基于遗传算法的能量均衡覆盖控制策略

研究优化网络通信、延长网络寿命问题,由于无线传感器网络中覆盖率、工作节点数和能耗均衡互相矛盾。为了选择最优覆盖节点集基础上,同时考虑网络区域能耗的均衡特点,提出一种遗传算法的能量均衡覆盖控制策略。构建概率感知模型网络,定义一个能耗均衡系数用以表示网络能耗均衡程度,以覆盖率、工作节点数和网络能耗均衡系数为优化目标,然后利用遗传算法进行仿真。仿真结果表明,覆盖控制策略能够在达到较高覆盖率的同时,有效降低能耗并保证网络能量均衡,从而延长网络生存时间。     

一种多目标的覆盖优化策略在WSNs中的应用

针对目前无线传感器网络（WSNs）能量均衡覆盖策略大都基于节点静态感知能耗的不足,提出一种基于节点的动态能耗和网络覆盖率的多目标覆盖优化策略.该优化覆盖策略将动态路由协议引入到覆盖控制优化中,计算覆盖区域在不同节点分布下的动态通信能耗和网络的剩余能量,再结合区域覆盖率构成对覆盖和能量综合指数评价的优化函数.最后利用改进差分进化算法和差分进化算法对优化函数进行仿真,并利用覆盖结果验证策略的有效性.仿真结果表明：提出的覆盖优化策略既能使网络达到较高覆盖率,同时又能保证网络的能耗动态均衡,并将改进差分进化算法与常规差分进化算法比较,结果表明：前者克服了早熟现象,覆盖和能量的综合优化函数值更高,达到了6.184.     

改进的无线传感器网络覆盖区域节点调度算法

节能覆盖对于提高无线传感器网络的性能有着重要的意义.针对当前传感器网络的算法中存在的热区问题,提出一种在传感器网络非均匀分布部署下的基于能量预测的节点覆盖调度算法.该算法首先对网络中的节点进行非均匀部署,离基站距离较近区域部署的节点密度较大,而较远的密度小,然后综合考虑节点覆盖效率和能量消耗进行节点调度,从而使能量消耗更加均衡,最后对该算法进行了仿真实验和性能分析.仿真结果表明与当前经典的覆盖节点调度算法相比,该算法提高网络覆盖率、降低了网络能耗,且网络生命周期也相应的延长,能够保证网络内大多数节点达到能耗均衡.     

基于差分算法的异构无线传感器网络多重覆盖节点调度方案

针对部署区域中存在多个不同覆盖质量需求的目标,本文提出一种基于多重覆盖算法的异构节点调度机制。该算法在满足区域覆盖要求和重点区域监测目标多重覆盖的要求,及节点能量的约束条件下,以网络的有效覆盖率最大和工作节点数目最少为目标,借助改进的差分算法来对节点状态进行优化达到提高网络覆盖性能和降低网络能耗的目的。仿真结果显示,本文的算法在满足热点目标监测要求的前提下,最大限度地兼顾网络的区域覆盖质量,减少了网络的能耗;较之随机调度算法,本文算法在覆盖率和网络能耗方面优于后者。     

基于测距的无线传感器网络均衡式招募调度算法

节点调度是均衡无线传感器网络能量有效方法之一．分析基于测距的睡眠调度算法（RBSS）发现其招募节点能耗过大,造成其过早死亡,影响网络的生命周期．针对这个问题,本文在正六边形覆盖模型的基础上,基于能量均衡思想,提出基于测距的均衡式招募调度算法（RBDRS）．RBDRS算法将协作节点招募的任务转移到新招募的协作节点上,均衡网络能耗．招募节点通过测距招募距其最远的邻居节点作为协作节点,协作节点再依次为招募节点招募新的协作节点,直至无法招募到新的协作节点．仿真实验结果表明,与RBSS算法相比,在不增加额外开销的条件下,RBDRS算法能够有效减少工作节点数目,提高网络覆盖率,均衡网络能耗,延长网络生命周期.     

一种无线传感器网络冗余节点状态调度方法

覆盖质量与能量均衡是制约无线传感器网络规模与生存时间的重要因素.针对大规模无线传感器网络中,如何满足一定覆盖率条件的同时,延长网络生存时间这一问题,在LDAS基础上引入基于容忍覆盖区域的感知模型,提出了一种冗余节点的状态调度方法.该方法加入基于剩余能量的冗余判别因素,并通过预休眠节点选举机制,避免了相邻节点同时休眠或工作的情况发生,提高了覆盖效率.仿真实验证明了本方法的有效性,该方法在覆盖质量和能量均衡方面都有较好的表现.     

EeRCCA：一种能量有效的传感器网络覆盖控制算法

针对已有算法中边界节点过早死亡和网络能耗不均问题,本文提出了一种能量有效的分布式覆盖控制算法EeRC-CA.EeRCCA采用多启动和能量自适应竞争相结合的策略,减缓边界节点过早死亡;在协同节点选举中,依据当前节点与启动节点、邻居协同节点间的距离和剩余能量的权值,合理调整避退时间,均衡网络能耗,延长网络生存周期.仿真结果表明EeRCCA可以保证完全覆盖和连通,在工作节点数目和覆盖率方面与RBSS算法基本相当,在不增加额外控制开销的条件下,可以显著延长网络生命期.     

无线传感器网络的多目标覆盖控制策略

针对无线传感器网络中能耗、能耗均衡和覆盖率互相矛盾的问题,提出了一种多目标优化覆盖控制策略.在构建网络模型的基础上,以覆盖率、能耗和网络能耗均衡为优化目标,设计针对自由搜索算法的适应值函数和编码方案.仿真结果表明,该覆盖控制策略在保证高覆盖率的同时,能有效地降低能耗和保持网络能量均衡.     

无线传感器网络中一种能量有效k度覆盖算法

覆盖率是衡量无线传感器网络性能的重要指标之一。在对目标节点进行k覆盖的过程中,会出现大量数据冗余迫使网络出现拥塞的现象,导致网络通信能力和覆盖能力降低、网络能量快速消耗等问题。为此,提出了一种能量有效[k]度覆盖算法（Energy Efficient k_degree Coverage Algorithm,EEKCA）。该算法利用节点之间的位置关系构造出覆盖网络模型,通过分析网络模型给出监测区域内节点覆盖期望值及对整个监测区域覆盖所需最少节点数量的求解过程;在能耗方面,给出了工作节点和邻居节点之间的能量转换函数比例关系,利用函数比例关系完成低能量节点的调度,进而达到全网能量平衡,优化了网络资源。最后,仿真实验结果表明,该算法不仅可以提高网络覆盖质量,还可有效抑制节点能量快速消耗,从而延长网络生存周期。     

基于鱼群算法的无线传感网络覆盖优化策略*

无线传感网络是能量受限的网络,有效覆盖和能耗是衡量其性能的两个重要指标。将最大化网络覆盖率和最小化工作节点数作为网络优化目标,建立了网络覆盖优化的数学模型,并利用鱼群算法并行寻优、收敛快速的特性,提出了一种基于鱼群算法的覆盖优化策略。仿真实验表明,该算法能求解最优覆盖工作节点,并可以改进网络节点调度的实时性。     

An optimal coverage-preserving scheme for wireless sensor networks based on local information exchange

Coverage-preserving and energy-saving solutions have been reported in the literature and are generally based upon both quality coverage and off-duty scheme. Off-duty scheme based solutions present at least three challenging problems: (1) keeping coverage and connectivity of the network while optimizing the number of active sensor nodes; (2) resolving conflicts when determining which nodes should be turned off in order to save energy; and (3) finding optimal wake-up strategies that avoid waking up more nodes than necessary. This paper presents a novel distributed solution, the optimal coverage-preserving scheme (OCoPS), that extends the well-known Central Angle Method in order to identify fully sponsored nodes. OCoPS comprises an extended Central Angle Method, new decision algorithms devised to resolve the off-duty conflict problem under different network densities, and an energy-aware wake-up scheme that solves coverage hole problems in off-duty schemes. Compared to the widely used node scheduling scheme, our solution is based on local information exchange without the uncertainty of self-schedule algorithms. OCoPS is implemented as an extension of LEACH. A set of simulation experiments is carried out to evaluate its performance compared to other well-known schemes which are based on the Central Angle Method and self-scheduling. Our results indicate that on network lifetime OCoPS outperforms other schemes by over 20% and by over 25% when the coverage rate is higher than 80%. The experimental results also show that our coverage scheme effectively limits the number of on-duty node compared to the other schemes.     

传感器网络中基于虚拟坐标的节点调度方案

首先,建立了极大相似分布模型;其次,引入节点的虚拟坐标的概念,用来替代节点实际的位置坐标.在此基础上,提出了一种分布式的、与节点位置无关的节点调度方案.方案由一个覆盖算法和一个连通算法组成,方案中的覆盖算法利用虚拟坐标信息进行分组.在不需要节点位置信息的条件下,使各个分组内的传感器节点较为均匀地分布在目标区域.该方案不仅解决了任意分组中的节点充分覆盖目标区域的问题,而且保证了网络的连通.仿真实验表明,该节点调度方案在覆盖率、维持分组连通时额外加入到分组内的节点个数以及网络生存时间等性能上均优于与节点位置无关的节点随机调度协议.     

A novel knowledge-guided evolutionary scheduling strategy for energy-efficient connected coverage optimization in WSNs

One of the most important challenges in designing wireless sensor network is how to construct full-connected network containing least active sensor nodes with satisfied quality of services, such as the coverage rate and energy consumption. This energy-efficiency full-connected coverage optimization problem is modeled as a single-objective optimization problem with constraint. To solve this problem, a knowledge-guided evolutionary scheduling strategy is proposed. Three highlights of this strategy are: (1) Knowledge is defined as the importance of sensor node, which depends on the distance between sensor node and sink node. (2) The genes of an individual correspond to senor nodes in descending order of their importance. (3) Considering sensor nodes’ importance and redundancy rate, knowledge-guided mutation operator and repair strategy are present. Simulation results show that the proposed method can find the optimal full-connected wireless sensor network containing least sensor nodes and consuming less energy for communication by less computation time. Though the coverage rate of the optimum is larger, it still satisfies the coverage constraint. Moreover, this strategy fits for the problems that the communication radius of sensor node is less than two times of its sensing radius.     

基于分组的分布式节点调度覆盖算法

当部署的传感器节点服从随机分布时,现有的基于分组的节点调度算法不能保证各个组内的节点均匀分布在目标区域.基于以上原因,建立了极大相似分布模型,并提出了极大相似分布的一种近似求解算法:基于分组的分布式节点调度覆盖算法.算法仅需要簇内的节点维持时钟同步,簇之间节点的时钟异步对于覆盖效果的影响可以忽略,因此适用于难以维持整个网络保持时间同步的大型传感器网络.此外,给出了在节点随机分布的条件下,采用分组调度时平均覆盖率的理论上界值.仿真实验表明,提出的这种算法能使各个组内的传感器节点较为均匀地分布在目标区域,获得的平均覆盖率接近于上界值.     

传感器网络中基于路由关键点的结点调度机制

无线传感器网络是由大量低能量、短寿命、不可靠的传感器结点组成的,延长网络寿命是一个主要的目标。良好的结点调度算法可以在保证网络性能的前提下,延长系统的寿命。据此提出了一种结点调度算法,通过关掉一些冗余的结点,降低整个系统的能量消耗,由此增加系统的寿命。该算法既保证了网络区域的覆盖范围,又维持了一些路径上的关键点,以便进行路由的时候不会中断。     

无线可充电传感器网络中能量饥饿避免的移动充电

无线可充电传感器网络（wireless rechargeable sensor networks,简称WRSN）中,如何调度移动充电器（mobile charger,简称MC）,在充电过程中及时为传感器节点补充能量,尽量避免节点能量饥饿的同时降低MC充电代价及节点平均充电延迟,成为无线充电问题的研究挑战.大多数现有WRSN充电策略或是不能适应实际环境中传感器节点能量消耗的动态性和多样性,或是没有充分考虑节点及时充电问题和MC对充电响应的公平性,导致节点由于能量饥饿失效和充电策略性能下降.当网络中请求充电的节点数量较多时,节点能量饥饿现象尤为明显.为此,研究了WRSN中移动充电的能量饥饿问题,提出了能量饥饿避免的在线充电策略（energy starvation avoidance onlinecharging scheme,简称ESAOC）.首先,根据各节点能量消耗的历史统计和实时值计算当前能量消耗率.接着,在调度MC时,根据当前能量消耗率计算各请求充电节点的最大充电容忍延迟和当某节点被选为下一充电节点时各节点的最短充电等待时间,通过比较这两个值,始终选择使其他待充电节点饥饿数量最少的节点作为充电候选节点以尽量避免节点陷入能量饥饿.仿真分析表明：与现有几种在线充电策略相比,ESAOC不仅能有效解决节点的能量饥饿问题,同时具有较低的充电延迟和充电代价.     

基于相对局部密度的三维节点调度算法

针对目前大多数节点调度算法在冗余节点退避休眠过程中能耗大的问题,提出了一种基于相对局部密度的三维节点调度方法。算法定义了节点相对局部密度的概念,首先根据冗余法则判断节点是否冗余,然后根据节点的剩余能量和相对局部密度让冗余节点以概率竞争的方式休眠,从而避免了节点退避休眠的能耗。仿真实验表明基于相对局部密度的三维节点调度方法能在满足指定的覆盖率的前提下,降低节点的能耗,延长网络的生存时间。     

无线体域网低能耗功率控制与分布式调度算法

传输能耗在无线体域网的能耗中占比最大,降低传输能耗的核心是解决2个问题:传输时隙到来时选择哪个节点传输和所选节点以何种功率传输.针对前者现有调度算法忽视网络公平性要求的局限性,提出了一种包含公平性指数的分布式调度算法;针对后者当前功率控制算法采用固定函数模型的局限性,设计了一种基于比例—积分—微分的单输出神经网络(SPIDNN)自适应网络功率机制动态调整无线体域网中传感器节点的发射功率控制方法.仿真实验表明:相对其他方案,方案在保证网络公平性的前提下,降低了能量消耗.