基于差分进化的多目标异构传感器网络节点部署机制

根据多目标进化算法思想,针对保证异构网络连通覆盖、目标检测率和最小能量消耗的优化目标,提出一种基于多目标优化差分进化算法的求解方案.该算法利用maximin函数逼近多目标优化的Pareto 解,从而获得全局优化的异构传感器网络节点部署解.仿真结果表明该方案能快速收敛于最优解,能有效提高网络性能,并且具有良好的适应性.     

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。     

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。     

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。     

层次分簇的无线传感网络多级优化测量

层次化的无线传感网络由骨干传感节点和普通传感节点组成.由于节点能量受限,无线传感网络跟踪测量目标时需同时考虑目标跟踪精度和跟踪方法的能效性.提出一种层次分簇的多级优化无线测量方法.将骨干节点作为簇首,采用粒子滤波算法预测运动目标位置,运用DELAUNAY三角剖分优化选择目标附近的节点作为测量节点,并根据测量节点地理位置判断是否转移簇首.在测量节点同步的感知目标后,簇首利用熵来逐次选择能效性最高的测量节点数据进行融合,实现目标定位测量.试验表明,该方法能满足目标跟踪精度,并可有效的减少网络能耗,提高无线传感网络测量使用寿命.     

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。     

无线传感网络测量的目标预测动态能量优化

能量约束是无线传感网络实际应用的关键问题之一。针对无线传感网络测量的能效性问题,提出目标预测动态能量优化方法,采用粒子滤波算法对测量目标状态进行预测,通过动态唤醒无线传感节点延长节点睡眠时间节省节点能量。根据无线传感网络节点分布计算能力,运用分布式遗传模拟退火算法优化目标测量过程,使网络能耗最小化。重点讨论机动目标跟踪应用,实现目标位置预测、节点睡眠状态规划和测量节点优化选择,提出节省通信能量的中转节点路由方案。机动目标跟踪的仿真试验表明,目标预测动态能量优化方法能降低节点能耗,并提高无线传感网络的能量有效性。     

基于农田复杂区域的WSN最优移动路径获取策略

为了优化农田复杂区域无线传感网络中的移动路径,提出了一种新的移动路径获取策略。该策略通过使用虚拟力来获得移动信标发射的最优虚拟信标位置,再使用改进的蚁群算法遍历这些最优位置,从而获得最优移动路径。仿真实验表明,与传统路径获取方式相比,此方法更加适用于不规则区域的移动路径获取工作。     

外推人工蜂群算法在WSN部署优化中的应用研究

为解决无线传感器网络(WSN)覆盖部署优化的问题,提出了一种基于外推人工蜂群算法的节点部署优化方法。首先,设定网络系统基本假设,并以使网络覆盖率最大化为目标建立网络覆盖优化基本模型,再者,利用外推人工蜂群算法代入模型进行求解,获得覆盖最优的节点部署位置。仿真实验结果表明:外推人工蜂群算法能够很好地解决无线传感网络覆盖优化问题,相比于传统的遗传算法、人工鱼群算法、粒子群算法和人工蜂群算法,表现出更快的寻优速度和更高的覆盖率。     

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。     

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.     

有向传感器网络的覆盖增强算法

有向传感器网络的区域覆盖是近年来的研究热点。研究了VORONOI单元与节点虚拟感知圆(以其位置为圆心,感知半径为半径的圆)的几何关系,并以此关系确定有向传感器的工作方向,使每一个VORONOI单元的覆盖面积最大;然后,调整重叠覆盖最大的邻居节点,重叠面积最小所对应的VORONOI单元顶点作为新的工作方向,以便在可能的覆盖重叠情况下获得最佳覆盖贡献率;最后,调整边界节点的感知方向,减少无效覆盖。仿真结果表明,该算法可以有效地提高区域覆盖,降低无效覆盖。     

基于粒子均衡的移动传感器网络覆盖控制研究

现代仪器正在向着网络化和智能化方向发展,传感器网络则是具体体现之一,各个传感器测量的数据可以通过网络以单跳或多跳方式传送到控制节点,从而实现网络化的智能测量。传感器网络中各节点能否覆盖全区域,直接决定了测量结果是否为全样本覆盖集。本文在经典的虚拟力算法思想基础上,研究了基于粒子均衡的移动传感器网络覆盖控制性能,具体针对同构节点、异构节点、非规则区域等各种应用场合进行了分析和算法改进,利用仿真实验的方法验证了其性能。仿真实验证明,该算法对于同构节点和非规则区域均可以取得较好的覆盖效果和网络生命周期;对于异构网络则需要进行适当调整,将邻居区域的概念由同构节点网络中的两倍于感知范围扩展为最大的联合感知范围,使得节点在其邻居节点范围内能够维护最低限度的通信链路,就可以使其远离邻居节点,从达到预期的网络性能。同时研究了在实际应用中算法的鲁棒性,主要针对在部分节点丧失通信能力以及节点丧失移动能力时算法的性能,实验表明仍能表现出较好的网络覆盖度。     

Probabilistic dynamic distribution of wireless sensor networks with improved distribution method based on electromagnetism-like algorithm

Performance of the Wireless Sensor Networks (WSNs) depends significantly on coverage area which is determined via the effective dynamic distribution of sensors. Making mobile sensors’ dynamic distributions, which determines their positions within the network effectively, improves performances of WSNs by enabling sensors to form the coverage area more efficiently. In this paper, we initially propose the electromagnetism-like (EM) algorithm as the sensor distribution strategy to increase the coverage area of network after random distribution of sensors. Forming more effective coverage area by using mobile and stationary sensors and probabilistic detection model has been aimed by developing the Optimal Sensor Detection Algorithm that is based on the proposed EM algorithm (OSDA-EM). For this purpose, it has been thought that we would attain to more realistic results, with probabilistic detection model by forming the coverage area more effectively. Additionally, performance of the developed OSDA-EM algorithm has been compared with the Particle Swarm Optimization (PSO) and Artificial Bee Colony (ABC) algorithms which was previously used in the dynamic distribution of WSNs. Simulation results have shown that the developed OSDA-EM can be preferred in dynamic distribution of WSNs that performed with probabilistic detection model.     

A new algorithm for wireless sensor network based on NS-2

Considering wireless sensor network characteristics,this paper uses network simulator,version 2 （NS-2） algorithm to improve Ad hoc on-demand distance vector （AODV） routing algorithm,so that it can be applied to wireless sensor networks.After studying AODV routing protocol,a new algorithm called Must is brought up.This paper introduces the background and algorithm theory of Must,and discusses the details about how to implement Must algorithm.At last,using network simulator （NS-2）,the performance of Must is evaluated and compared with that of AODV.Simulation results show that the network using Must algorithm has perfect performance.     

基于量子遗传算法的WSN定位算法

针对无线传感网络由于位置信息等原因造成的定位误差较大、精度不高等问题,在继承DVHop定位算法优点的基础上对其进行改进,提出了一种基于量子遗传算法的无线传感器网络节点定位技术。将其应用于DV—Hop算法的第3阶段,对节点的位置进行校正,利用量子遗传算法求解模型的最优解,从而得到未知节点的最优估计位置。改进的DV—Hop定位算法与原算法相比,改进的算法能够改善定位覆盖率低的问题,在锚节点比例较低的情况下有更高的定位精度。     

Solving flow shop scheduling problems by quantum differential evolutionary algorithm

This paper proposed a novel quantum differential evolutionary algorithm (QDEA) based on the basic quantum-inspired evolutionary algorithm (QEA) for permutation flow shop scheduling problem (PFSP). In this QDEA, the quantum chromosomes are encoded and decoded by using the quantum rotating angle and a simple strategy named largest rotating angle value rule to determine job sequence based on job’s quantum information is proposed for the representation of PFSP, firstly. Then, we merge the advantages of differential evolution strategy, variable neighborhood search and QEA by adopting the differential evolution to perform the updating of quantum gate and variable neighborhood search to raise the performance of the local search. We adopted QDEA to minimize the makespan, total flowtime and the maximum lateness of jobs and make the simulations. The results and comparisons with other algorithms based on famous benchmarks demonstrated the effectiveness of the proposed QDEA. Another contribution of this paper is to report new absolute values of total flowtime and maximum lateness for various benchmark problem sets.     

基于DV-Hop的无线传感器网络定位算法

针对无线传感器网络中DV-Hop定位算法其定位精度和覆盖率的不足,提出了一种按节点优先级进行定位并升级为新锚节点的改进算法。该算法是从第二轮次开始增加一次新锚节点广播,由各未知节点根据自身所收到的新旧锚节点广播的多少来确定其优先级,选择该轮次中优先级最高的节点按DV-Hop算法实现定位并升级为新锚节点,并在定位过程中利用加权最小二乘法降低了累计误差。选用Matlab进行相关仿真,结果表明改进算法在一定程度上提高了定位精度和覆盖率。     

改进二进制差分进化算法在配电网络重构优化中的应用

以降低配电网损耗为目标,在对差分进化算法进行二进制化改造的基础上,对其重要的控制参数进行了自适应优化改进,并将其应用到配电网重构中,通过对IEEE33节点配电网络算例的仿真计算以及与标准遗传算法(GA)和差分进化算法(DE)计算结果的比较,表明改进后的算法通过网络重构有效地降低了网损,并具有较高的计算效率和可行性。     

链式无线传感器网络移动目标二元协同感知策略

对链式无线传感器网络中移动目标的感知是对运动目标跟踪定位的基础,如何在节点能量有限情况下准确感知移动目标是其主要技术之一.为此,提出了一种基于节点相邻步距间协作的二元协同感知策略.首先提出目标感知节点集求解算法和目标运动感知模型;其次,融合当前感知概率和历史感知经验,建立移动目标感知概率求解模式,并相应地提出了二元协同感知算法;以矿井巷道内的人员定位监测为工程仿真实例,进一步进行了二元协同感知策略、全节点感知策略与单节点感知策略的性能比较,结果表明,二元协同感知策略能有效解决单个感知策略易存在检测漏洞与全节点感知策略通信量大的缺点,提高移动目标的感知概率,延长了网络的生存寿命.最后,以建筑物楼道长廊中的人员定位监测作为实际环境测试平台,测试了二元协同感知策略的性能变化,其结果显示出实际环境测试结果与理论仿真值变化趋势基本相同,从而验证了二元协同感知策略的实际有效性.