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。     

基于萤火虫群优化算法的无线传感器节点部署

为了提高传感器节点部署覆盖率,针对目前网络覆盖存在覆盖死角、节点冗余及不能再度优化的问题,在检测区域已知的情况下,提出基于萤火虫群优化(GSO)算法的传感器节点部署方案,并对原方案进行改进。该算法中,传感器节点等同于萤火虫,覆盖信号强度即是荧光素浓度,首先对节点进行随意初始部署,然后通过计算移动概率的大小,判断节点移动方向,最终完成节点部署。实验仿真表明,该部署方法适用于大量传感器节点部署,覆盖面积广,灵活性强。     

基于微粒群模型的移动传感器网络部署研究

传感器节点的部署是无线传感器网络中的很重要的问题,因为它反映了传感器网络的成本和监视能力.为了减少传感器节点部署时产生的覆盖盲区,提高网络的覆盖率,提出了一种新的基于微粒群模型的移动传感器节点位置优化配置算法.该算法根据节点的位置信息建立节点部署优化模型.利用微粒群算法求解该优化模型,优化过程中的最优解作为节点的最终配置位置.仿真结果表明该算法最大可能地减少了网络中的覆盖盲区,有效改善了网络的覆盖率.     

基于改进鲸鱼优化算法的WSN覆盖优化

针对无线传感器网络在随机部署移动节点时,存在分布不均匀导致的覆盖率较低的问题,以网络覆盖率最大化为目标建立网络覆盖优化模型,提出一种基于改进鲸鱼优化算法(IWOA)的网络覆盖优化策略;首先,采用量子位Bloch球面坐标编码初始化种群,提升种群多样性,扩展搜索空间的遍历能力;其次,提出一种基于步长改进的位置更新方式,平衡算法的全局探索和局部搜索能力;最后采用莱维飞行,对个体进行扰动更新,提高跳出局部最优的能力。仿真结果表明,将改进后的鲸鱼优化算法应用在WSN覆盖优化中,与标准鲸鱼优化算法和其他文献中的算法相比,有效减少了传感器节点冗余,表现出更快的收敛速度和更高的覆盖率,进而改善网络监测质量,延长网络生存时间。     

基于自组织图算法的水下传感器网络优化部署研究

水下传感器网络部署是开展水下传感器网络相关应用的基础,良好的传感器节点部署方案可以有效提高目标的监测质量;针对水环境中随机事件的突发性和不确定的特点,提出了基于自组织图算法的水下传感器网络优化部署方案;首先,随机部署传感器节点,预设随机事件呈L型不均匀分布,当随机事件发生在传感器覆盖漏洞处时,采用自组织图算法确定传感器节点需要移动到的目标位置;仿真结果表明,基于自组织图算法的水下传感器网络优化部署方案可以显著提高对随机事件的覆盖率,实现对水环境的有效监测。     

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。     

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。     

基于改进蚁群算法的无线传感器网络节点部署

为了降低无线传感器网络的总体能耗,保证信息的有效采集,针对无线传感器网络节点分布部署问题进行了研究,将其形式化为一个组合优化问题,以网络覆盖率为目标函数;提出了一种基于改进蚁群算法的节点优化部署方法,并对信息素扩散源搜索策略以及信息素更新方式进行改进;仿真结果表明,算法能够在监测目标区域内以相对较小的代价完成传感器网络节点的分布优化,并能降低网络的能耗,提高网络的整体覆盖率.     

异构WSNs中节点稳定匹配的覆盖空洞修复优化算法

针对异构无线传感器网络中初始节点随机部署或节点失效产生覆盖盲区的问题,提出一种节点稳定匹配的覆盖空洞修复优化算法(ROA-NSM)。首先,对静态节点进行Voronoi多边形划分确定节点覆盖盲区,通过Delaunay三角形计算虚拟修复节点位置;其次,基于距离和能量阈值函数计算节点优先级,建立虚拟修复节点与移动节点的稳定匹配关系;最后,通过移动节点位置的移动,实现覆盖空洞修复的优化。仿真实验表明,优化算法使每个虚拟修复节点有最优的移动节点匹配,通过与已有相关覆盖空洞修复算法比较,ROA-NSM优化算法收敛速度加快,匹配次数和节点移动距离减少,覆盖率提高。     

三维曲面多移动节点的传感器网络部署算法

目前大多数传感器网络部署研究主要集中在二维平面和三维全空间区域,然而,许多现实世界的应用领域是一个复杂的三维空间曲面,现有的覆盖方法不能取得较好的结果。本文研究三维空间曲面传感器网络部署方法,提出一种三维曲面多移动节点的传感器网络部署算法,采用静态节点和动态节点组成的混合传感器网络,由静态节点估算覆盖空洞的位置和面积,再通过移动节点对覆盖空洞进行依次修复。仿真结果表明,该算法的最终网络覆盖率达到了99%,比3DGA算法提高了6个百分点,比Delaunay算法提高了8.5个百分点,同时降低了网络整体能耗。     

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。     

改进QGA在WSNs节点部署中的应用

对含有障碍区域的无线传感器网络（WSNs）节点部署问题进行研究。建立节点探测模型和网络覆盖率评价方法,基于概率传感器模型提出一种部署方式,即对障碍区域进行随机布撒节点,确定区域采用量子遗传算法（QGA）寻找最优节点部署位置,实现对同构WSNs节点构成的目标区域的高效覆盖。仿真结果与GA,QGA相比：改进QGA有效提高了算法整体的搜索能力和收敛速度。     

异构有向传感器网络两阶段动态覆盖算法

针对异构有向传感器网络部署过程中覆盖冗余和能耗过高的问题,基于混合移动策略提出一种两阶段动态覆盖算法。采用逐步求精的方式调整节点的感知方向,以减少覆盖冗余,在此基础上检测覆盖空洞,利用改进的差分算法将冗余节点移动至优化位置,从而修复覆盖空洞。实验结果表明,该算法能有效提高网络覆盖率,降低能量消耗。     

基于改进人工萤火虫算法的无线传感网络覆盖优化

为了提高网络资源利用率延长网络生存时间,提出一种基于共轭梯度法改进人工萤火虫算法(CAGSO)的WSN覆盖优化方案;共扼梯度法是利用目标函数的梯度逐步产生共轭方向并将其作为搜索方向的方法,即利用已知点处的梯度构造一组共扼方向并沿这组共扼方向进行搜索,这种方法经有限次迭代必达极小点;首先建立以覆盖率、节点利用率和能量均匀为准则的覆盖优化数学模型,然后采用改进的CAGSO算法求解该模型,从而得出最优覆盖方案;仿真分析说明,相比基本人工萤火虫算法,改进的CAGSO算法优化的网络覆盖率可以达到94.11%,有效实现WSN覆盖优化。     

一种基于二分编码的无线传感器与执行器网络移动覆盖算法

在无线传感器与执行器网络中,可以通过调整剩余节点的位置来提高目标区域覆盖率,以更好地为sensor节点服务.提出了一种基于二分编码的网络移动覆盖算法(SMR算法).在每次搜索中,试探性地调整失效节点区域的临近执行器节点位置来寻找最佳位置,重复此搜索过程直到覆盖数不再增加,以实现近似的局部最优覆盖.本算法提高了剩余节点的覆盖率,减少了执行器节点移动的消耗,与已有算法相比也表现出了较好的性能.     

改进双边滤波与平均 γ 矫正的图像增强

为了提高无线传感器网络节点覆盖率,均衡能量利用,提出一种基于动态分级蝴蝶优化算法的节点部署策略。为了提高传统蝴蝶优化算法的寻优精度和速度,引入混沌映射进行种群初始化,确保种群多样性;采用动态分级策略,根据种群个体适应度,将种群划分为差质、中等和优质三种等级,并分别利用黄金正弦变异、惯性权重位置更新和精英引导对三类种群优化,提高算法收敛速度,增强摆脱局部极值的能力。应用动态分级蝴蝶优化算法求解传感器节点覆盖优化问题,将融合覆盖率、能量均衡和节点闲置率的目标函数作为适应度函数,对节点部署位置迭代寻优。实验表明,改进蝴蝶优化算法能够有效实现节点优化部署,提高网络覆盖率,以均衡的能量使用,提升网络生存时间。     

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。     

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。     

改进萤火虫算法性能分析及其在WSNs网络覆盖中的应用

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。     

基于蜂窝结构的改进混合无线传感器网络覆盖优化算法

基于蜂窝结构的混合无线传感器网络（HWSN）覆盖优化算法HWSNBCS存在移动节点平均移动距离较大的问题,为此,提出一种改进的HWSN覆盖优化算法IHWSNBCS。寻找移动传感器节点初始位置与通过HWSNBCS算法得出的候选目标位置之间的最优匹配,将移动节点移动距离之和最小化问题转化为二分图最优匹配问题,利用带权二分图匹配算法KM寻找该匹配问题的最优解,从而得到移动节点最终的目标位置,并实现对HWSNBCS算法移动节点平均移动距离的进一步优化。实验结果表明,IHWSNBCS算法在取得与HWSNBCS算法相同网络覆盖率的前提下,移动节点的平均移动距离减少幅度达到38.87%~43.28%,单个移动节点的最大移动距离减少幅度达到22.65%~66.58%,降低了系统因重新部署移动传感器节点所产生的能耗以及单个传感器节点因能量耗尽而失效的概率,从而延长了网络生命周期,同时,IHWSNBCS的ΔCov-Dist性能指标为HWSNBCS算法的1.64~1.76倍,表明移动节点移动相同距离时IHWSNBCS算法的网络覆盖率提升更大。