气味标记法优化免疫算法的覆盖策略

覆盖问题一直是无线多媒体传感器网络研究的重点领域。为了能够达到对目标区域有效覆盖的同时,减少网络能耗,延长网络寿命的目的,提出了一种气味标记法优化的免疫算法SMOIA（Scent Marking Optimization Immune Algorithm）。该方法利用改进的气味标记算法,在被覆盖区域设置必要的气味标记点,在这些点设置传感器节点能够有效提高对目标区域的覆盖率,减少冗余节点数量;使用免疫算法来避免一般算法容易陷入局部最优的问题。仿真实验表明,该算法能够有效提高网络覆盖率,减少网络中传感器节点数量,延长了网络寿命,并且收敛迅速。     

分布式无线传感器网络度覆盖算法

传感器节点在高密度部署和满足一定覆盖条件下,有效地进行覆盖控制和减少能量消耗以及延长网络生命周期是无线传感器网络研究的重点课题,为此,提出一种分布式的度覆盖算法。该算法利用贪心算法和几何图形学相关理论知识对覆盖区域关键节点进行优化覆盖,通过节点状态调度机制转换,可以有效地降低网络能耗,提高了节点覆盖性能的同时优化了节点的数量。仿真实验结果表明,该算法能够以较小的代价提高整个网络的生存周期,有更好地适应性和稳定性。     

基于改进萤火虫算法的覆盖优化方法

针对无线传感器网络中目标区域仅部署静态节点和移动节点时,分别存在覆盖率低和成本高的问题,提出一种基于改进萤火虫算法的覆盖优化方法。首先,将静态和移动传感器节点随机部署在目标区域内,改进位置公式和步长因子,提高全局搜索能力,加快搜索速度;其次,利用改进萤火虫算法初步确定移动传感器节点的候选目标位置;最后,通过目标位置优化方法得到节点的最佳目标位置,从而完成覆盖优化。仿真结果表明,与基于PSO算法和CS算法等启发式算法的覆盖优化相比,该优化方法能够缩短平均移动距离,提高网络覆盖率,节省节点能量,延长网络生命周期。     

无线传感器网络覆盖优化仿真研究

研究无线传感器覆盖(WSN)优化问题,由于网络传感器节点分布不均匀,又存在冗余等问题。传统WSN高密度部署方法,节点分布极不均匀,节点覆盖区域之间的重复率高,节点浪费严重,导致网络覆盖率低、成本高。为了提高无线传感器网络的覆盖率,提出一种混沌粒子群优化算法(CPSO)的WSN覆盖优化算法。首先以提高网络覆盖率为优化目标,建立WSN覆盖优化数学模型,然后通过粒子间协作进行求解,并对粒子群混沌扰动,保持粒子多样性,从而得到最优网络覆盖。仿真结果表明,相对于其它覆盖优化算法,CPSO能够以较少传感器节点获得较高网络覆盖率,提高了网络通信效率,降低网络成本。     

一种无线传感器网络覆盖能耗平衡优化策略

在无线传感器网络中,对目标区域的覆盖程度以及网络能耗是衡量其性能的重要指标,通过对节点的合理配置,有利于保证网络覆盖,平衡网络能耗。针对节点感知距离可调的无线传感器网络,提出了一种无线传感器网络覆盖能耗平衡优化策略,该策略以满足一定的网络区域覆盖质量为前提,以覆盖能耗平衡为优化目标,采用粒子群算法,首先对网络中的节点布局进行动态优化,在此基础上通过合理调整节点感知距离,使得网络覆盖能耗性能最优。仿真结果表明,与传统节能覆盖方案相比,该策略能够有效减少感知重叠区和感知盲区,提高网络区域覆盖质量,降低网络能耗。     

基于能量有效WSN优化覆盖算法的研究*

满足一定的覆盖条件下,有效地进行覆盖控制和减少能量消耗以及延长网络生存周期是无线传感器网络所研究的一项重点课题。为此,提出一种能量有效的优化覆盖算法。该算法利用贪婪算法和几何图形学相关理论知识,把目标覆盖区域节点能量构建成正态分布的网络模型,通过采集和检索数据选择最优子集以及对节点状态调度机制动态转换,可以有效地降低网络能耗,提高了节点覆盖性能的同时优化了节点的数量。仿真实验表明,该算法能够以较小的代价延长整个网络的生存周期,具有更好地适应性和稳定性。     

WSN中一种规则区域最优覆盖与连通算法研究

在满足一定覆盖条件下,使用最少传感器节点完成对区域的覆盖与连通已成为无线传感器网络研究的一个具有挑战性的核心问题之一。为此,提出了一种规则区域最优覆盖与连通算法,该算法利用双重正方形将目标节点规划到内正方形区域内,通过传感器节点与目标节点求出关联模型,对于整个覆盖区域则利用概率期望值求出满足覆盖条件的最少传感器节点数,同时给出了外正方形区域边缘节点的连通概率模型及推理过程。实验结果表明,该算法的理论值与模拟结果之间的误差小于5%,验证了该算法是有效的,降低了网络资源的配置,可以更好地评估网络覆盖和连通性能。     

半径可调的无线传感器网络三维覆盖算法

针对三维无线传感器网络区域中节点覆盖的问题,提出一种半径可调的无线传感器网络三维覆盖算法（3D-CAAR）。该算法利用虚拟力作用实现无线传感器网络的节点均匀部署,同时结合传感器节点的半径可调覆盖机制,判断节点与被覆盖区域中目标点之间的距离。引入能耗阈值,使得节点根据自身情况调节节点感知半径,从而降低无线传感器网络的整体能耗,提高了节点利用率。最后,通过与传统基于人工势场的三维部署算法（APFA3D）、基于与未知目标精确覆盖的三维算法（ECA3D）仿真实验对比,3D-CAAR的事件集覆盖效能明显较高,能有效解决三维无线传感器网络中对目标节点的覆盖问题。     

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。     

基于布谷鸟搜索的混合传感器网络覆盖优化策略

静态传感器网络与移动传感器网络分别存在网络覆盖率较低和部署成本高的问题。为此,在混合传感器网络基础上,提出一种基于布谷鸟搜索(CS)的覆盖优化策略。将混合传感器节点随机部署在目标区域,利用CS算法初步确定移动传感器节点的候选目标位置,通过位置优化方案得到移动传感器节点的最佳目标位置以完成覆盖优化。仿真结果表明,与遗传算法和粒子群优化算法相比,该优化策略能够有效缩短平均移动距离,减少移动节点数量,提高目标区域覆盖率。     

一种基于学习自动机的WSN区域覆盖算法

基于连通支配集(Connected dominating set,CDS)的区域覆盖算法大都采用休眠节点数量的最大化机制来实现节能,这将给无线传感器网络中的活动节点带来沉重的负担。活动节点电能的迅速耗尽将导致CDS失效,产生覆盖盲区。不断激活其他休眠节点,会出现频繁的网络拓扑变化,导致网络收敛性出现问题。提出了一种基于学习自动机的WSN区域覆盖算法。采用受度限制的连通支配集d-CDS来构造WSN骨干网络,利用学习自动机选择当前节点的最优邻居节点,以此实现对所构造CDS的优化,实现活动节点的负载均衡,改善区域覆盖性能。通过仿真实验对比Gossip、ST-MSN和TMPO等算法,表明本文提出的算法在网络覆盖比率、活动节点的剩余电量等方面均存在优势。     

基于事件驱动机制WSN覆盖算法

针对无线传感器网络覆盖方法自身特点以及在覆盖过程中消耗大量传感器节点能量的不足,提出了一种事件驱动机制的覆盖算法。该算法通过事件驱动机制使节点之间完成了状态转换,同时建立了传感器节点与目标节点之间的关联属性,从而有效地减少节点能量的消耗,延长了网络生存周期,优化了网络资源,确保了以最少的节点完成对目标区域的完全覆盖。仿真实验结果表明,该算法中节点能量的消耗与LEACH协议相比降低了7%,验证了该算法的实效性和稳定性。     

基于博弈论的无线传感器网络簇间路由选择算法

针对无线传感器网络(WSN)中,网络覆盖范围大,但传感器节点通信范围有限,长距离传输容易造成数据丢失的问题,提出了一种基于博弈论的无线传感器网络簇间路由算法,通过建立以网络服务质量(QoS)和节点剩余能量为效用函数的博弈模型,并求解其纳什均衡来解决以上问题。仿真结果表明：所提出的博弈模型在优化网络服务质量、降低节点能耗的同时,延长了整个网络的生存时间。     

无线传感器网络覆盖空洞修复策略

无线传感器网络中节点因能量耗尽或环境破坏而失效导致覆盖空洞现象。提出了一种最佳匹配节点策略(BFNP)修复覆盖空洞。最佳匹配节点策略主要思想是当基站发现网络中节点失败时,首先检测覆盖空洞,然后通过选取距离由空洞边界围所成多边形的最小覆盖圆圆心最近的非活跃节点来替换失败节点,并激活该节点修复覆盖空洞。仿真结果表明最佳匹配节点策略能保证较好的网络覆盖质量,充分利用了网络中的能量资源,延长了网络的生存时间,且性能优于覆盖空洞修补算法(CHPA)。     

WSN中基于分布式的覆盖洞修复算法

无线传感器网络(WSN)中存在因节点能量耗尽和移动节点撒播不均而出现的覆盖洞问题,覆盖洞的出现会降低网络的覆盖率和连通性,严重影响网络性能。为解决该问题,构造一种既有静态节点又有移动节点的混合网络模型,并提出一种WSN中基于分布式的覆盖洞修复算法。利用静态节点指导移动节点移动到最优位置,达到修复覆盖洞目的。仿真实验结果证明,该算法能在空洞覆盖率和节点代价之间取得最佳平衡。     

WSN中基于能量的分布式覆盖控制算法

针对无线传感器网络中节点密度过大、节点剩余能量不均等问题,设计一种基于节点剩余能量的分布式覆盖控制算法,基于概率覆盖模型,按目标区域内节点剩余能量从小到大的顺序,依次通过计算各个节点的区域覆盖概率判定其冗余性,并使冗余节点转入休眠状态。仿真结果表明,该算法能有效降低网络中节点冗余度,延长网络生存时间。     

学习自动机结合节点功率自适应调整的WSN目标覆盖方案

针对大多数现有无线传感器网络(Wireless Sensor Network, WSN)目标覆盖方案没有考虑传感器功率(传感范围)可调的问题,提出一种基于学习自动机(Learning Automata, LA)和节点功率自适应调整的WSN的目标覆盖方案。利用LA算法根据节点能量自适应调整节点的发射功率,构建能够覆盖所有目标的覆盖集,并通过精简过程获得最小覆盖集,从而减低节点的能耗,提高网络的生命周期。通过实验研究了传感器数量和目标数量对网络寿命的影响,并将该方案与基于贪婪算法、遗传算法的方案进行比较,结果表明,该方案能够获得更多的覆盖集和更长的网络寿命。     

无线传感器网络覆盖控制算法研究

无线传感器网络(Wireless sensor network, WSN)覆盖控制通常采用基于二元感知模型的几何计算方法休眠冗余节点, 其算法在实际应用中受到局限, 不够精确. 针对此问题, 本文采用概率感知模型, 提出新的覆盖控制算法, 将提高能量利用效率作为重要指标, 采用节点轮换周期工作机制, 每个周期逐个唤醒部分节点, 组成满足网络覆盖要求的覆盖集, 实现降低能耗、均衡节点能量的目的. 概率感知模型描述网络的覆盖能力更精确, 算法不受感知模型的限制, 原理简单, 易实现, 仿真结果验证了本算法的有效性.     

基于剩余能量动态调整前向角度的路由算法

无线传感器网络(WSN)路由是影响网络寿命的重要因素。关键节点多次通信带来大量能耗,极易导致网络过早瘫痪。针对网络部分关键节点能耗过快问题,提出一种基于下一跳节点剩余能量动态调整前向角度的蚁群路由算法(DAFARE)。首先,节点于初始前向角度范围内根据节点剩余能量和距离来选择下一跳节点;而后,根据前向角度范围内节点剩余能量情况,动态调整前向角度大小;最终达到避免关键节点过早死亡的目的。仿真表明,与基于多目标评价函数与正-负反馈并存机制的蚁群算法(FMEPNF)相比,DAFARE能将网络有效寿命提高约50%。实验结果表明:该算法能有效均衡网络能耗,延长网络生命周期,保证网络有效覆盖范围。