Satellite Constellation Design with Multi-Objective Genetic Algorithm for Regional Terrestrial Satellite Network

Constellations design for regional terrestrial-satellite network can strengthen the coverage for incomplete terrestrial cellular network. In this paper, a regional satellite constellation design scheme with multiple feature points and multiple optimization indicators is proposed by comprehensively considering multi-objective optimization and genetic algorithm, and "the Belt and Road" model is presented in the way of dividing over 70 nations into three regular target areas. Following this, we formulate the optimization model and devise a multi-objective genetic algorithm suited for the regional area with the coverage rate under simulating, computing and determining. Meanwhile, the total number of satellites in the constellation is reduced by calculating the ratio of actual coverage of a single-orbit constellation and the area of targets. Moreover, the constellations' performances of the proposed scheme are investigated with the connection of C++ and Satellite Tool Kit(STK). Simulation results show that the designed satellite constellations can achieve a good coverage of the target areas.

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。

基于扇形链路策略的改进蚁群分簇路由协议

针对网络覆盖区域较大、节点数量较多的无线传感器网络,容易出现部分节点过早死亡等情况,提出一种基于扇形链路策略的改进蚁群分簇路由协议RACO-SL。通过加入奖惩因子,同时对精英个体采用蚁群优化算法的概率生成新的后代个体,对于普通个体,通过与随机选择的精英个体进行交叉变异操作,改进蚁群优化算法,以整个网络每次通信的能耗为优化目标选取较优的簇头节点集。为待转发簇头节点设计从可动态调节的扇形区域中选择下一跳中继节点的链路转发策略。实验结果表明,与现有协议相比,该协议在延长网络寿命、提高通信链路质量、增强网络覆盖度方面表现良好。

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。

基于多策略混合改进HHO算法的WSN节点覆盖优化

针对监测区域内无线传感器网络节点部署容易出现分布不均匀、有效覆盖率低等问题,提出一种多策略混合改进哈里斯鹰算法的WSN节点覆盖优化策略。利用Fuch无限折叠混沌初始化、自适应精英个体对立学习、正余弦优化和高斯与拉普拉斯最优解变异策略对标准哈里斯鹰优化算法的性能进行改进。利用改进算法求解WSN节点覆盖优化问题,以监测区域网络覆盖率最大为目标,对节点部署位置寻优。实验结果表明,改进策略能够得到更高的网络覆盖率,减少传感节点冗余,延长网络生存时间。

WSN混合虚拟力算法的网络覆盖优化策略

针对无线传感器网络中节点随机部署覆盖率低、节点冗余度高的问题,提出一种改进的混合虚拟力算法。将虚拟力算法中的步长迭代函数优化为指数递减函数,引入果蝇算法的觅食寻优方式,并采用莱维飞行导向策略改进果蝇个体更新的计算方式,从而使果蝇个体以不同迭代步长及方向随机的方式进行搜索,优化算法寻优能力,避免算法后期陷入局部极值。仿真测试结果表明,提出的改进算法拥有更好的网络覆盖率,收敛速度快,并且能够有效降低节点冗余度。

最佳节点找寻下传感节点优化部署覆盖仿真

在传感节点部署过程中,节点的密度影响节点覆盖,密度过低会导致覆盖不足,无法捕捉到关键信息;密度过高则会浪费资源和增加成本。因此,提出最佳节点找寻下传感节点部署覆盖优化方法。建立传感节点概率感知衰减模型,获取传感网络中传感节点的应用环境。通过全局传感网络冗余节点休眠算法,对冗余节点执行休眠操作,以此减少网络能耗;计算传感网络覆盖率,并将传感网络最大覆盖率和最小传感节点利用率作为传感节点部署覆盖优化目标函数;引入鱼群算法和粒子群算法求解,同步对最佳传感节点位置迭代寻优,以此实现最佳节点找寻下传感节点部署覆盖优化。实验结果表明,所提方法的网络覆盖率高,能够有效降低节点能耗,且运行时间短,增强了网络寿命。

基于动态自适应蜣螂算法的WSN覆盖优化

针对无线传感器网络随机部署导致覆盖率低的问题,文中提出一种动态自适应蜣螂算法(ASSDBO)的WSN覆盖优化方法。首先,采用改进Tent混沌映射初始化种群,增强种群多样性;其次,采用自适应螺旋搜索策略改进蜣螂滚球行为,增强算法的全局搜索能力和收敛速度,并且在蜣螂繁殖和觅食行为中引入动态正弦边界收敛因子,平衡算法的全局搜索和局部搜索;最后,在窃贼蜣螂中引入白鲸算法引导的蜣螂动态偷窃策略,增强迭代前期种群多样性和全局搜索能力,在后期专注于局部搜索同时具备跳出局部最优的能力。通过四个基准测试函数测试表明,ASSDBO算法具有较快的收敛速度和较高的求解精度,将ASSDBO应用到WSN覆盖优化问题上,仿真结果表明,ASSDBO算法相比于改进麻雀算法(ISSA-ICR)、改进灰狼算法(IGWO)、改进粒子群算法(IPSO),覆盖率分别提升了4.7%、6.4%、7.5%。

基于改进蛇优化算法的WSN覆盖研究

为了有效提高无线传感器网络(WSN)部署时的覆盖效果,增加节点间的连通性,提出一种基于改进蛇优化算法的节点多目标部署优化策略。在种群初始化阶段,针对蛇优化算法的随机种群初始化分布不均匀的问题,引入Halton序列初始化策略对种群个体进行初始化,并使种群各个节点具有一定区间范围内的随机性特征,既保证了初始化种群个体内均匀分布,又使得个体间具有多样性;在开发阶段,提出了一种新的觅食策略取代原本觅食阶段的方法,能够促使个体快速跳出局部最优;在开发阶段的交配模式中,提出了一种异性吸引策略取代交配策略,使算法具备更强的全局探索与开发能力。然后,将所提算法与基本的蛇优化算法、单阶段改进的蛇优化算法以及其他改进优化算法进行对比。仿真结果表明,不同阶段的改进策略对改进算法产生了不同程度的影响。此外,改进后的算法在无线传感器网络覆盖优化性能方面也优于其他改进的优化部署算法。

基于邻居信息的无线传感网络节点覆盖优化方法

无线传感网络的冗余节点会导致网络节点覆盖不均匀,为了提升无线传感网络节点覆盖效果,提出基于邻居信息的无线传感网络节点覆盖优化方法。利用邻居信息获取网络节点与邻居节点的距离、能量及覆盖率,根据获取结果判断无线传感网络中是否存有冗余节点,若存有冗余,则需要对节点实施休眠处理,以此降低节点能耗。基于处理结果建立无线传感网络覆盖模型,令网络节点在网络中均匀分布,并采用粒子群算法优化模型,使粒子能够不断迭代更新自身位置及速度,达到网络节点覆盖率最大化的目的,实现网络节点覆盖优化。实验结果表明,所提方法的无线传感网络节点覆盖率和收敛性分别高达97%和98.4%,能够有效实现网络节点部署,确保无线传感网络节点覆盖效果。

融合莱维飞行与混合变异的蝠鲼觅食优化传感器节点覆盖策略

为了解决无线传感器网络节点分布不均,导致有效网络覆盖率较低的问题,提出一种融合莱维飞行与混合变异的蝠鲼觅食优化传感器节点覆盖策略M⁃MRFO。首先,在蝠鲼种群初始化生成方面引入广义对立学习机制,提高种群在搜索空间内的多样性和算法遍历性;其次,结合莱维(Levy)飞行机制对算法的权重因子和翻滚因子进行调整,通过Levy飞行的随机跳跃式搜索提高种群的全局寻优能力;最后,提出针对精英个体的高斯分布和柯西分布混合变异方法,使算法具备跳离局部最优的能力。将改进算法应用于传感器节点的网络覆盖优化中,利用蝠鲼种群启发式觅食行为模式对节点部署位置迭代寻优。实验结果表明,与标准蝠鲼觅食优化算法MRFO、改进差分进化算法IDEA和混合改进蚁狮算法MS⁃ALO相比,改进算法M⁃MRFO能够有效降低节点冗余,更均匀地实现节点部署,提高网络覆盖率。

WSN中边界覆盖的最佳部署及其选择

为了实现无线传感器网络中监测区域的边界覆盖,提出了一种传感器节点边界覆盖最佳部署和选择策略.对于2D区域部署问题,将传感器节点的覆盖区域建模为圆盘并确定出传感器节点的最小数量及其在给定矩形区域的边界覆盖位置;对于3D区域部署问题,将传感器节点的覆盖区域建模为一个封闭的球并确定出传感器节点的最小数量及其覆盖的立方体表面上的全部点的覆盖位置,从而找到边界覆盖所需的传感器节点数量及其位置.为了获得更好的网络边界覆盖寿命,选择得到的传感器节点的一个子集以保持活跃.仿真实验结果表明,提出的边界覆盖最佳部署及其选择策略在所需传感器节点数目和网络边界覆盖寿命方面都优于随机部署和其他边界覆盖算法.

立方混沌非线性哈里斯鹰优化算法在无线传感器节点部署分析研究

为提高无线传感器网络(WSN)节点部署的覆盖率,文中提出一种立方混沌非线性哈里斯鹰优化算法(CCHHO)的无线传感器节点部署优化方法。在初始化时期,引入立方混沌映射初始化种群,使种群在解空间分布更加均匀,提高种群多样性;其次,为更好地平衡探索和开发,将逃跑能量因子由线性变成非线性;最后,在开发阶段引入纵横交叉策略增强局部探索能力,增强个体之间的信息交流,避免算法陷入局部最优,提高算法的求解精度。6个基准测试函数的测试结果表明,CCHHO算法具有较快的收敛速度和较高的求解精度。将CCHHO算法应用在WSN节点部署优化,实验结果表明,相较于改进正余弦算法(ESCA)、自适应混沌量子粒子群算法(DACQPSO)、外推人工蜂群算法(EABC),CCHHO算法覆盖率分别提升0.31%,4.16%,8.02%。

一种基于WSN部署优化和CPCRLB的目标跟踪算法

针对传统的静态无线传感器网络(Wireless Sensor Network, WSN)中存在的覆盖率低、节点能量有限等问题,本文首先提出了一种基于麻雀搜索算法(Sparrow Search Algorithm, SSA)的节点优化部署方案,提高了整个WSN的覆盖率,并降低了网络通信能耗;其次,在节点优化部署的基础上,提出了一种基于条件后验克拉美-罗下界(Conditional Posterior Cramer-Rao Lower Bounds, CPCRLB)与能耗优化的目标跟踪算法,并设计了一种能同时兼顾跟踪精度与能耗的目标函数。仿真结果表明,本文所提算法能够有效提高网络覆盖率,并能在保证跟踪精度的条件下,最大限度地降低网络能耗。

无线传感器网络节点覆盖优化策略研究

无线传感器网络是一种多学科交叉、高度集成的技术,具有成本低、操作便捷、具有一定的感知通信能力等优势,已广泛应用在各个领域的环境监测中。然而在农林、野外等三维环境中,无线传感器的空间覆盖问题一直是研究的热点、难点,理想的二维平面环境中,无线传感器网络的性能、覆盖范围与三维环境截然不同。基于此,提出一种符合三维场景覆盖感知的无线传感器网络模型及算法。

基于移动节点的无线传感器网络覆盖优化

为了提高无线传感器网络监测区域的覆盖率,研究了节点随机部署的无线传感器网络的覆盖优化问题.在含有移动节点的混合无线传感器网络中,采用更符合实际情况的基于误警率的概率探测感知模型,以区域覆盖率评价覆盖效果.通过计算节点的联合探测概率寻找覆盖空洞,提出了基于最佳概率的移动节点优化策略.仿真结果表明:所提方法能够有效探测覆盖空洞,并利用移动节点对其进行修复;在移动节点数量有限的情况下,以较小的平均移动距离提高了网络覆盖率.

基于改进狮群算法的管道传感器网络覆盖优化

监测输送石油、天然气和水的管道是必要的,以避免浪费这些自然资源,提出了一种基于改进狮群算法的管道传感器网络覆盖优化算法。该算法模拟狮群行为,通过节点的定位和路由方案来避免这些资源在运输到相应目的地的过程中发生的损失,引入了Logistic函数和Levy飞行进行部署优化。以最小时延和丢包率为优化目标,把传感器节点以最大步长放置在不同长度的管道上进行部署优化。为了评估改进狮群算法的性能,通过30个基准函数测试,与其他启发式算法在不同维度上进行了比较,并将改进狮群算法应用于管道传感器节点部署。仿真结果表明,改进狮群算法在管道的网络覆盖率、端到端时延、吞吐量和网络寿命方面具有明显的优势。该算法最大的特点是管道越长,端到端时延优化效果越突出。

基于水波优化算法的无线传感器网络覆盖研究

为了提高无线传感器网络(WSN)覆盖的有效性,提高传感节点对目标区域的覆盖率,采用水波优化(WWO)算法对传感节点部署坐标进行优化。首先,根据区域像素点及目标节点数量初始化传感节点坐标集,根据传感节点坐标和目标节点坐标、区域像素大小计算区域覆盖率;然后,将区域覆盖率作为适应度函数,建立WWO算法模型,将初始传感节点集作为WWO输入集,通过水波的传播、折射和碎波操作不断更新水波位置,同时求解各水波的适应度值;最后,选择适应度值最高的水波个体作为传感节点分布的最优解,当区域覆盖率或水波更新迭代次数达到阈值时,输出最优水波个体。分别采用蚁群、人工鱼群、粒子群优化算法和该文算法进行覆盖性能仿真。在覆盖率方面,该文算法最优,达到稳定时可以获得约95%的区域覆盖率,粒子群次之,蚁群算法最差。在收敛性能方面,蚁群算法最快,该文算法次之。

基于改进萤火虫优化算法的WSN覆盖优化分析

对改进萤火虫算法性能及其在WSNs网络覆盖优化中的应用问题进行了研究。分析了基本萤火虫算法的全局收敛性,针对其收敛效率低的缺陷,给出了算法改进策略,并证明了改进的萤火虫算法以概率1收敛于全局最优解,在此基础上,提出了基于萤火虫优化的网络覆盖算法,建立了以网络均匀度及网络覆盖率为准则的数学模型,推导了节点冗余度与网络覆盖率之间的关系,给出了节点休眠策略,并将节点部署划分成不同的阶段,在每个阶段,分别采用改进的萤火虫算法对模型进行求解,进而得到无线传感器网络最优覆盖,最后对经典测试函数和WSNs网络覆盖问题进行实验仿真,仿真结果表明改进的算法具有更加理想的运算结果,而且能有效地给出WSNs网络覆盖优化方案。