基于CoMOPSO的传感器优化部署方法

传感器优化部署问题是一个涉及传感器覆盖效果、用频冲突概率以及资源利用的多目标优化问题。现有的传感器优化部署方法大多采用加权方式,将多个优化目标转换为单目标进行求解。这种方法不仅依赖先验知识,还会导致最优解的多样性损失。对此,提出一种协同进化多目标粒子群优化(CoMOPSO)算法。设计了一种协同进化框架,通过收敛种群保证高维问题的收敛性,进而快速接近帕累托最优前沿;多样性种群使用??-支配方法保证全局和局部最优解集的完整和多样性;最后采用快速非支配排序和精英个体保留策略提高解的质量。实验结果表明,对于传感器优化部署问题,该方法的反世代距离(IGD)和M3*指标均优于传统优化算法,具有更好的收敛性和多样性,能有效提高传感器网络性能。