基于虚拟力的LoRa浮标网络覆盖优化算法

无线传感网络（WSN）节点部署问题是目前无线传感网络应用研究的关键点。针对传统网络节点部署存在收敛速度慢、全局优化性能不强、感知角度受限的问题,提出一种虚拟力导向的全向感知覆盖算法（VFOPCA）。该算法在传统虚拟力算法的基础上提出热点区域与节点间的受力模型,并采用0/1圆盘覆盖模型,对网络节点部署进一步优化。实验仿真表明,虚拟力导向的全向感知覆盖算法能快速有效地实现网络节点全局优化部署,与VFA、DACQPSO等全向感知模型算法相比,该算法覆盖程度更好、收敛速度更快、能耗程度更低。     

与区域划分及虚拟力相关的三维覆盖算法

针对三维空间中无线传感器网络的节点覆盖问题,提出了与区域划分及虚拟力相关的三维覆盖算法,该算法依据节点间虚拟力及划分区域的算法思想,在每个子区域中心引入吸引源,各节点受到吸引源的引力及节点间作用力,并在合力的作用下重新调整节点的部署范围。通过实验仿真,证明了算法能有效提高目标区域覆盖率,降低节点部署能耗。     

WSN中基于虚拟力的移动覆盖算法

以往移动覆盖算法的主流思想通常为：根据特定算法移动部署好传感节点后,转为静态无线传感器网络进行工作,即网络只在节点部署阶段处于移动状态。针对稀疏无线传感器网络按此思想覆盖率极低,并且通常网络也只需对目标区域实现动态覆盖的问题,提出了基于虚拟力的移动覆盖算法。算法采用虚拟力思想部署节点,划分出节点工作区,并依据等周定理规划出移动轨道,以最小化节点移动距离,并减少重叠覆盖面积,降低感知能耗。仿真实验结果表明,该算法实现了对目标区域的高覆盖率,并有效提高了网络的能量利用率,具有较强实用性。     

无线多媒体传感器网络中的覆盖增强算法

针对无线多媒体传感器网络节点感知范围的视角性和方向性,提出了基于虚拟力和粒子群算法的覆盖增强算法.该算法通过传感器节点之间存在着的大小不等的引力或者斥力的虚拟力作用,调整传感器节点的位置,使网络中节点的分布合理和均匀;通过粒子群优化算法调整有向传感器节点的工作方向以达到覆盖的最大化.仿真实验结果表明,基于虚拟力和粒子群算法的覆盖增强算法能很好的提高网络的覆盖率.     

基于虚拟力和多种群粒子群的覆盖优化HSN节点部署并行算法

针对异构传感器网络中由于节点随机部署而导致覆盖盲区和覆盖冗余的问题,以最大化网络的覆盖率为目标,设计了一种基于虚拟力和多种群粒子群的异构移动节点部署并行算法;首先建立了改进的异构节点概率感知模型和目标优化函数,然后采用虚拟力算法在虚拟力的作用下引导节点移动进行初始部署,为了进一步提高网络的覆盖率和部署的效率,采用改进的多种群粒子群并行算法实现对节点部署的寻优,并定义了具体的部署算法,为了增强网络的鲁棒性,设计了一种当节点失效时的自适应节点替换机制;仿真实验表明:文中方法得到的平均网络覆盖率为95.6%,与其它方法相比,具有较高的网络覆盖率和较少的部署时间,具有较大的优越性。     

基于密集度的虚拟力节点部署算法

针对移动传感器网络节点部署易出现分布不均和能量消耗过高等问题,在传统虚拟力节点部署算法的基础上,提出一种基于密集度的虚拟力节点部署算法,通过对节点所受合力进行分析,推导出具有一定适应性的虚拟力引力参数和斥力参数,同时引入节点密集度的概念,利用节点自身密集度来选择虚拟力模型中最优距离阈值,从而改进传统的虚拟力模型,最终实现网络节点的部署优化.仿真结果表明,在随机部署的情况下,本文提出的算法能够更有效地提高网络覆盖率,减少覆盖漏洞并延长网络的生命周期.     

微粒群融合虚拟力的异构网络覆盖优化策略

研究异构无线传感移动网络的节点覆盖优化问题。为了有效提高异构网络覆盖率,在分析了传统虚拟力算法缺陷的基础上,提出了一种将虚拟力影响因子融入微粒群算法,以解决网络全局优化。首先以网络有效覆盖率为优化适度值,建立网络覆盖数学模型,然后计算六边形布局下的虚拟力距离阈值,将其作为影响参照值作用到微粒群中,防止微粒陷入局部极值,从而指导微粒进化,得到最优网络覆盖;最后通过仿真测试算法性能。仿真结果表明,在由骨干节点与普通节点组成的异构网络中,微粒群融合虚拟力优化算法有更加明显的改善网络覆盖率的优势,且得到经过此算法优化的任何随机部署无缝覆盖的最佳节点数量。     

基于蜂窝网格锚点的虚拟力导向节点部署算法

为满足覆盖需求,提出了一种基于蜂窝网格锚点的虚拟力导向节点再部署覆盖增强算法;算法基于传感器节点覆盖圆盘与其邻居节点覆盖圆盘的交点构成正六边形蜂窝时,有效覆盖面积最大理论,设置对随机部署的节点虚拟引力锚点作为虚拟力导向移动的目标,建立锚点对节点的虚拟引力,建立节点之间虚拟斥力来避免节点移动中的碰撞问题;完成随机播撒的节点在虚拟力的作用下的再部署,提高覆盖率,保证覆盖质量;Matlab R2012a仿真实验中,随机部署不同数量的节点,网络覆盖率均较快达到95%以上,满足覆盖需求。     

基于蝙蝠优化器的三维无线传感器网络节能覆盖增强策略

针对三维无线传感器网络在传感器节点重新部署时,由于复杂和恶劣环境导致的传感器节点电池充电和恢复困难的问题,提出了一种基于蝙蝠优化器的三维无线传感器网络节能覆盖增强策略.首先,利用截角八面体对三维环境进行无缝叠加,将覆盖增强和能量优化问题转化为将节点移动到截角八面体的任务分配问题;其次,基于蝙蝠优化器实现无线传感器网络的最小化总能耗和平衡剩余能量的多目标优化;最后,通过建立仿真模型,与虚拟力导向粒子群优化算法、三维虚拟力算法、及匈牙利算法进行对比分析,验证策略的有效性与可靠性.实验结果表明:所提策略能使节点剩余能量的均匀性分别提高30.53％、43.44％和32.03％,同时能有效降低节点总能耗,并在最大能耗节点的能耗、最终覆盖率和时间消耗方面表现良好,具有较高的可靠性和准确性.     

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。     

WSN中基于可调感知半径的节点睡眠算法

讨论在无线传感器网络中节点的感知半径可调的情况下,如何合理设计节点的拓扑结构,实现网络的能量负载均衡、延长网络的生存周期。在保证覆盖和连通的前提下,分析当感知半径可调时节点的分布特征和拓扑结构,并对现有的冗余节点移除算法进行改进,提出一种自适应调节感知半径冗余节点睡眠算法(AASRS)。实验结果表明,该算法可以提高网络的能量负载均衡水平,并能最大化节点的感知覆盖区域,且使用的活动节点较少。     

无线传感器网络中基于Voronoi覆盖及Delaunay三角剖分图的最小刚性拓扑控制算法

为同时满足覆盖与节能应用需求,本文提出了无线传感器网络中一种最小刚性拓扑控制算法MRTc（Minimal rigid topology control algorithm based on Voronoi coverage and Delaunay triangulation）.该算法基于Voronoi覆盖机制,准确控制节点工作状态,实现活动节点对目标区域的完全覆盖.在此基础上,MRTc利用Delaunay三角剖分图的特点,构建出适用于无线传感器网络的最小刚性拓扑结构.该结构有效约束了网络平均节点度,且同时具有容错性、覆盖性和稀疏性.此外,MRTc引入节点功率控制策略,在维持网络完全覆盖的基础上最小化节点能耗.仿真结果进一步验证了本文提出的MRTc算法的有效性.     

A novel gossip-based sensing coverage algorithm for dense wireless sensor networks

Wireless sensor networks (WSNs) have been widely studied and usefully employed in many applications such as monitoring environments and embedded systems. WSNs consist of many nodes spread randomly over a wide area; therefore, the sensing regions of different nodes may overlap partially. This is called the “sensing coverage problem”. In this paper, we define a maximum sensing coverage region (MSCR) problem and present a novel gossip-based sensing-coverage-aware algorithm to solve the problem. In the algorithm, sensor nodes gossip with their neighbors about their sensing coverage region. In this way, nodes decide locally to forward packets (as an active node) or to disregard packets (as a sleeping or redundant node). Being sensing-coverage-aware, the redundant node can cut back on its activities whenever its sensing region is k-covered by enough neighbors. With the distributed and low-overhead traffic benefits of gossip, we spread energy consumption to different sensor nodes, achieve maximum sensing coverage with minimal energy consumption in each individual sensor node, and prolong the whole network lifetime. We apply our algorithm to improve LEACH, a clustering routing protocol for WSNs, and develop a simulation to evaluate the performance of the algorithm.     

Sensor Distribution Optimization Based on Extending-tree in Sensor Network

In a sensor network,reasonable distribution of sensor nodes will do much good to the improvement of sensorial ability.In a sensor network constructed by randomly scattering,a better sensing coverage can be achieved by topology adjustment utilizing mobility of some sensor nodes.To solve this problem,we define an extending-tree in the sensor network using Voronoi diagrams and Delaunay network.On this base,a new optimization algorithm of sensor node distribution based on genetic algorithm is designed,which provides a sound effective means to improve the sensorial ability of network.Simulation output shows that this algorithm can achieve an optimizing node distribution in the object area,by which sensorial ability of the whole sensor network can be improved at a relatively low cost.     

无线传感器网络层次型拓扑结构控制

无线传感器网络拓扑控制是在满足网络覆盖和连通度的前提下,通过骨干网节点选择,剔除节点之间不必要的无线通信链路,生成一个高效的数据转发网络拓扑结构。层次型的拓扑结构控制利用分簇机制,让一些节点作为簇头节点,由簇头节点形成一个处理并转发数据的骨干网,其他非骨干网节点可以暂时关闭通信模块,进入休眠状态以节省能量。研究了改进的GAF虚拟地理网格分簇算法和TopD isc成簇算法。     

无线传感器网络中基于伸展树的感知节点分布优化

In a sensor network, reasonable distribution of sensor nodes will do much good to the improvement of sensorial ability. In a sensor network constructed by randomly scattering, a better sensing coverage can be achieved by topology adjustment utilizing mobility of some sensor nodes. To solve this problem, we define an extending-tree in the sensor network using Voronoi diagrams and Delaunay network. On this base, a new optimization algorithm of sensor node distribution based on genetic algorithm is designed, which provides a sound effective means to improve the sensorial ability of network. Simulation output shows that this algorithm can achieve an optimizing node distribution in the object area, by which sensorial ability of the whole sensor network can be improved at a relatively low cost.     

无线传感器网络分簇拓扑的覆盖区域节点调度优化算法研究

利用区域分割的方法建立了一种覆盖区域冗余节点的优化调度机制,实现对完全覆盖区域内冗余节点的休眠调度,并将该机制引入无线传感器网络的分簇结构中,提出一种基于分簇拓扑的节点调度优化算法。算法通过控制簇内冗余节点进行休眠,减少簇首的数据通信量和簇成员中工作的冗余节点个数,降低了网络能耗。仿真结果表明,与未考虑冗余节点休眠调度的分簇算法相比,该算法有效提高了网络能量利用率,延长了网络生命期。     

基于虚拟力算法的WMSNs覆盖研究

为了提高无线多媒体传感器网络（WMSNs）区域覆盖率,在传感器节点随机部署后,通过调节传感器节点的感知方向,使节点从感知重叠区域向覆盖盲区转动,提高网络覆盖率。针对现有算法中存在覆盖效率和覆盖率不能统一的问题,提出一种改进的虚拟力覆盖算法（VFARCR）,该算法利用传感器节点感知扇形区域质心点间的斥力调节感知方向,且通过传感器节点间的覆盖冗余度的决定方向调整的大小,虚拟力和覆盖冗余度共同控制传感器的转动。仿真实验表明：该算法提高了覆盖效率和覆盖效果,提高了虚拟力覆盖算法的性能。     

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。     

Spatially distributed area coverage optimisation in mobile robotic networks with arbitrary convex anisotropic patterns

Coordination of the mobile nodes for area coverage applications in a distributed wireless sensor network is examined in this article, where the nodes’ sensing domains are arbitrary strictly convex compact sets, though identical among each other as far as shape and orientation are concerned. Unlike works that utilise standard Voronoi tessellation for coordination of homogeneous mobile nodes with circular sensing patterns, in this article the planar space is partitioned via an innovative way into subsets based only on the nodes’ coverage footprints, rather than the nodes’ coordinates. The proposed control scheme is spatially distributed, leading to a locally area-optimal network configuration, while connectivity issues are analysed via worst case scenario topology. Efficiency of the proposed scheme is further confirmed via comparative simulation studies.