基于粒子群算法的无线传感网络覆盖优化策略

无线传感器网络覆盖控制是研究在保证服务质量条件下,为了实现网络覆盖范围的最大化.采用覆盖优化策略及算法的应用,有助于网络节点能量的有效控制、感知服务质最的提高和网络生存时间的延长.提出基于概率测量模型的粒子群优化策略,以网络有效覆盖率为优化目标,通过粒子群算法实现覆盖控制并详细分析了传感半径对覆盖性能的影响.仿真实验表明,粒子群优化策略的有效覆盖率达到了85.63%,能有效地实现无线传感网络覆盖优化.     

混合无线传感器网络节点覆盖优化

为了解决混合无线传感器网络的节点覆盖率低的问题,提出了改进粒子群的混合无线传感器网络节点覆盖迭代优化算法.在该算法中,首先将混合无线传感器网络节点覆盖模型转化为在网络系统中动态的求覆盖率最大值的节点部署位置寻优问题;然后提出利用改进粒子群算法对节点覆盖优化方案进行粒子及其权值映射,并依据粒子粒距聚类度和粒子信息熵对粒子权值进行调整,再依据粒子适应度值对粒子局部最优值和全局最优值进行更新;最后迭代地对粒子的位置和速度进行计算,输出具有最优覆盖率的节点部署方案.仿真结果证明,该算法能够有效的提升网络覆盖率,且算法的收敛速度快.     

无线传感网络覆盖算法及仿真研究

研究无线传感器覆盖算法,针对标准粒子群算法的网络覆盖存在收敛速度慢、易于陷入局部最优值的问题,为满足动态节点选择实时性的要求,提出一种多粒子群的无线传感网络覆盖算法.以无线传感器最大覆盖率为目标函数,通过多个粒子群彼此独立地搜索解空间,加大粒子的搜索范围,减小陷入局部最优的可能性.采用进化粒子,使粒子覆盖更有效率,提高了算法的寻优能力,有效地避免了标准粒子群算法容易出现的"早熟"问题,提高了算法的稳定性.仿真实验表明,与标准粒子群算法、传统遗传算法和新量子遗传算法的优化效果相比较,其覆盖率分别提高了8.39%、3.07%和0.75%;收敛速度提高了25.3%、23.8%和23.8%,证明粒子进化的多粒子群方法有效地优化无线传感网络,实现节点选择的实时性要求.     

基于改进粒子群的无线传感网络覆盖优化方法

常规的无线传感网络覆盖方法一般采用三角划分策略,存在覆盖节点分布不均匀、覆盖范围有限、覆盖率较低等不足,具有较大的局限性。针对此问题,引入改进粒子群算法,提出一种全新的覆盖优化方法。首先,设计无线传感网络区域覆盖,使传感器节点均匀覆盖在整个待监测物体所在区域;其次,建立节点感知模型,实时反映像素点与无线传感器节点距离的动态变化;最后,设计基于改进粒子群的覆盖优化算法,实现无线传感网络覆盖率最大化的目标。实验结果表明,所提方法能够显著提高网络区域覆盖率,覆盖率均在96%以上,全局覆盖优化能力较强。     

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.     

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。     

基于改进PSO算法的WSN覆盖优化方法

提出基于概率测量模型的改进粒子群优化方法,以网络有效覆盖率为优化目标,通过改进粒子群算法实现无线传感器网络的覆盖控制。分析传感半径以及离散化栅格点数对覆盖性能的影响。仿真实验表明,利用改进粒子群优化方法的有效覆盖率达到88.22%,证明了该方法的有效性。     

改进粒子群算法的无线传感器网络节点定位

为了提高无线传感器节点的定位精度,针对粒子群优化算法存在的问题,提出一种改进粒子群优化算法的无线传感器网络节点定位方法。根据锚节点选择准则,把上一代和当代节点位置的平均值作为下一代目标节点的参考节点,采用改进粒子群算法对节点的定位结果进行优化,在Matlab 2012平台上进行仿真对比实验。仿真结果表明,相对于标准粒子群算法,改进粒子群算法加快了定位速度,提高了无线传感器节点定位精度,应用范围更广。     

无线传感器网络覆盖优化算法研究

无线传感器网络覆盖控制是研究高密度部署的无线传感器节点集选问题.针对网络严重的冗余问题,影响网络的优化机制.为了有效控制网络节点能量、提高感知质量、大大延长网络的生存时间,采用覆盖优化算法.以网络有效覆盖率和节点最小利用率为优化目标,提出一种混合杂交算法的优化覆盖机制,在算法中扩展杂交算子可增强混合算术杂交算子局部搜索能力.采用改进方法进行仿真,结果表明混合杂交方法能快速收敛到更精确的解,从而更好地降低了网络冗余,延长网络的生存时间.     

网络节点覆盖优化仿真研究

为了提高无线传感器网络节点的覆盖率,延长网络生存时间,在分析基本粒子群优化算法缺陷的基础上,提出一种逃逸粒子群算法的网络节点覆盖优化方法.首先以网络覆盖率作为优化目标,然后采用逃逸粒子群算法进行求解,求解过程中,引入遗传算法交叉机制保持粒子群的多样性,防止“早熟”现象出现,并采用动量算法对粒子搜索轨迹进行平滑,加快收敛速度,最后通过仿真测试算法的性能.仿真结果表明,逃逸粒子群算法克服了基本粒子群算法存在的覆盖率低的缺陷,获得了更好无线传感器网络节点覆盖率优化效果.     

异构无线传感器网络中多目标优化节点部署策略

针对异构无线传感器网络节点高密度部署和事件发生存在"热点区域"问题,以区域覆盖率最大和网络能耗最小为优化目标,提出了一种基于多目标优化的二进制粒子群算法,对节点部署进行多目标优化。该算法采用概率感知模型,引入强支配系数使得解分布均匀,结合Pareto最优解选择排序和基于自适应权重的适应度分配,进而获得异构节点部署解。仿真结果表明:该算法能对目标空间进行广泛搜索,与NSGA—Ⅱ算法相比,算法具有良好的收敛性,能有效地提高网络的覆盖率和降低网络能耗。     

混沌粒子群算法在矩阵秩RSSI算法中的研究

为了解决RSSI算法中矩阵的冗余度并且延长整个无线传感器网络的生命周期,在RSSI算法的基础上提出了一种基于矩阵秩的混沌粒子群的RSSI算法。由于无线传感器网络中的节点的内存和能源的有限性,故引入了混沌粒子寻优的算法和矩阵秩的概念来解决这方面缺陷,并通过迭代得到最佳节点坐标。仿真结果表明,基于矩阵秩的混沌粒子群的RSSI算法不仅具有良好的定位精度,并且节约了节点内存和能源。     

基于人工鱼群和微粒群混合算法的WSN节点部署策略

将无线传感器网络节点分布部署问题形式化为一个组合优化问题,以网络覆盖率为目标函数。针对该模型 提出基于人工鱼群与微粒群的混合算法的无线传感器网络节点部署优化策略。微粒群算法搜索效率高,而人工鱼群 算法进行搜索时有很好的全局性。AF SA-POS算法将这两种算法相结合,局部搜索速度快,而且有效地解决了标准 PS<)算法中的粒子“早熟”问题。最后使用MA"I'LAI3进行了实验,结果表明提出的算法减少了迭代次数,并且提高了 网络覆盖率,相对于人工鱼群算法和微粒群算法来说能取得更好的效果。     

基于多粒子群算法的WSNs覆盖优化策略研究*

为了改善无线传感网络的性能,提高网络的覆盖率,在粒子进化的多粒子群算法的基础上,提出了一种无线传感网络覆盖的优化策略。该策略通过多个粒子群彼此独立地搜索解空间, 提高了算法的寻优能力,有效地避免了基本粒子群算法容易出现的“早熟”问题,提高了算法的稳定性。仿真实验表明,与基本粒子群算法、传统遗传算法和新量子遗传算法的优化效果相比较,其覆盖率分别提高了8.39％、3.07％和0.75％;收敛速度提高了25.3％、23.8％和23.8％。因此粒子进化的多粒子群优化策略具有比这三种算法更好的覆盖优化效果。     

基于混沌粒子群算法的无线传感器网络覆盖优化

为了改善传感器节点随机部署时的不合理分布,提高网络覆盖率,以网络覆盖率为优化目标,提出了基于混沌粒子群的无线传感器网络覆盖优化算法。该算法利用混沌运动的遍历性和随机性,克服了粒子群算法后期陷入局部最优的缺点。仿真结果表明,该算法比基本粒子群算法具有更好的覆盖优化效果。     

面向智慧教室的无线传感网边缘节点智能部署方法

摘 要: 为降低部署后的通信时延,提高智慧教室的数据发送与网络使用效率,提出面向智慧教室的无线传感网边缘节点智能部署方法。以智慧教室场景中良好的通信、最大限度降低部署边缘节点成本为优化目标,构建边缘节点智能部署的目标函数。针对目标函数设定流量约束条件、无线传感网数据流约束条件、节点计算能力约束条件。自适应调整粒子群优化算法的惯性权重、粒子更新速度、Pareto最优解保存策略,设计多目标改进粒子群优化算法求解目标函数,实现面向智慧教室的无线传感网边缘节点智能部署。测试结果表明,该方法的时延较低,网络计算能力较高,保证了智慧教室无线传感网通信和传输质量。     

基于模糊粒子群算法的有向传感器网络路径覆盖策略*

建立有向传感器节点模糊感知模型,利用模糊数据融合规则减少网络不确定区域.对于有向传感器网络路径覆盖问题,提出基于模糊粒子群算法的有向传感器网络路径覆盖增强算法,将n维求解问题转化为一维求解问题,以提高单个传感器节点净覆盖域为目的,提高网络覆盖率.仿真结果表明,对于感知方向可连续调节的有向传感器网络节点,在随机部署情况下与现有算法对比,文中算法能有效提高有向传感器网络路径覆盖率,并且具有较快的收敛速度,延长网络生存期.     

关于无线传感器网络定位算法仿真

针对无线传感器网络(WSNs)节点定位的问题,提出了一种通过构建粒子群机制的量子神经网络模型优化距离矢量跳跃(DV-HOP)的定位算法(PSO-QNN),根据传统DV-HOP所得到的平均距离和实测节点距离构建量子神经网络模型,并通过粒子群算法对平均距离进行训练,从而得到较优平均值,实现了对DV-HOP算法的优化.算法缩短了传统人工神经网络的训练时间,并且加快了收敛速度.仿真结果表明:与传统DV-HOP算法相比,所提出的PSO-QNN算法能够减少约20%的定位误差,定位精度显著提高.     

群混合算法应用于异构传感网络节点的优化部署

针对异构传感网络节点初始随机部署时产生覆盖盲区和覆盖冗余的问题,以降低节点成本和提高网络覆盖率为目标,引入ε-目标约束法,提出一种基于粒子群算法和鱼群算法的群混合算法。该群混合算法首先建立个体中心的概念,将鱼群算法的聚群行为和追尾行为的思想引入到粒子群算法中以快速寻取个体的最优位置的解域,再利用粒子群算法对个体的速度和位置进行迭代寻优。仿真结果表明,该群混合算法与标准粒子群算法和标准鱼群算法相比,在网络覆盖率和成本目标之间能达到更好的平衡和优化。