基于FW-PSO算法优化无线传感网络拓扑结构的方法

无线传感网络(WSN)具有无标度网络的特征,通常工作在无人值守的开放性环境中,极易遭受到各种蓄意攻击。攻击使得网络发生故障,甚至会导致整个网络瘫痪。该文基于复杂网络领域的无标度网络,构建具有无标度特性的无线传感网络模型。利用烟花算法及粒子群算法(PSO)寻优过程中的搜索能力、种群多样性等优点,提出了一种FW-PSO算法,该算法在全局搜索能力和收敛速度上具有较好的性能。针对具有无标度特性的网络模型,用FW-PSO算法对网络拓扑进行优化,在不同的攻击策略下分别从动态抗毁性和静态抗毁性分析优化前后网络的性能。仿真实验表明,与其他同类算法相比,经过该文所提算法优化后的无线传感网络的动态和静态抗毁性能都有明显提升。

无线传感网络拓扑结构的FW-PSO算法优化分析

本文根据无线传感网络的复杂性、无标度性特征,实现对无线传感网络模型的构建和应用,在此基础上,提出一种新型、先进的FW-PSO算法,对网络拓扑结构进行优化和完善,然后,借助不同攻击方案,不断优化和改进无线传感网络性能。仿真实验结果表明:通过利用FW-PSO算法,可以实现对无线传感网络运行性能的全面提高。

基于FW-PSO的大区域无线传感网络流量异常检测算法

针对大区域无线传感网络流量特征维度较高,现有神经网络算法只能假设所有区域特征一致,导致一旦网络规模过大,会存在较大误差的问题,采用烟花算法优化粒子群算法的搜索能力,设计了一种烟花算法-粒子群优化(Fireworks Algorithm-Particle Swarm Optimization,FW-PSO)算法,提升了全局搜索能力及收敛速度,并将之应用于大区域无线传感网络流量异常检测。首先采用时间滑动窗口处理大区域无线传感网络数据流信息,通过正态Grubbs法则剔除数据中粗大误差值。然后引入主成分分析法对传感数据特征降维,分段提取有价值的特征。设计FW-PSO算法,提升粒子群算法的搜索能力,实现流量异常检测。实验结果表明,所提方法的无线传感网络流量异常检测率准确率平均为94.8%,训练及检测耗时平均值分别为3.75 s及0.25 s。