基于微粒群优化的有向传感器网络覆盖增强算法

覆盖作为无线传感器网络监测中的基础问题反映了无线传感器网络的感知服务质量.在分析节点主感知方向可调模型的基础上,提出了一种微粒群优化的有向传感器网络覆盖增强算法.该算法针对节点主感知方向设计微粒适应值函数和种群进化策略, 以区域覆盖率为优化目标,通过微粒群优化有效调整传感器节点的主感知方向,从而达到有向传感器网络的覆盖增强.实验验证了算法的有效性.     

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。     

无线传感网中三维覆盖控制和节点调度的研究

无线传感器网络中采用二元感知模型方法计算休眠冗余节点具有局限性和不精确性.本文考虑到实际应用环境对节点感知能力的影响以及传输过程中的路径损耗问题,对监测区域采用三维网格建模,并在概率感知模型的基础上提出一种概率感知衰减模型,同时对当前二维覆盖控制算法存在的各种局限性,提出了一种基于概率的分阶段冗余唤醒策略.仿真结果表明,该算法均衡了网络节点能量,实现了网络能耗的有效性,延长了网络的生存期.     

有向传感器网络覆盖增强研究

为提高视频传感器网络的感知覆盖率,基于有向传感器感知模型,提出一种利用Voronoi图的视频传感器网络覆盖增强算法。该算法采用质心替代节点扇形感知区域并构造Voronoi图,通过调整节点感知方向对代替扇形感知区域的质心进行均匀分布,以消除网络中感知重叠区和盲区,提高整个有向传感器网络覆盖率。仿真结果表明,该算法能够有效提高网络覆盖率并能快速收敛。     

基于混沌粒子群的有向传感器网络覆盖优化

研究有向传感器网络覆盖控制问题,全向传感器不能直接应用于有向传感器网络.为改善有向传感器网络覆盖性能,在分析有向感知模型的基础上,提出了应用混沌粒子群的有向传感器网络覆盖优化算法,可随机部署有向传感器网络,以网络区域覆盖率为优化目标,利用粒子群算法较快的收敛速度和混沌搜索的遍历性、随机性,通过调整传感器节点的主感方向,减少网络感知重叠区和感知盲区.仿真结果表明,改进算法能有效提高网络覆盖率.与基本粒子群等覆盖优化算法相比,改进算法覆盖优化性能更好.     

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。     

无线多媒体传感器网络混合虚拟势场覆盖研究

主要研究无线多媒体传感器网络的模型优化和区域覆盖增强问题.首先从多媒体传感器节点具有方向性的感知特性出发,针对视频可接受清晰度问题,设计了一种改进的扇环感知模型,并以此为基础对无线多媒体传感器网络(WMSN)中区域覆盖增强问题进行研究.其次,采用混合虚拟势场对WMSN 的区域覆盖进行增强,质心在虚拟势场产生的引力和斥力作用下运动.算法针对传统虚拟势场可能出现因局部极小而导致覆盖优化效果降低的问题改进了斥力函数,引入邻居节点共同覆盖率辅助节点感知方向的调整.并在传感器节点迭代完成后引入边界斥力,以进一步优化边界节点的利用率.最后通过一系列的模拟仿真实验和效率对比表明了算法的有效性.     

视频传感器网络中无盲区监视优化

针对监控区域存在障碍物的情况,从无线视频传感节点的有向感知特性出发,讨论了视频传感器网络覆盖效果与监控区域之间的相互关系.在此基础上,定义了视频传感器网络的无盲区覆盖模型.基于虚拟势场的工作原理,提出了一种适用于无盲区覆盖模型的覆盖率动态优化算法PFOFSA(potential field based occlusion-free surveillance algorithm).设计了PFOFSA中虚拟力的相互作用方法与监控节点运动规则,通过监控区域、重叠区域和遮挡区域之间的相互作用,逐步消除网络中的感知重叠区和盲区,优化视频无线传感器网络的覆盖率.最后,通过一系列的仿真实验分析了不同监控区域参数对PFOFSA算法的影响,验证了算法的有效性.     

WSN关键区域覆盖启发式优化算法

针对无线传感器网络关键区域覆盖NP完全问题,提出一种关键区域覆盖启发式优化(CACHO)算法。该算法基于单位圆通信模型对关键区域覆盖问题进行描述,为关键区域格点与一般区域格点分配不同权值,以创建感知区域图和终端集合,形成具有最少数量的关键区域覆盖格点集合。与现有覆盖算法NPCC的比较结果表明,CACHO算法放置的传感器数量较少,能完全覆盖关键区域。     

权重感知的三维室内无线传感器网络部署算法

已有室内受限空间无线传感器网络部署问题的研究均未综合考虑各种部署应用需求以及障碍物对无线传感器信号的干扰,导致传感器感知与通信能力的浪费。为解决上述问题,提出了一种基于启发式算法的无线传感器网络部署算法,该算法利用贪心策略在有障碍的三维室内环境中进行部署,并在此基础上设计了权重感知的遗传算法优化策略用以求解全局最优部署方案。部署算法利用分权的方式描述不同空间区域的重要性,利用带方差的对数正态阴影模型建模信号衰减过程,在获得最大覆盖效果的同时最小化部署开销,并保证空间k覆盖和网络连通性。实验结果表明,障碍物对无线传感器节点造成一定影响时,提出的WCRH算法与OWCRG算法的性能均优于使用传统Lineof-Sight(LoS)模型的基于面积开销比的启发式算法。     

全向感知型传感器覆盖率优化研究

为了降低全向感知型应变传感器网络的节点布置数量以及提高传感网络的测量精度,研究全向感知型传感器覆盖率优化问题。分析了全向感知传感器数学模型,对覆盖率优化问题进行数学化描述,建立优化函数,确定优化目标。使用全局人工鱼群算法对所建立的传感器覆盖率优化函数进行求解,得出最优传感器节点布置方案。研究结果表明:在传感器节点数量较少时,使用优化方法得到的覆盖率提升较为明显;随着节点数量的增多,使用优化方法得到的覆盖率曲线逐渐平缓。使用所研究的优化方法后,测量的应变相比人工随机布置传感器测量值更接近真实值,具有较高的测量精度。     

On efficient deployment of sensors on planar grid

One practical goal of sensor deployment in the design of distributed sensor systems is to achieve an optimal monitoring and surveillance of a target region. The optimality of a sensor deployment scheme is a tradeoff between implementation cost and coverage quality levels. In this paper, we consider a probabilistic sensing model that provides different sensing capabilities in terms of coverage range and detection quality with different costs. A sensor deployment problem for a planar grid region is formulated as a combinatorial optimization problem with the objective of maximizing the overall detection probability within a given deployment cost. This problem is shown to be NP-complete and an approximate solution is proposed based on a two-dimensional genetic algorithm. The solution is obtained by the specific choices of genetic encoding, fitness function, and genetic operators such as crossover, mutation, translocation for this problem. Simulation results of various problem sizes are presented to show the benefits of this method as well as its comparative performance with a greedy sensor placement method.     

VeSense: High-performance and energy-efficient vehicular sensing platform

Although vehicular sensing where mobile users in vehicles continuously gather, process, and share location-sensitive and context-sensitive sensor data (e.g., street images, road condition, traffic flow) is emerging, little effort has been investigated in a model-based energy-efficient network paradigm of sensor information sharing in vehicular environments. Upon these optimization frameworks, a suite of optimization subproblems: a program partitioning and network resource allocation problem, we propose a distributed vehicular sensing platform, called VeSense where mobile users in vehicles publish/access sensor data via a cloud computing-based distributed P2P overlay network. The key objective is to satisfy the vehicular sensing application’s quality of service requirements by modeling each subsystem: mobile clients, wireless network medium, and distributed cloud services. By simulations based on experimental data, we present the proposed system can achieve up to 37 times more energy-efficient and 73 times faster compared to a standalone mobile application, in various vehicular sensing scenarios applying a realistic mobility model.     

基于概率优化的水下通道感知能量优化路由

针对水下传感器网络能量损耗较大,延迟较严重的问题,提出一种基于概率优化的水下通道感知能量优化路由（PPUN）。在能量优化上,针对水下节点随机覆盖存在的多余感测覆盖范围所造成的额外能量损耗问题,采用传感器节点数量的概率优化方法,在保证覆盖率和节点连通率的情况下推导出网络所需要的最小节点数目,从减少传感器数目的问题上来优化总体能量。而针对路由的能量损耗问题,在节点的链路规划上采用了通道感知路由算法,考虑了在一定能量损耗阈值条件下的最短节点路径,避免水下节点盲目选择能量损耗较大的最短路径而导致数据转发失败,消耗更多能量。延迟问题抓住主要的解码延迟问题进行了分析并利用HARQ-III方案对延迟时间加以控制。实验对比分析表明,算法采取控制传感器数目和链路规划的方法,在实现能量优化上具有一定优势,延迟控制方案也得到了较好的效果。     

基于Lyapunov优化的时变无线传感网路由研究

针对无线传感网应用中监测环境具有随机性和不可预测性等因素使得节点感知速率通常是时变的且某些时刻会超出链路容量的实际问题,设计了一种时变路由算法.在该算法中,将时变感知速率下的路由问题建立成以时均的网络能耗与丢弃感知数据代价的加权和最小为目标的随机优化模型,并利用Lyapunov优化技术求解该模型,进而得到一种路由策略来实时决策每条链路上的数据流量以及由于节点感知速率持续超出链路容量而不得不丢弃的数据量.进一步,讨论感知数据不被丢弃的条件,建立目标函数与感知信息最大传输时延之间的权衡关系.最后,通过仿真实验,验证了本文算法在能耗、感知数据的丢弃量及传输时延之间的均衡关系.还在不同的最大数据感知速率下,比较了本文算法与AVE算法的性能.     

雾计算中跨层感知分簇路由协议

传统的以数据为中心的路由协议,往往会导致传感网中出现在大量的“能量空洞”或“热点”现象。为了克服上述现象,借助雾计算理论模型,提出了一种基于雾计算跨层感知分簇路由协议（A Cross-layer-sensing Clustering Routing Protocol Based on Fog Computing,CCRP）。该协议通过跨层映射原理,利用感知事件驱动机制将雾节点映射到传感层,构成功能强大的虚拟控制节点,将传感网分簇路由协议的控制过程上传至雾层,通过雾计算实现事件域节点分布式成簇路由汇聚中心,从而建立以映射雾节点为中心的优化数据聚合路由,取代传感网底层路由中的数据,进一步平衡并减少网络负载。在路由协议优化阶段,利用粒子群优化算法（Particle Swarm Optimizations,PSO）采用无竞争开销方式选举一组最佳节点担任簇首,能有效地均衡全网能量的开销,抑制传感器节点能量的快速消耗,延长了网络生存周期。仿真实验表明,CCRP协议能够有效抑制网络开销的同时还可以高效完成对数据的优化过程。     

基于T-S模糊系统的软测量混合建模研究

在分析几种模糊系统建模方法的基础上，提出一种简单有效的软测量建模方法．该算法基于变结构构造法模糊建模思想，均匀设计模型的初始结构，以绝对误差为建模指标，通过增加模糊规则来提高T S模糊系统的精度．为降低规则参数辨识的计算量，提高建模速度，将规则参数分为线性和非线性两部分，分别采用Levenberg Marquardt法与最小二乘法进行辨识．实例证明，本文所提出的建模方法规则分布合理，收敛速度快，泛化性能好，适合建立多输入的软测量模型，具有较好的实际应用价值．     

基于IATLBO与稳态初值寻优的波动热工系统建模

针对人为选取热工系统稳态分量不准确,造成建模精度下降的问题,提出一种基于IATLBO(improved adaptive teaching-learning-based optimization algorithm)与稳态初值寻优的波动热工系统建模方法。方法将系统稳态分量与模型参数均看作未知量,依据智能优化算法寻优过程中所分配的系统稳态分量,动态的对系统输入输出数据进行稳态分量的剔除,从而有效的避免人为选取所产生的误差;寻优过程选取智能优化算法为教学优化算法,结合真实教学过程,对算法进行了改进,并应用标准测试函数进行仿真,验证了算法的高效性。对某波动热工系统进行建模,表明了上述方法的有效性。     

基于概率感知模型的边界区域分布式多重覆盖算法研究

在无线传感器网络监视预警应用中,“边界”的地位突出而重要。为了提高边界区域内的监测概率,研究了节点为概率感知模型条件下的分布式多重覆盖算法。根据传感器节点感知圆盘的相互关系,将整个边界区域划分为不可再分割的可数个最小区域块,然后利用改进的贪婪式算法对整个边界区域进行分布式多重覆盖算法研究,最终通过仿真比较,验证了非理想状况下对边界区域实行多重覆盖可在保证能效的前提下有效提高边界覆盖率。