基于PSO的无线传感网络节点定位算法

研究稀疏无线传感网络下异常节点的准确定位问题。在信息较少的空旷区域,无线传感网络的传感节点分布较为稀松,为方便计算,多采用多跳距离代替节点间的真实距离,导致距离计算存在较大误差,在传统的基于分布式加权距离定位算法建立的网络分布模型中,节点定位准确度低,导致节点定位误差较大。为了解决上述问题,提出了一种粒子群优化的多维标度节点定位算法。采用多维标度算法求得各未知节点的初始坐标,利用粒子群优化算法对其目标代价函数进行优化求得未知节点的真实距离坐标,准确定位节点。实验结果表明:改进算法在定位精度上有明显的提高。     

基于二进制粒子群算法的异构传感器网络成本最优节点部署机制

节点部署作为无线传感器网络应用的一个核心问题,是保证网络服务质量的重要手段。针对异构传感器网络节点的高密度部署和监测目标的非均匀分布的情况,提出一种基于二进制粒子群算法的异构节点成本优化部署方法。该算法在满足区域节点部署要求的条件下以最小化传感器节点的部署成本为目标函数进行优化操作,以达到降低网络冗余、提高网络服务质量的效果。仿真结果表明,该算法能快速收敛于最优解,能够降低网络部署的成本,提高网络中目标监测的质量。     

智慧城市中无线网络节点部署优化方案研究

智慧城市无线网络基础设施中,网络节点部署直接影响到网络服务质量.该问题可归结为在给定的几何平面上部署合适的普通AP节点作为无线终端的访问节点,部署特殊节点作为网关以汇聚普通节点的流量到有线网络中.以无线Mesh网络为例,提出根据区域人流量的统计来确定AP节点的部署位置和数量,将网关节点部署问题抽象为几何K-中心问题.以节点和网关之间路径长度最小为优化目标,提出自适应的粒子群算法来求解网关节点部署位置.在自适应粒子群算法中引入随机调整惯性权重、自适应改变学习因子和邻域搜索等改进策略,并设计一种新的适值函数计算方法,使得算法更容易获得最优解.仿真结果表明,相对于GA算法和K-means算法,改进粒子群算法求解效果稳定,鲁棒性强,可获得更小的覆盖半径,从而提高网络的服务质量.     

基于传感器网络节点配置优化仿真研究

研究无线传感网络节点配置覆盖优化问题。由于无线传感网络存在着热区问题,对网络的覆盖性能造成严重的影响,同时影响网络配置优化。为了有效的提高无线传感网络的覆盖率,提出了一种改进的粒子群算法优化无线网络节点覆盖。针对粒子群算法存在易陷入局部极值和早熟的缺陷,引入遗传算法中的交叉算子和变异算子,优化传感网络节点的混合粒子群算法,在严格确保无线传感器网络连通性的条件下,传感器节点配置数目达到要求的覆盖度,并进行仿真。仿真结果表明混合粒子群算法能快速收敛到更精确的解,使网络节点配置达到覆盖的优化要求。     

基于BBO算法的无线传感网络节点优化部署研究

在无线传感网络节点部署时,由于优化算法的差异,使得优化部署后网络覆盖率依旧较低,提出基于BBO算法的无线传感网络节点优化部署研究.基于无线传感器网络结构,生成线性网络,采用该网络完成数据的周期性采集,寻找最佳工作节点和中继节点数量,并通过二者之间的合理分布,确定最优节点传输距离.依托于BBO算法设计节点布局方案,计算网...     

CHAIN：基于重合支配的边缘计算节点放置算法

边缘计算将计算资源部署在离终端用户更近的边缘计算节点，从待选的位置中选择合适的边缘计算节点部署位置能提升边缘计算服务的节点容量以及用户服务质量（QoS）。然而，目前对于如何放置边缘计算节点以降低边缘计算成本的研究较少。此外，在边缘服务的时延等QoS因素的约束下，目前尚没有一种边缘计算节点部署算法能最大限度地提高边缘服务的鲁棒性同时最小化边缘节点部署成本。针对上述问题，首先，通过建立计算节点、用户传输时延和鲁棒性的模型将边缘计算节点放置问题转化为带约束条件的最小支配集问题；随后，提出重合支配的概念，基于重合支配衡量网络鲁棒性，设计了基于重合支配的边缘计算节点放置算法——CHAIN(edge server plaCement algoritHm based on overlApping domINation)。仿真实验结果表明，与面向覆盖的近似算法和面向基站的随机算法相比，CHAIN的系统时延降低了50.54%与50.13%。     

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。     

无线传感器网络节点多目标安全优化部署

针对目前无线传感器网络节点优化部署方案中,没有考虑网络节点位置移动会破坏节点间的共享密钥而破坏的安全通信链路的问题,本文将Pareto多目标优化策略引入到无线传感器网络节点部署中,设计了一种多目标安全优化部署方案,建立多目标节点安全部署模型,并将节点安全连通度和网络覆盖率作为目标函数,兼顾解决网络安全性和网络覆盖质量的问题;通过惯性权重自适应的调整和结合虚拟力算法更新速度的方式改进多目标粒子群算法,采用精英档案策略来存储非劣解。仿真实验表明,本文方案能够提高节点的覆盖率,并且能够保持较大的节点安全连通度。     

基于粒子群优化的大规模传感器网络节点调度策略

针对资源受限条件下大规模无线传感器网络中协作目标跟踪问题,提出一个基于粒子群优化的节点调度方案.该方案利用高斯粒子滤波算法和方差交叉融合算法获得目标状态预测信息,进而选择下一时刻簇成员节点,并构造了通信能耗的代价函数,利用粒子群优化方法选择最佳的簇头节点,减少了节点调度的计算复杂度,同时保持了较好的跟踪精度.仿真结果验证了所提出方案的有效性.     

基于PSO的无线Mesh网关优化部署算法

无线Mesh网关的优化部署目标是对一给定的无线Mesh网络,合理地确定网关部署的方案,在满足用户通信时延、通信带宽以及网关相关属性约束(如网关的度,簇度数)的前提下,使得网关数量最少、网关间负载均衡以及总体通信代价最小。利用粒子群算法在多目标寻优方面的优势,提出了基于粒子群的无线Mesh网关优化部署算法。对粒子的速度、速度的相关运算规则和粒子的运动方程进行了重新定义与设计,然后提出了基于网关启发式初步部署与优化的二阶段粒子群优化算法。理论分析与仿真实验表明,基于PSO的优化算法得到的网关数量不劣于其它算法得到的结果,而且在其它性能指标方面:通信代价、网关节点数量、负载均衡方面优势明显,与Recursive_DS算法的相比分别提高了38.15%,7.85%和7.3%。     

基于HPSO的自适应路由节点优化部署策略

针对无线网络中的路由节点的部署结构冗杂,经济成本高,通信质量差的问题,提出了一种基于优化混合粒子群算法(HPSO)的自适应路由节点部署策略(ADS);以最低部署成本为算法寻优目标,以无线组网节点通信,空间覆盖完整性等特点为限制条件,通过优化HPSO结合ADS,得到应用范围内的最佳的路由节点部署;首先建立无线通信网络路由节点的部署成本模型,部署通信距离关系模型,节点通信负载模型,自由空间损耗模型;依据模型确定算法寻优目标及算法限制条件;然后对HPSO进行优化,加入淘汰机制和多样性补充机制,在不降低算法效率(寻优时间)的基础上提升算法寻优准确度;对于空间相邻的路由节点,设计并采用ADS进行部署,同时优化可视域模型,缩小ADS中可行点集范围,提高下一节点的部署效率;文章方法中的HPSO与遗传算法(GA)算法和人工免疫算法(AIA)分别结合ADS进行对比试验;仿真结果表明,文章方法在保证无线通信网络通信质量的基础上,提升14％～33％算法效率,降低8％～10％的路由节点部署成本.     

Particle swarm optimization based clustering algorithm with mobile sink for WSNs

Wireless sensor networks with fixed sink node often suffer from hot spots problem since sensor nodes close to the sink usually have more traffic burden to forward during transmission process. Utilizing mobile sink has been shown as an effective technique to enhance the network performance such as energy efficiency, network lifetime, and latency, etc. In this paper, we propose a particle swarm optimization based clustering algorithm with mobile sink for wireless sensor network. In this algorithm, the virtual clustering technique is performed during routing process which makes use of the particle swarm optimization algorithm. The residual energy and position of the nodes are the primary parameters to select cluster head. The control strategy for mobile sink to collect data from cluster head is well designed. Extensive simulation results show that the energy consumption is much reduced, the network lifetime is prolonged, and the transmission delay is reduced in our proposed routing algorithm than some other popular routing algorithms.     

基于Delaunay三角划分策略的WSN区域覆盖优化研究

针对无线传感器网络在对初次抛洒节点形成的覆盖漏洞进行二次部署的过程中,传统几何学方法难以运用于概率感知模型的问题,提出一种基于Delaunay三角划分策略的无线传感器网络区域覆盖优化算法——DPSO算法。首先对监测区域内随机抛洒的静态节点和监测区域边缘顶点进行Delaunay三角划分,以得到静态节点三角网,结合无线传感器网络节点的概率感知模型证明三角形内部存在完全未覆盖区域即覆盖漏洞;其次将通过筛选得到的三角形形心集合作为粒子群优化算法的初始解集,利用改进的粒子群优化算法完成对移动节点的二次部署,以达到修复覆盖漏洞的目的。实验表明,所提出的基于Delaunay三角划分策略的优化算法能够有效修复覆盖漏洞,使区域覆盖率得到显著提高。     

分层学习的边缘计算资源调度粒子群优化算法

由于存在诸如CPU运算速度慢,电池容量低等问题,智能移动设备本身无法执行计算需求大的应用程序,需要借助边缘计算技术来降低程序对移动设备硬件的要求。然而将部分计算任务从移动设备传输给边缘服务器,会带来额外的传输能耗和服务器计算能耗。综合考虑影响移动设备和服务器,以及数据传输能耗值的四个因素,即移动设备的计算速度,下载数据功耗,数据卸载百分比和剩余网络带宽占,提出一种基于分层学习的粒子群算法,优化每台移动设备对于这四个参数的取值,更合理分配计算资源使得总能耗最小。对计算资源建模时,还考虑了最大能耗、计算周期、存储、带宽和延迟约束条件。与其他算法进行对比实验发现,通过分层学习优化的粒子群算法,能更快速地获得满足约束条件具有更低能耗的资源调度最优解。     

射频供能传感网中能量源布置和发送功率优化

射频能量捕获无线传感网（RF energy harvesting wireless sensor network,简称RFEH-WSN）是无线传感网的热点研究领域之一,专用射频能量源设备（energy transmitter,简称ET）的使用进一步增强了网络的可控制性和实用性.这类应用中一个值得研究的问题就是如何配置给定数量的ET,从而在满足节点能量需求的前提下优化布置位置和发送功率,减少能量消耗.首先对ET布置和发送功率联合优化问题建模,明确优化目标和限制条件.然后分别提出了先基于聚类算法确定ET位置再调整功率的分步优化方案,以及基于粒子群优化（particle swarm optimization,简称PSO）的布置与发送功率联合优化方案.仿真结果显示,布置和发送功率联合优化方案较分步优化方案,ET发送功率的节能效果更为明显.     

基于差分演化和粒子群优化的改进WSN覆盖算法

动态部署传感器节点随机性大,无法保证特定目标区域的覆盖质量,引入智能优化算法后有效提高了节点动态部署的质量,但一般的智能优化算法在动态部署时存在“早熟”等缺陷。为了进一步提高节点动态部署的质量,针对节点的覆盖问题进行研究,结合粒子群优化和差分演化的优点,前期用粒子群优化算法,发挥粒子群擅长前期搜索收敛较快的特点,后期用差分演化算法,发挥差分演化擅长局部搜索的特点,这样取双方所长,克服双方所短,从而使算法有更好的搜索能力。仿真结果表明,本文提出的算法相对于改良惯性权重的粒子群算法、结合虚拟力的粒子群算法以及基本差分演化算法,具有更好的搜索能力,优化后的网络覆盖率更高。     

移动群智网中基于粒子群寻优和距离协作判别的数据收集研究

针对移动群智网应用对数据收集的实时性和可靠性要求,提出了一种基于粒子群寻优和距离协作判别的数据收集机制。该机制,基于时空二维感知区域定义了具有高精度和适应度的粒子群寻优模型,结合二维正态分布基于时间序列给出了用于判断感知数据源的距离协作判别机制,激励用户移动节点积极加入到协作通信,从而提出了适用于移动群智网应用的数据收集机制。仿真实验结果表明,所提出的数据收集机制在网络生存能力、传输延迟、移动节点存活能力和能耗等方面表现优越。     

基于负约束条件下最大似然估计的无线传感网络定位算法

针对基于RSSI(Received Signal Strength Indicator)的无线传感网络定位算法精度不高的问题,提出一种负约束条件下的似然估计定位算法。当未知节点在参考节点的通信范围之外时,引入负约束条件来提高定位精度。主要工作可分为三部分:第一,根据RSSI值测量参考节点与未知节点之间的距离。第二,根据参考节点与未知节点通信关系建立正约束和负约束条件下的似然估计函数。第三,利用粒子群优化算法找到未知节点的最佳位置。仿真结果表明,引入负约束条件可以提高定位精度,且优于传统的定位算法。     

输电线路在线监测WSNs优化部署研究

应用于输电线路在线监测的无线传感器网络(WSNs)通常呈长链型,存在跳数多、时延大的问题。引入具备无线公网通信模块的异构节点能够优化WSNs时延性能。考虑网络中传感器节点分布不均匀引起的数据分布不均匀这一普遍现象及其对时延的影响,建立了异构WSNs的最大时延模型;同时考虑网段划分和异构节点部署对时延的影响,提出了一种基于局部搜索思想的网络优化部署方法来优化网络时延。仿真结果表明:上述方法能有效降低网络最大时延,提高网络实时性。