优化算法(Improved particle swarm optimization based on adjusting particle spacing,APS-PSO),利用APS-PSO算法优化WSN在目标区域内的部署,有效提高了WSN的覆盖率。首先,...基于无线传感器感知模型,提出了一种粒子间距调整改进粒子群优化算法(Improved particle swarm optimization based on adjusting particle spacing,APS-PSO),利用APS-PSO算法优化WSN在目标区域内的部署,有效提高了WSN的覆盖率。首先,针对粒子越界和粒子间发生重叠等多样性消失的问题,在迭代过程中引入粒子间距调整(APS)来增强粒子多样性,其次,通过为种群中粒子细化寻优方向,能够尽可能的重启早熟粒子。通过目标区域离散化以及传感器节点的特性定义目标函数,将其代入到APS-PSO中,从而找到较好的覆盖方案。通过Matlab仿真结果表明:该算法提高了传感器节点分布的均匀度,网络的覆盖率也得到了提高,而且也具有相对较好的稳定性。展开更多
文摘PSO算法是提高WSN覆盖的一种全局优化算法。针对布尔感知模型与实际情况有所差别,且存在粒子搜索速度变慢的问题。提出了一种寻优能力增强型越界免疫粒子群算法(optimized ability enhancement and out of bounds immune PSO,OAEBI-PSO),采用概率感知模型,在粒子越界和粒子更新两方面做出了改进,得到了更高的覆盖率,并且避免陷入局部最优。仿真表明,该算法能够平均提高11%的覆盖率,并且通过50次的蒙特卡罗实验,表明该算法具有较强的稳定性。
文摘基于无线传感器感知模型,提出了一种粒子间距调整改进粒子群优化算法(Improved particle swarm optimization based on adjusting particle spacing,APS-PSO),利用APS-PSO算法优化WSN在目标区域内的部署,有效提高了WSN的覆盖率。首先,针对粒子越界和粒子间发生重叠等多样性消失的问题,在迭代过程中引入粒子间距调整(APS)来增强粒子多样性,其次,通过为种群中粒子细化寻优方向,能够尽可能的重启早熟粒子。通过目标区域离散化以及传感器节点的特性定义目标函数,将其代入到APS-PSO中,从而找到较好的覆盖方案。通过Matlab仿真结果表明:该算法提高了传感器节点分布的均匀度,网络的覆盖率也得到了提高,而且也具有相对较好的稳定性。
基金Supported by Natural Science Foundation of Xinjiang University Supported by the NNSF of Chlna(10861010) Supported by Research Starting Foundation for Doctors of Xinjiang University(BS090102)