基于特征点集GABC算法的WSN覆盖优化

针对人工蜂群算法利用网格点计算网络覆盖率会导致计算量大且容易陷入局部最优解的问题,提出一种基于特征点集的全局最优解人工蜂群算法优化无线传感器网络。首先将目标区域划分成有限个特征点,用传感器对特征点的覆盖来转化为对若干特征点的覆盖计算,减少求解覆盖率的计算量,进而描述整个网络的覆盖情况。然后在特征点集的基础上,将全局最优解人工蜂群算法成功应用在网络覆盖领域,并且重点对比标准人工蜂群算法和基于全局最优解人工蜂群算法在网络覆盖上的性能。仿真实验结果表明基于全局最优解人工蜂群算法优化节点覆盖后,覆盖率得到有效的提升且不易陷入局部最优解。     

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.     

无线传感器网络中覆盖控制算法研究及改进

通过分析经典的无线传感器网络节点调度算法——CPNSS算法,针对其利用率低、能量不均衡的问题,提出了一种高效节能的无线传感器网络覆盖优化算法(ECPNSS),该算法对中心角计算法进行了扩展改进,提高了冗余节点判定效率,同时考虑了网络的连通性,均衡了网络能量。通过对算法的仿真,验证了ECPNSS算法在保持网络初始覆盖的前提下,极大地提高了冗余节点判定效率,降低了网络冗余。     

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。     

无线传感器网络覆盖质量与节点休眠优化策略

研究网络优化安全可靠性问题,在无线传感器网络中,网络的能量有限,为了降低能耗,针对提高覆盖质量和降低能耗是一对矛盾,需要权衡考虑,可通过使部分节点休眠的方法来降低能耗,为了保持较高的覆盖质量,又需要较多的活跃节点.提出了一种无线传感器网络覆盖质量与节点休眠优化策略,对传感器节点随机冗余部署和随机休眠方案,建立覆盖质量与节点休眠之间关系的理论模型,引进调整覆盖质量与节点休眠的权衡问题,采用粒子群算法寻求两者间的最优化组合进行仿真,验证了模型的正确性及优化策略的可行性,为无线传感器网络节点休眠调度机制的实际应用提供了依据.     

无线传感器网络中基于遗传算法的优化覆盖机制

覆盖作为无线传感器网络应用的一个基本问题．反映了网络监测和实现目标跟踪的质量效果．针对传感器节点的高密度部署情况，研究了工作节点集选取问题．提出两种基于加权遗传算法和基于约束遗传算法的优化覆盖机制．根据生成的适值函数进行遗传算法操作．并计算传感器网络充分覆盖区域所需的近似最优工作节点集．仿真结果表明该算法能快速收敛于最优解．完成工作节点集的优化选取，从而降低网络冗余，延长网络生存时间．     

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。     

基于功率控制的成簇优化算法

在无线传感器网络中,高效、节能的自组织成簇算法,有助于拓扑结构控制与优化,有助于提高传感器网络的服务质量,延长整个网络的生命周期.针对成簇算法中没有考虑工作节点的功率控制问题,本文从理论上对节点覆盖、连通与有效通信半径之间的关系进行分析,提出一种节点有效通信半径的计算方法,应用于传统的成簇算法进行优化,并通过仿真计算对优化算法进行了性能分析.仿真结果表明,优化算法的网络覆盖度、网络生存期及节点失效等方面都有明显提高.     

公平的有向传感器网络方向优化和节点调度算法

为了解决有向传感器网络中点目标覆盖控制问题,分别提出了两种方向优化算法和一个节点调度协议:改进的贪婪(enhanced greedy algorithm,简称EGA)、公平的方向优化(equitable direction optimization,简称EDO)算法和邻居节点调度协议(neighbors sensing scheduling,NSS).EGA 基于覆盖最多未覆盖的目标数选取工作方向,其不足是可能忽略临界目标.EDO 优化算法调节节点的工作方向,优先覆盖临界目标,公平分配感知资源,减小目标覆盖度的差异,EDO 算法使用效用值评价每个方向对网络覆盖质量的贡献大小,影响效用值的因素包括每个方向上的目标数、目标的覆盖度和邻居节点的方向决策,EDO 总是选择效用值最大的方向作为工作方向.NSS 协议引入局部覆盖集的概念,通过局部覆盖集判断当前节点是否为冗余节点,并在考虑节点剩余能量时决定节点是否可以转为睡眠,调度协议允许一个节点加入多个覆盖集,覆盖集轮流工作,使网络生存期最大化.仿真实验结果表明,分布式的EDO 算法比EGA 算法具有更好的方向优化性能,临界目标的覆盖质量提高了30%,同时明显地提高了网络生存期.     

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。     

基于分布式烟花算法的WSN布局优化方法

无线传感器网络具有广泛的应用,然而如何有效部署无线传感器节点,提高节点利用率和网络覆盖率,仍是一个亟待解决的问题。针对传统无线传感器网络部署方法存在节点冗余率高、覆盖率低等问题,以网络覆盖率为优化目标,将烟花算法良好的结果搜索能力和分布式高效的计算速度相结合,实现对网络覆盖率优化模型的高效求解。实验表明,该算法相比于普通的烟花算法具有更好的计算结果和更快的收敛速度。     

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。     

无线传感器网络随机调度算法研究

无线传感器网络(WSN)具有节点能量有限、节点冗余度高等特点,这使得轮换成为解决网络覆盖问题的基本工作机制之一。基于轮换工作机制对随机调度模型下的网络特性进行了研究,分析了网络中有效节点总数与轮换周期数的关系,并提出了根据网络中有效节点总数来动态调节节点工作概率的算法。该算法能很好地解决网络因有效节点数目减少、工作概率固定所造成的网络运行后期网络性能无法满足网络需求的问题,保证每轮中的网络性能基本一致。仿真实验证明了所提算法的有效性及分析的正确性。     

基于传感器网络节点配置优化仿真研究

研究无线传感网络节点配置覆盖优化问题。由于无线传感网络存在着热区问题,对网络的覆盖性能造成严重的影响,同时影响网络配置优化。为了有效的提高无线传感网络的覆盖率,提出了一种改进的粒子群算法优化无线网络节点覆盖。针对粒子群算法存在易陷入局部极值和早熟的缺陷,引入遗传算法中的交叉算子和变异算子,优化传感网络节点的混合粒子群算法,在严格确保无线传感器网络连通性的条件下,传感器节点配置数目达到要求的覆盖度,并进行仿真。仿真结果表明混合粒子群算法能快速收敛到更精确的解,使网络节点配置达到覆盖的优化要求。     

A novel knowledge-guided evolutionary scheduling strategy for energy-efficient connected coverage optimization in WSNs

One of the most important challenges in designing wireless sensor network is how to construct full-connected network containing least active sensor nodes with satisfied quality of services, such as the coverage rate and energy consumption. This energy-efficiency full-connected coverage optimization problem is modeled as a single-objective optimization problem with constraint. To solve this problem, a knowledge-guided evolutionary scheduling strategy is proposed. Three highlights of this strategy are: (1) Knowledge is defined as the importance of sensor node, which depends on the distance between sensor node and sink node. (2) The genes of an individual correspond to senor nodes in descending order of their importance. (3) Considering sensor nodes’ importance and redundancy rate, knowledge-guided mutation operator and repair strategy are present. Simulation results show that the proposed method can find the optimal full-connected wireless sensor network containing least sensor nodes and consuming less energy for communication by less computation time. Though the coverage rate of the optimum is larger, it still satisfies the coverage constraint. Moreover, this strategy fits for the problems that the communication radius of sensor node is less than two times of its sensing radius.     

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。     

传感网中带有可控阈值的优化协同覆盖算法

传统型的无线传感器网络(WSNs)覆盖受限于节点能量和数据冗余,迫使WSNs异常中断.为此,提出一种带有可控阈值的优化协同覆盖算法(OCC-CT).该算法首先确定关注目标节点(FTNs)的位置信息,利用遗传算法(GA)给出了节点路径规划;其次,通过可控阈值参数和变异参数等特性对事件域节点成簇进行优化,使之节点成簇更为均...     

一种新型的WSN冗余覆盖与节能路由算法

针对无线传感器网络的冗余覆盖问题,在K-覆盖判定算法和部分冗余覆盖算法基础上,提出一种可调冗余覆盖算法。该算法遵循覆盖最大化原则,能降低网络能耗。在可调冗余覆盖算法处理后的高效网络中,给出结合最短路径和最小生成树的最短路径树算法,在网络中构建若干棵以Sink节点为根的最短路径树,进一步降低网络能耗。仿真结果表明,在随机部署网络中,当规定网络覆盖冗余度为2时,2种算法平均可降低能耗20.27%左右。     

混合粒子群-蝴蝶算法的WSN节点部署研究

针对无线传感器网络WSN节点在随机部署时存在分布不均匀、覆盖率低等问题,提出一种混合粒子群-蝴蝶算法HPSBA的节点覆盖优化策略。设计了Logistic映射和自适应调节策略来控制参数值,提高了混合算法的寻优速度、收敛精度和全局搜索能力。将HPSBA用于对4种基准函数进行寻优测试,仿真结果表明：对于测试函数的寻优,HPSBA具有寻优精度较高、寻优速度较快和稳定性较好的特点。最后,将HPSBA用于WSN节点部署优化,并与PSO算法、BOA和IGWO算法等其他6种典型算法的部署优化进行对比,实验结果表明：HPSBA优化部署的覆盖率更高,能有效降低节点的冗余度,延长WSN的生存时间。