虚拟力导向的无线传感器网络覆盖策略

摘要;通过建立传感器节点与节点、节点与目标之间的虚拟力模型,制定一种新的簇头选择策略,将节点剩余能量和距离目标的大小作为参数,选择离目标近且剩余能量大的节点作为簇头,提高网络覆盖率;通过虚拟单元格进行分簇,以保持簇头节点之间的数据通信,同时休眠其它非簇头节点的周期性轮换簇头的方式来优化节点能耗,以此来延长网络寿命.与经典GAF算法比较,理论分析和仿真实验结果表明了该算法在网络覆盖率和节点生存时间上均有明显的优势.     

基于虚拟力的异构无线传感器网络覆盖优化策略

针对异构无线传感器网络覆盖优化过程中,固定Sink节点的虚拟作用力限制移动节点的位置移动,导致覆盖盲区得不到全局修复的问题,本文结合计算几何理论,提出基于Voronoi多边形形心引力的虚拟力覆盖优化算法（CAVFA）。虚拟力算法能有效指导移动节点的散布过程,形心引力能更好地实现全局的覆盖优化。通过合理设置虚拟力的距离阈值参数和优先级,调整固定节点对移动节点的约束。仿真表明,相比传统VFA算法和CBA算法,本文提出的CAVFA算法能够更有效地提高异构网络的覆盖率,且算法收敛速度更快。     

一种基于虚拟力导向微粒群的有向传感器网络覆盖增强策略

针对有向传感器网络的覆盖增强这个研究热点,提出一种虚拟力导向微粒群的有向传感器网络覆盖增强策略VFPSO。首先分析节点相互之间作用力,建立了一种节点所受的虚拟力和调整角度之间的关系模型,然后在微粒群算法速度更新过程中,通过这个关系模型,虚拟力影响微粒更新速度,加快粒子群算法的收敛速度。仿真实验表明,虚拟力导向微粒群的有向传感器网络覆盖增强算法能够更快地收敛至全局最优解,并且算法运行时间有效缩短。     

基于虚拟力的无线传感器网络地理位置路由算法*

通过引入虚拟力导向的节点移动方式改进了GAF路由算法,提出了一种新的基于虚拟力的无线传感器网络地理位置路由算法。算法通过计算节点之间以及节点与边界之间的虚拟力,引导移动节点移动到新位置;同时,利用计算得到的节点移动前后的位置信息改进了节点休眠机制,能够在节点移动后适时地唤醒其他节点。仿真实验结果表明,该算法能有效提高网络覆盖率、平衡节点能量消耗,并显著延长网络生命时间。     

微粒群融合虚拟力的异构网络覆盖优化策略

研究异构无线传感移动网络的节点覆盖优化问题。为了有效提高异构网络覆盖率,在分析了传统虚拟力算法缺陷的基础上,提出了一种将虚拟力影响因子融入微粒群算法,以解决网络全局优化。首先以网络有效覆盖率为优化适度值,建立网络覆盖数学模型,然后计算六边形布局下的虚拟力距离阈值,将其作为影响参照值作用到微粒群中,防止微粒陷入局部极值,从而指导微粒进化,得到最优网络覆盖;最后通过仿真测试算法性能。仿真结果表明,在由骨干节点与普通节点组成的异构网络中,微粒群融合虚拟力优化算法有更加明显的改善网络覆盖率的优势,且得到经过此算法优化的任何随机部署无缝覆盖的最佳节点数量。     

无线传感器网络覆盖控制问题

无线传感器网络具有广泛的应用背景,目前已经发展成为一个重要的计算平台。但是,由于无线传感器网络自身的特点,使其也面临许多问题,如何有效地进行覆盖控制,在保证网络覆盖质量的前提下,减少能量消耗,延长网络寿命是其中最重要的问题之一。本文主要讨论无线传感器网络的覆盖控制的问题。     

无线传感器网络覆盖空洞修复策略

无线传感器网络中节点因能量耗尽或环境破坏而失效导致覆盖空洞现象。提出了一种最佳匹配节点策略(BFNP)修复覆盖空洞。最佳匹配节点策略主要思想是当基站发现网络中节点失败时,首先检测覆盖空洞,然后通过选取距离由空洞边界围所成多边形的最小覆盖圆圆心最近的非活跃节点来替换失败节点,并激活该节点修复覆盖空洞。仿真结果表明最佳匹配节点策略能保证较好的网络覆盖质量,充分利用了网络中的能量资源,延长了网络的生存时间,且性能优于覆盖空洞修补算法(CHPA)。     

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.     

四种虚拟力模型在传感器网络覆盖中的性能分析

虚拟力模型在传感器节点的覆盖算法中应用很广泛,而力模型的选择是覆盖算法中的一个重要问题。在本文中,首先分析了四种虚拟力模型自身参数对覆盖性能的影响;接着采用覆盖增长率,算法迭代次数,覆盖效率和节点平均移动距离四个指标对四种虚拟力模型进行了性能分析。分析结果表明,具有三个参数调节的虚拟力是性能较好的一种虚拟力模型。     

大规模无线传感器网络覆盖优化算法

为了增强三峡库区水环境监测的大规模无线传感器网络（WSNs）覆盖效果和延长大规模WSNs生存时间,采用混沌人工鱼群算法。首先以最大化网络覆盖率作为优化目标,建立WSNs覆盖模型,将具有遍历性特点的混沌系统引入到人工鱼群算法中,能够有效避免算法长时间位于局部极值附近。仿真结果表明：改进的人工鱼群算法提高了网络的覆盖率,有效减低了网络的成本。     

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.     

无线传感器网络的覆盖控制

覆盖控制作为无线传感器网络中的一个基本问题,在国内外已经取得了一些研究成果。根据不同的性质,覆盖控制问题可以划分为不同的类型(如,静态覆盖和动态覆盖、确定性覆盖和随机性覆盖)。主要针对静态覆盖(区域覆盖、点覆盖、栅栏覆盖)问题中一些典型算法,分类进行了描述,并比较了它们之间的优缺点,最后,指出了需要进一步的研究工作。     

无线传感器网络的虚拟力蛙跳优化布局策略

无线传感器网络(WSNs)的优化部署能够提高网络的生存时间、增强系统的可靠性。主要针对传感器网络节点的覆盖问题,提出一种新型的虚拟力蛙跳策略,利用虚拟力算法中的引、斥力因子对蛙跳算法中群体和模因组的最优解进行优化,使蛙跳算法能够迅速跳出局部极值,进行全局搜索。分析和仿真同时表明:该策略能够快速优化传感器网络布局,具有良好的收敛性,更好的网络覆盖率,更加接近于理论覆盖值。     

无线传感器网络动态覆盖的CVT算法

覆盖控制是无线传感器网络中的基本问题之一,动态覆盖问题又在很多领域有其独到的应用价值。为了更好地实现动态覆盖,基于集中式Voronoi网格细分（ CVT）理论,结合Lloyd算法,提出了一种无线传感器网络动态覆盖算法,通过调整目标覆盖区域几何边界,协同调度无线传感器网络节点,从而实现目标区域无线传感器网络动态覆盖。在仿真中,进行了正方形、正方形—圆形障碍静态边界区域覆盖实验和正方形—长方形目标区域、正方形—十字形目标区域、正方形—H形目标区域动态边界覆盖实验,验证了控制算法的有效性,并对不同目标覆盖区域形状、节点数量、覆盖程度、覆盖效率进行了分析。     

基于量子粒子群优化算法的无线传感器网络节点优化

针对无线传感器网络感知节点的分布优化问题进行了研究,提出了一种基于量子粒子群优化(QPSO)算法的分布优化机制。仿真实验结果表明:QPSO算法在优化性能上优于传统遗传算法(GA)和量子遗传算法(QGA),能够有效提高网络整体的感知能力,该方法用于传感器节点优化部署是可行的。     

基于群体智能改进无线传感器网络定位算法

对经典DV-Hop算法误差比较大的现象进行讨论。对DV-Hop算法进行改进,提出BSADV-Hop算法。该算法分为两大部分,第一部分对跳数计算方法进行改进;第二部分对平均每跳距离进行寻优。在这过程中采用一种群体智能算法——鸟群算法最终降低平均每跳距离导致的误差。仿真实验结果证明,与经典DV-Hop和PSODV-Hop相比,该算法能更准确地计算节点平均跳距,定位精度得以提高,并且体现出较好的稳定性和可行性。     

一种基于移动节点的无线传感器网络修复方法

传感器节点的随机部署不均匀或者由于负载不均导致有的节点能量提前耗尽,导致无线传感器网络出现覆盖空洞.针对已检测到的覆盖空洞,提出一种基于相切圆的修复算法,并从理论上证明该算法的可行性.算法的基本原理是以相邻2个边界传感器节点求它们相切圆的圆心位置,即新增加的移动节点的位置,通过反复求解相切圆的圆心位置来达到修复的目的.通过仿真实验证明:算法不仅能达到90％的修复覆盖率,而且修复后的冗余度相比其他算法也较低.     

有向异构传感器网络覆盖优化算法

针对有向异构传感器网线随机部署产生覆盖重叠和盲区这一问题,受到虚拟势场算法的启发,提出了基于虚拟势场的有向异构传感器网络覆盖优化算法（PCADH）。以有向感知模型为基础,引入重叠质心、有效质心和虚拟边界质心的概念,对有向异构传感器网络进行虚拟受力优化、节点往复运动优化和边界优化处理。仿真结果表明：算法可以快速有效地提高有向异构无线传感器网络的覆盖率。     

能量优化的无线传感器网络LEACH算法

针对无线传感器网络(WSNs)的经典路由算法LEACH中存在簇头节点选举不合理,导致节点加速死亡、网络寿命缩短的问题,提出了基于能量和连通度的LEACH(LEACH-EC)算法.该算法主要在簇头选举时,同时引入节点的剩余能量和连通度两个因子,采用修改阈值的方法,优化簇头选举,从而避免低能量和低连通度节点担任簇头的可能性.仿真实验结果表明:该算法均衡了整个网络能量消耗的比例,延长了节点和网络的寿命.