基于改进AFSA算法的智慧农业监测网络研究

智慧化农业监测实际上是将无线传感器网络应用于农业监测场景中实时采集农田、气象、养殖等方面的数据。多个微小型嵌入式系统相互协作共同构成无线传感器网络,可实时监测、感知、收集和处理环境信息,并以无线通信方式进行信息交互。无线传感器网络覆盖是无线传感器网络监测的基础,直接影响网络感知质量。建立了面向农业场景的无线传感器网络覆盖问题模型,提出了一种基于改进人工鱼群算法的覆盖优化策略,提高了网络覆盖率和算法收敛性,得到最优网络传感器节点覆盖。     

虚拟力导向差分算法的异构移动传感网络覆盖策略

根据目标进化算法思想,结合虚拟力算法和差分算法,提出一种解决异构移动无线传感网络覆盖的虚拟力导向差分优化算法.该算法以网络的有效覆盖率为优化目标,通过异构节点间的虚拟力影响差分算法的位置向量更新过程,指导种群进化,提高算法收敛速度.仿真结果表明,虚拟力导向差分优化算法能高效地实现异构移动无线传感节点布局优化.与差分算法和虚拟力算法相比,虚拟力导向差分优化算法不仅网络有效覆盖率高,且收敛快,用时少.     

基于虚拟力的混合传感器节点覆盖问题研究

针对无线传感器网络全部用固定传感器节点随机部署网络覆盖率较低以及全部用移动传感器节点部署时费用较高的问题,提出一种基于虚拟力的混合传感器网络部署策略,首先通过随机部署固定节点实现初始覆盖,然后由汇聚节点找出未被覆盖的热点(网格中心点),再由汇聚节点通过匈牙利算法指派任务给移动传感器节点完成对未被覆盖的网格中心点,由各移动传感器节点根据虚拟力算法自主移动至未被覆盖的网格中心点或附近。仿真实验表明:该部署策略能有效提高网络覆盖率,在覆盖率、移动距离等方面的性能上优于采用全部移动传感器节点的虚拟力算法部署策略。     

WSN中节点分布的协方差矩阵自适应优化策略

针对无线传感器网络(WSNs)中传感器节点的分布优化问题,提出了一种基于协方差矩阵自适应进化策略(CMA-ES)的网络节点分布优化方法。首先,以最大化网络的区域覆盖率为目标建立问题的求解模型,然后,采用CMA-ES算法对模型求解得到网络最优的节点位置分布方案。仿真对比实验表明:CMA-ES算法可以很好地解决无线传感器网络节点的分布优化问题,相比于传统遗传算法、基本粒子群算法和差分进化算法,表现出较快的寻优速度和更高的区域覆盖率。     

一种基于虚拟力补偿的三维空间自主部署算法

针对三维空间中无线传感网络的覆盖目标复杂多样,容易出现部署"空洞",难以实现均匀部署的问题,提出了一种基于虚拟力补偿的三维空间自主部署算法。首先建立了节点模型和覆盖目标模型。其次将传统的虚拟力算法从二维扩展到三维空间,提出了覆盖目标虚拟力补偿的概念,使网络中的节点能够根据覆盖目标的特点,完成均匀的覆盖。仿真实验表明该算法覆盖率能达到95%以上,同时均匀度有10%的提升。最后通过四旋翼实验平台对算法的有效性进行了验证。     

基于改进粒子群算法的制造车间WSN部署优化

针对制造车间环境下有向无线传感器网络节点的部署优化问题,以提高网络覆盖率为目标,提出了一种面向制造车间应用的有向感知模型,并设计了一种改进粒子群算法,改进算法惯性权重余弦自适应调整,同时学习因子基于惯性权重自行调节,并应用于有向感知模型求解优化,通过实验对比验证,设计算法具有较快的收敛速度以及全局寻优能力,有效提升了无线传感器网络覆盖率。     

自主多决策粒子群的无线传感器网络覆盖优化

网络节点覆盖是无线传感器应用的重要一环,为提高网络节点覆盖率,提出一种基于自主多决策粒子群的无线传感器网络覆盖算法。该算法首先引入Bernoulli混沌与Logistic混沌映射耦合成为一种新的精英混沌映射来初始化种群,提高初始解质量,为全局寻优奠定基础。其次,引入一种多决策方法,通过随机赋予粒子不同学习方式,使它们获得不同于其他群体的自主决策能力,增强算法的局部寻优性能。然后,利用一种融合柯西变异与反向学习的交替扰动策略对最优粒子进行扰动变异,提高算法跳出局部最优的能力。在典型测试函数的实验结果表明,自主粒子群所提算法收敛速度更快、寻优精度更高、稳定性更强,且用其优化的无线传感器网络节点分布更均匀、覆盖率更高,验证了该算法的有效性和可行性。     

交通信息采集无线传感器网络节点部署的微粒群优化方法

针对城市道路交通信息采集无线传感器网络节点部署优化问题,采用传感器网络连通性和覆盖性作为综合评价函数,以满足网络连通性和覆盖性为约束,建立节点部署的约束优化数学模型,并用罚函数法将其转化为无约束优化模型。采用微粒群算法求解,并用动态改变惯性权重方法作为改进算法解决微粒群算法的早熟收敛。以北京市二环以内的道路为例进行模拟实验,结果表明,微粒群算法及其改进算法使优化布局的评价函数值比初始手动布局提高1.71%和3.18%。微粒群算法及其改进算法能够优化交通信息采集的无线传感器网络节点布局。     

一种无线传感器网络覆盖优化方法

节点部署是无线传感器网络（WSN）研究的一个基本问题,如何进行合理的节点部署,是提高网络工作效率、优化利用网络资源的关键所在。针对WSN中覆盖、连通与节点布置等方面存在的问题,在现有正六边形网格划分的基础上,提出了一种基于泊松分布的节点部署方法,并利用Matlab软件进行了仿真。仿真结果表明,该模型不仅能够实现任意期望的连通覆盖,还能够在较小密度的节点分布下实现网络的无缝覆盖,保持网络的连通。     

基于一种深度调节机制的UWSNs节点部署算法研究

水下无线传感器网络(UWSNs)的节点部署方式很大程度上决定了整个网络的寿命和性能,针对水下特殊的三维环境,采用0-1感知模型的各节点以其沃罗诺伊多边形面积为考量依据,提出一种深度调节机制以实现对目标水域的分层覆盖,该策略在降低节点部署复杂度的同时有效提高了网络的覆盖率。仿真实验中,通过考察网络覆盖率和节点间的连通率验证了该部署算法的有效性。结果表明,当节点感知半径达到60 m时可以实现95%以上的覆盖范围,同时,节点通信半径与感知半径的比值很大程度决定了网络连通性能。     

基于相交覆盖集的最大化无线传感网寿命算法

无线传感网络(wireless sensor networks,WSNs)的寿命是影响WSNs应用的关键因素。通常采用不相交覆盖集(disjoint sets covers,DSCs)解决WSNs的寿命优化问题。然而,DSCs中每个节点只能参与一个覆盖集。为此,提出基于相交覆盖集的最大化无线传感网寿命算法(non disjoint set covers algorithm for wireless sensor networks lifetime optimization,NDSC-NLO)。NDSC-NLO算法允许每个节点加入多个覆盖集。同时,NDSC-NLO算法引用基因算法产生最大化的相交覆盖集,并安排这些相交覆盖集,进而优化WSNs的网络寿命。仿真结果表明,与基于DSC算法相比,NDSC-NLO算法提高了相交覆盖集数,并延长了网络寿命约23%,覆盖率提升了约33%。     

无线传感网络APIT定位算法的改进

通过对无线传感网络APIT定位算法的研究,知道该算法在定位精确度、定位覆盖率等方面存在较严重的问题。利用移动锚节点在异构传感器网络中的优势,结合TDOA测距算法,并综合考虑整个网络的锚节点部署及优化方法,提出一种APIT定位算法的改进算法。通过仿真实验对改进后的定位算法的性能进行定性分析。改进后的算法在定位精确度、定位覆盖率等方面要明显优于传统定位算法。     

二进制检测模型耦合离散加权帝国竞争算法的WSN覆盖机制研究

针对当前无线传感器网络(WSN-Wirelessless Sensor Network)覆盖优化机制都忽略了节点检测误差,且其感知重叠区与覆盖空洞面积大,易陷入局部最优等不足,并同时兼顾高的覆盖率和较低的能耗,提出了二进制检测模型耦合离散加权帝国竞争算法的WSN覆盖优化机制。引入误差检测因子,设计二进制检测模型,构建WSN联合覆盖率模型;并定义了均匀三点交叉算子,嵌入权重理论,以节点利用率和联合覆盖率构造适应度函数,提出了离散加权帝国竞争算法,显著提高了收敛速度。通过仿真手段检验了机制的优越性。仿真结果表明:与其他几种机制相比,机制覆盖质量最好,显著降低了感知重叠区与覆盖空洞面积;其收敛速度与覆盖率更高,且稳定性更好。     

能耗均衡的无线传感器网络多Sink节点部署优化方法

针对传感器网络中单Sink节点存在近距离传感器节点过早死亡、传输路径单一、传输延迟及节点失效等问题,提出了一种综合考虑网络布局和网络能耗的多Sink节点部署优化新方法。首先,为缩短sink节点到传感器节点的传输距离,建立了加权距离最小化模型;同时,为均衡网络能耗,建立了无线传感器网络能耗最小化模型。然后,根据所建立多Sink节点部署优化模型的特点,使用加权系数将多目标模型单目标化,并设计了上升启发式算法进行求解。实验结果表明,提出的多Sink节点部署优化方法既能保证网络布局最优,又进一步均衡了网络能量消耗,有助于延长无线传感器网络的生命周期。     

大规模传感网移动多Sink生物超启发式路径规划

大规模无线传感器网络节点数量多、部署范围广、数据传输时延长。针对上述问题,提出移动多Sink生物超启发式路径规划算法,采用蚁群优化作上层算子,根据网络运行过程中的变化,即节点数量和能量变化,实时优选下层算子集,选中的下层算子集规划各移动Sink节点的路径。仿真研究表明,所提算法有效解决多Sink节点的路径规划问题,减小网络时延。     

基于改进粒子群优化算法的传感器部署机制

为提高无线传感器网络性能,通过恰当的传感器部署机制获得优化的覆盖是很重要的问题。改进的粒子群优化算法通过重新部署初始随机分布的移动传感器,改善了覆盖效果。针对粒子群优化算法可能出现局部最优而导致覆盖优化效果降低问题,引入模拟退火算法的接受规则更新微粒的速度和位置。为减少算法执行时间,采用Voronoi图覆盖空缺和传感器间距离的标准偏差设计了适应度函数。最后根据移动距离调整各个传感器的移动目标,减少了能量消耗。仿真结果表明:和原始粒子群算法相比,改进的算法能够获得更高的覆盖率、更快的收敛以及更低的能量消耗。     

一类异类无线传感器网络节点调度问题研究

针对一类以配置了多种传感器的节点组成的,部分传感器完全覆盖,部分传感器局部覆盖的异类无线传感器网络节点调度问题,提出了一种基于改进遗传算法的优化策略.在构建网络模型的基础上,建立了节点调度分化策略,提出了冗余信息度的概念来描述网络能耗效率,并设计了以冗余信息度和不同传感器目标区域感知覆盖率为优化目标的改进多目标遗传算法NSGAⅡ,用于求解节点分化策略.仿真结果表明,该方法可以通过迭代得到收敛的Pareto最优解,并为传感器网络提供一个多目标Pareto最优节点分化策略方案集,供不同应用选择.     

基于改进人工蜂群算法的数控切削参数优化

为提高生产效率、降低生产成本,建立了以最小加工时间和最低生产成本为优化目标的多目标切削参数优化模型,并综合考虑了实际生产过程中的各种约束条件,可同时对多道工序的切削参数同步进行优化。将粒子群算法嵌入人工蜂群算法以提高人工蜂群算法的优化性能,并将其用于优化所建立的切削参数优化模型。具体案例实验表明,改进的人工蜂群算法相比于其他基本算法能够得到更优的切削参数组合。     

混合人工蜂群算法在混流装配线排序中的应用

为更好地解决混流汽车装配线排序问题,建立了以最小化总调整时间和最小化超载时间与空闲时间为优化目标的典型混流装配线排序数学模型,提出一种求解该模型的混合人工蜂群算法。针对标准人工蜂群算法不能解决离散问题的缺陷,引入禁忌搜索算法重新设计了蜂群的邻域搜索算法,设置了算法邻域搜索的动态参数,设计了禁忌搜索算法在人工蜂群算法中的嵌入策略;为保证算法的全局收敛性,采用基于跟随蜂的精英保留策略,给出了侦查蜂和跟随蜂的食物源更新方法。通过比较混合人工蜂群算法与遗传算法和标准人工蜂群算法对不同规模算例的计算结果,验证了所提算法在求解混流装配线排序问题中的优越性。     

睡眠调度机制在三维环境中的应用

为了研究三维地域环境中的网络覆盖和网络寿命问题,采用十字布置策略和随机布置策略,并使用基于动态邻居节点信息的随机调度算法,研究了在这两种布置策略下的区域覆盖、点覆盖和网络寿命问题。实验结果表明,当节点数量很多时,在使用了基于动态邻居节点信息的随机调度算法之后,整个区域的区域覆盖效果变化不明显,网络寿命延长了约1．1倍。