无线传感器网络的覆盖优化机制研究

如何实现最优覆盖是无线传感器组网的一个基本问题。文章分析了传感器覆盖问题的背景,给出了节点调度方案的主要方法和技术原理,探讨了基于网络能量高效的覆盖优化与网络连通性之间的关系,重点阐述了实现区域覆盖和点覆盖的机制。对于覆盖薄弱地区,文章提出了采用分簇方式将覆盖地区划分成许多子区域或簇,用动态移动修复机制提供细粒度的网络监测与覆盖控制。文章认为调度传感器节点在休眠和活动模式之间进行切换,是一种重要节能方法;对于资源受限且拓扑动态变化的无线传感器网络,宜采用分布式和局部化的覆盖控制协议和算法。

改进群体智能算法的无线传感器网络覆盖优化

为解决无线传感器网络(Wireless Sensor Networks,WSN)节点分布不均和随机部署中的低覆盖率问题,该文提出一种改进群体智能算法的无线传感器网络覆盖优化算法,即改进的黑猩猩优化和哈里斯鹰优化的混合优化算法(Improved Chimp Optimization and Harris Hawk Optimization Algorithm,ICHHO).该算法首先对黑猩猩优化算法(Chimpanzee Optimization Algorithm,ChOA)进行改进,使用Levy Flight来改善其探索阶段,然后设计一个更新的公式来计算猎物逃逸能量,作为开发和探索之间的选择因素.传感器节点随机部署后,将ICHHO在传感器节点上执行,按照改进策略更新个体位置信息,计算相应的适应程度,找到最优传感器位置,并根据传感器概率模型确定网络最优覆盖率.仿真结果验证了ICHHO对于解决WSN覆盖问题的适用性,与其他优化算法的对比结果显示,ICHHO在提高覆盖率方面优于其他算法.

改进流向算法的无线传感器网络覆盖优化

针对标准流向算法易陷入局部最优和收敛精度低等问题,提出一种融合莱维(Levy)飞行和入侵杂草策略的改进流向算法.首先,该算法在选择水流流向时引入Levy飞行机制,使水流沿最优水流位置方向做Levy飞行运动,避免陷入局部最优;其次,利用入侵杂草策略,对每一代水流进行繁殖、空间扩散和竞争操作,增加水流的多样性,扩大搜索范围,提高全局寻优能力.最后,将改进流向算法应用于无线传感器网络覆盖优化中,并与标准流向算法及其他改进算法进行实验对比.仿真结果表明,相比标准流向算法及其他改进算法,所提改进流向算法的覆盖性能有大幅提升,覆盖率可达98.52%,可实现更均匀的节点分布和更低的部署成本.

基于改进麻雀算法的无线传感器网络覆盖优化研究

针对基本麻雀搜索算法在无线传感器网络覆盖问题中收敛速度较慢、容易陷入局部最优等问题,提出了一个基于改进麻雀算法的优化方案。首先,利用Sobol序列和无限次折叠的ICMIC混沌映射对种群进行初始化,增加了种群遍历性和多样性,为算法的全局寻优奠定了基础。其次,引入混沌映射因子的正余弦算法策略,增强了探索者探索未知区域的能力,提高了算法的全局搜索性能。再次,利用混合变异策略加快算法收敛速度,并改善算法跳出局部最优的能力。最后,将提出的改进麻雀算法应用到无线传感器网络覆盖优化问题中进行仿真实验。仿真结果表明,提出的改进算法相比基本麻雀算法将网络节点的覆盖率提高了7%,同时增强了网络的整体性能,并具有实用性、稳定性和鲁棒性。

无线传感器网络覆盖优化的混沌交叉人工蜂群算法

为了提高无线传感器网络覆盖性能,采用人工蜂群算法进行传感节点布置策略寻优,并对蜜源坐标分量进行混沌交叉,以增强人工蜂群算法的寻优能力。首先,根据目标区域选择合适的传感节点数,并建立针对目标区域的初始覆盖模型。接着,采用人工蜂群算法对覆盖模型进行优化求解,选择覆盖率作为适应度函数,将随机分布的所有传感节点坐标作为初始蜜源的位置。然后,进行探测蜂的候选蜜源搜索,获得适应度较高的传感节点坐标,并将候选蜜源坐标分量混沌优化。通过跟随蜂的分量优化,获得适应度最高的蜜源。最后,输出最优蜜源坐标,即为目标区域内所有传感节点的坐标值。试验结果表明,合理设置蜂群规模和迭代次数,相比于其他对比算法,混沌交叉人工蜂群算法能够获得更高的覆盖率。

基于TCPSO的三维无线传感器网络覆盖

针对三维无线传感器网络(3D WSNs)的节点部署问题,提出了一种基于双层混沌粒子群优化(TCPSO)算法的解决方案。利用TCPSO算法对节点进行优化部署,以提高网络的空间覆盖率。TCPSO算法通过非线性分类系数将种群分为精英种群和普通种群,分别采取不同的速度、位置更新公式进行迭代优化。TCPSO提出了基于Logistic混沌映射的递减惯性权重,用来控制算法在局部的开发,并且为了避免算法早熟,引入了Levy飞行策略增强算法的全局搜索能力。通过在1个三维网格空间中进行仿真实验,验证TCPSO以及粒子群优化(PSO)算法解决3D WSNs的节点部署问题的能力。分别在不同数量的节点数、不同的通信半径以及不同的种群规模上进行了3组实验,实验采用控制变量法,观察在不同条件下TCPSO的性能。TCPSO在全部的实验中提出的节点部署方案均明显优于PSO的部署方案。

面向无线异构传感器网络的三维覆盖研究

【目的】为达到增强无线异构传感器网络(HWSN)三维覆盖能力的目的,提出了一种基于改进蜜獾优化算法(IHBA)的无线异构传感器网络三维部署方法。【方法】首先,结合自适应果蝇优化算法,增强算法的随机搜索性,便于算法得到全局最优解,然后引入替换最差个体策略,避免适应度过低的个体占据种群位置,提高算法收敛速度,同时引入新个体提高种群多样性,避免算法个体早熟。【结果】将该算法应用于无线异构传感器网络的覆盖优化,相比标准蜜獾算法,其网络覆盖率提升18.1%。【结论】仿真结果表明,该算法收敛速度更快,可以有效提高无线异构传感器的网络覆盖能力,整个网络的节点分布也更加均匀。

一种能量均衡的水下无线传感器网络覆盖空洞修补方法

针对现有水下无线传感器网络空洞修补方法需要空洞边界探测、通信和计算开销大、覆盖率和能量均衡性差、水下环境模型过于理想化等问题,考虑水底地形复杂,且通常存在较大障碍物等环境因素,建立了基于能量的节点之间、区域边界、零能量空洞、低能量覆盖洞、水底地形及障碍物作用力等多维度的虚拟力模型,提出了基于上述虚拟力模型和能量均衡的空洞修补算法。该算法不需要精确的空洞边界探测,对水下复杂地形和不同环境具有良好的适应性和鲁棒性。此外,提出的对低能量节点、低能量覆盖洞冗余修补的策略,显著提高了修补后网络能量分布的均衡性,减少了因低能量节点的能量很快耗尽而出现新的覆盖空洞的频率,减少了空洞修补频次,降低了网络维护成本。

无线传感器网络覆盖的部署及调度算法

针对无线传感器网络覆盖存在传感盲区、传感节点间连通度较差问题,提出一种基于适应度函数和零容忍覆盖的节点部署及调度算法。将网络覆盖范围看作一个二维平面,分析节点传感的最大覆盖范围和距离值之间的关系,求得存在热点分布和重叠覆盖目标点的属性值。然后根据无线传感目标点覆盖率、连通度和候选位置等部署指标,采用适应度函数计算指标最佳部署关系,并获取节点的冗余参数。在同一传感范围内查找冗余互补节点,实现替换调度。实验结果表明,该算法在网络覆盖范围和调度效果等方面表现出色,具有较强综合性能。

基于WTGWO的无线传感器网络三维部署优化方法

为优化无线传感器网络的部署问题,提出一种新的无线传感器网络三维部署优化方法.在增强灰狼优化算法的基础上,通过在外层位置更新策略中引入自适应权重方法,平衡了增强灰狼优化算法开发与勘探之间的搜索.在马鞍形曲面山坡上进行仿真实验,实验结果表明,在50个节点下,该方法在保证连通的情况下最高覆盖率可达97.58%,平均覆盖率可达96.74%,与其他算法相比提高了1.64%~3.87%,可以有效提升无线传感器网络的覆盖率,增强无线传感器网络的服务质量.

基于遗传算法的无线传感器网络布局多目标优化问题研究

遗传算法是一种启发式搜索算法,可模拟自然选择和遗传机制解决优化问题,适用于处理这些包含多个相互冲突目标的复杂问题。文章以无线传感器网络布局问题为例,构建多目标数学模型表示无线传感器网络布局的多目标优化问题,描述遗传算法在此问题中的优化路径。研究结果表明,优化后的网络布局效果更佳,证明了遗传算法在解决无线传感器网络布局问题中的有效性。

基于微分进化算法的无线传感器网络覆盖优化问题研究

为提高无线传感器网络节点的覆盖率,提出一种基于改进微分进化算法的网络覆盖优化方法。首先,针对无线传感器网络覆盖模型中传感节点跳出覆盖区域及传感节点易于重叠的问题,设计了改进的覆盖模型;其次,为提高微分进化算法应用于WSN覆盖问题上的收敛速度和寻优能力,提出一种改进的选择优化机制;最后,将改进的覆盖模型和改进的微分进化算法应用于WSN的覆盖优化中,发现采用改进覆盖模型以及改进微分进化算法后,无线传感器的网络覆盖率大大提高。

基于粒子群算法的无线传感器网络优化研究

无线传感器网络(WSN)在多个领域得到了广泛应用,但其能效、数据传输效率和网络生命周期始终是研究的重点。针对这些挑战,文中提出了一种基于粒子群优化算法(PSO)的无线传感器网络。通过构建一个包含能效优化、数据传输效率和网络生命周期管理的网络框架,全面提升了网络的性能。能效优化模块通过动态功率管理和负载均衡,显著降低了能耗;数据传输效率模块通过数据压缩和优先级调度,保证了数据的快速可靠传输;网络生命周期管理模块则通过节点睡眠调度和网络拓扑动态调整,延长了网络的运行周期。粒子群算法在这一过程中起到了关键作用,其通过智能搜索策略,优化了各模块的参数设置和操作策略。实验结果表明,该方法在节能、提高数据传输效率和延长网络生命周期方面具备显著成效,有效缓解了无线传感器网络在实际应用中面临的问题。

智能配电网无线传感器网络路由算法优化研究

目前,配电网接入智能设备较多,易造成连接性较差、网际互连协议(Internet Protocol,IP)使用空间不足等问题。基于此,文章使用改进和声搜索算法优化智能配电网无线传感器网络(Wireless Sensor Networks,WSN)路由算法,降低数据回传概率,维持算法的运行效率。通过仿真实验,证明该算法能够有效降低数据传输的时延,提高数据运输的专业性和可靠性,依靠均衡各节点的能耗,延长WSN使用寿命。

无人机辅助传感器网络中吞吐量与节点能量优化方法

无人机凭借其高机动性可以对传感节点进行无线数据采集和无线供能,然而无线数据采集与无线供能是相互耦合的,如何对两者的资源分配和无人机飞行轨迹进行优化是无人机辅助无线供能传感器网络性能的关键。为此,提出了一种联合优化方案,通过交替优化节点接入、无人机三维飞行轨迹和能量数据传输时间分配,最大化最小节点效用。针对无线供能传感器网络模型中最大化最小节点效用问题提出了一个联合优化方案。由于该问题为非凸问题,提出了一个最大化最小节点效用算法(Maximized the Minimum Node Utility Algorithm,MMNUA),采用块坐标下降法将原始问题转化成4个子问题,并利用连续凸近似技术在每次迭代时依次优化4个子问题,使最大化最小节点效用逐渐收敛。与基础无人机方案相比,MMNUA使系统性能分别提升了14.1%、567.5%和177.0%,有效提高了无人机的工作效率,同时所提算法具有良好的收敛性和较小的复杂度。

基于萤火虫群优化算法的无线传感器网络覆盖优化

无线传感器网络加速了无线通信的发展,无线网络覆盖率的高低可直接影响网络的性能。为改善传感器节点随机分布时的不合理部署问题以提高网络覆盖率,提出一种相对较优的无线传感器网络覆盖算法。针对粒子群优化(particle swarm optimization,PSO)算法局部搜索能力存在不足、容易陷入局部极值点、无法得到最优结果的问题,引入局部搜索能力较强的萤火虫群优化(glowworm swarm optimization,GSO)算法,实现网络有效覆盖率的提高,对节点实现快速覆盖。最后通过实验验证,结果表明,提出的改进GSO(improved GSO,IGSO)算法相较于传统鲸鱼优化算法(whale optimization algorithm,WOA)、PSO算法在网络覆盖率上有较大提升。

无线传感器网络中基于μ律爆炸算子的烟花虚拟力混合覆盖策略

针对烟花算法在无线传感器网络节点部署过程中易陷入局部最优导致节点分布不均匀、后期收敛速度慢等问题,本文提出一种基于μ律爆炸算子的烟花虚拟力混合算法(μFW–VFA).首先,采用μ律特性曲线重新定义爆炸算子,增强烟花间的差异性,通过动态调整μ值使烟花爆炸的数目和幅度随迭代次数动态调整,以平衡烟花局部和全局的寻优能力.其次,引入虚拟力调节停滞烟花内传感器节点的位置信息,加速烟花种群进化,增强算法跳出局部最优的能力,提高算法收敛速度.仿真实验表明,经μFW–VFA部署后,网络的重叠区域和监测盲区显著减少,有效提升了网络覆盖率并压缩节点移动距离.

基于蜂窝结构的海上风电场无线Mesh网络覆盖优化算法

以往的海上风电场无线Mesh网络覆盖优化算法由于仅计算了单一的优化目标,导致算法的优化效果不佳。因此,设计了基于蜂窝结构的海上风电场无线Mesh网络覆盖优化算法。考虑到蜂窝结构的特性,得到基于蜂窝结构的海上风电场覆盖情况,根据覆盖区域中静态节点的分布情况,制定相应网络节点移动策略,在上述基础上,构建相应的风电场网络覆盖模型,并通过计算节点覆盖率和节点移动距离,得到相应的优化目标函数,通过计算移动节点的适应度,实现对风电场的网络覆盖优化。通过上述的设计,完成对海上风电场无线Mesh网络覆盖优化算法的设计。在实验测试中,和以往的海上风电场无线Mesh网络覆盖优化算法相比,设计的基于蜂窝结构的海上风电场无线Mesh网络覆盖优化算法在实际应用后,网络覆盖率提升到98.12%,优化效果较好。

基于多策略改进蝴蝶优化算法的无线传感网络节点覆盖优化

针对无线传感网络(WSN)的节点覆盖存在着覆盖率低、节点分布不均匀的问题,提出一种基于多策略改进的蝴蝶优化算法(MIBOA)的节点覆盖优化策略。首先,将基础的蝴蝶优化算法(BOA)与麻雀搜索算法(SSA)结合改进搜索过程;其次,引入自适应权重系数提高寻优精度和收敛速度;最后,对当前最优个体进行柯西变异扰动,提高算法鲁棒性。基准测试函数的寻优实验结果说明,MIBOA基本可在3 s内求解测试函数最优值,且收敛平均值精度较BOA提高了97.96%。将MIBOA应用于WSN节点覆盖优化问题,与BOA和SSA相比,节点覆盖率至少提高了3.63个百分点;与改进灰狼优化算法(IGWO)相比,部署时间缩短了145.82 s;与改进鲸群优化算法(IWOA)相比,节点覆盖率提高了0.20个百分点且时间缩短了1112.61 s。综上,MIBOA可较好提高节点覆盖率并降低冗余覆盖率,有效延长WSN的生存时间。

改进人工蜂鸟算法的无线传感器网络部署优化

人工蜂鸟算法在求解高维度复杂优化问题时,易陷入局部极小值,导致算法收敛停滞。提出一种改进的人工蜂鸟算法(improved artificial hummingbird algorithm,IAHA),并用其优化无线传感器网络部署。首先对蜂鸟个体和最优蜂鸟之间距离进行正切函数变换,以最优蜂鸟位置为基准,以变换的距离为飞行尺度,提出一种新的觅食策略。其次,在迁徙觅食阶段,使用柯西分布对最优蜂鸟信息进行扰动,将扰动结果赋予最差蜂鸟,取代基本人工蜂鸟算法的随机赋值方法。在12个基准函数上的数值实验表明,IAHA的寻优性能优于6种对比算法。在4种监测区域上进行了无线传感器网络部署优化仿真实验,结果表明,IAHA获得的平均覆盖率高于对比算法,且传感器分布均匀,适合求解无线传感器网络部署优化问题。