一种新的有向传感器网络覆盖增强算法

针对现有有向传感器网络覆盖增强方法算法较复杂及覆盖率不够高等问题,提出了一种新的有向传感器网络覆盖增强算法.每次取一重覆盖区域面积最大的传感器节点及其传感方向,使得整个网络的一重覆盖区域较多,重叠区较少,可提高网络的覆盖率;同时考虑了冗余节点休眠的情况,当网络中有节点失效时,将其周围的休眠节点激活,并重新部署失效节点周围的节点,以此保证网络有较长的寿命和较好的覆盖效果.对比实验表明,与现有算法相比,本算法原理简单,且在相同节点数目和传感半径情况下,覆盖率分别提高了20％和15％左右.     

动态视觉传感器网络多节点协作覆盖算法

视觉传感器网络中的目标覆盖通常将目标简化为一个点,从而研究如何最大化覆盖目标点。但在多数情况下,目标无法被简化为一个点,单个视觉节点不但无法覆盖多个目标,对单个目标也无法完全覆盖。针对该问题,提出一种多节点协作覆盖算法。利用虚拟势场力使视觉传感器节点均匀地分布在目标周围,通过粒子群优化算法调度节点的工作方向,实现对单个目标覆盖的最大化。仿真实验结果表明,该算法有效。     

动态视觉传感器网络中的节点目标覆盖机制

动态视觉传感器网络是一个新的研究课题,节点目标覆盖是其中的一个基本问题,它反映了网络的监测性能.对于动态视觉传感器网络的有向感知模型,节点目标覆盖问题需要考虑如何调整节点的位置和方向实现利用最少节点最大化网络覆盖能力.针对这一问题,提出一种改进的遗传算法寻找最优位置和方向,通过对传统遗传算法的交叉过程进行改进,加强了算法局部搜索能力.仿真结果表明:算法能有效地收敛到最优解,利用最少的节点数实现网络覆盖最大化,提高了网络性能.     

基于优先级的有向传感器网络目标覆盖

区别于传统全向传感器,有向传感器可以根据目标位置旋转到任意方向,更有针对性地覆盖目标.针对有向传感器目标覆盖问题,加入目标优先级的约束条件,在粒子群算法上进行改进,融入疫苗接种机制,使在所有目标均满足优先级条件下所需传感器的集合规模最小.仿真结果表明:相对于目前针对此问题性能最好的遗传算法,改进粒子群算法大大降低了算法...     

一种面向目标的有向传感器网络连通覆盖算法

针对传统的有向传感器网络目标覆盖算法只考虑网络覆盖率而不能保证网络连通性的问题,利用目标点部署圆内覆盖最多邻居目标点的候选节点集合和整数线性规划(ILP)模型设计了一种面向目标的连通覆盖算法(CTA)。该算法通过建立目标部署圆内覆盖最多邻居目标点的候选节点集合对随机部署的节点进行初步调度,在此基础上,通过ILP模型找出实现目标检测,并保证整个网络连通性的最少节点数和最佳位置的节点集合。仿真实验表明:CTA在保证目标覆盖率的前提下,不仅极大地降低了网络部署成本,而且保证了网络连通性。     

面向三维的有向异构传感器网络覆盖优化算法

针对面向三维的有向异构传感器网络随机部署节点产生的覆盖重叠区和盲区的问题,提出了一种基于粒子群优化（PSO）算法面向三维的有向异构传感器网络覆盖优化算法（PSOTDH）。该算法在建立新的三维有向感知模型的基础上,在模型中引入三维重叠质心、三维有效质心和三维边界质心的概念,通过PSO算法对面向三维的有向异构传感器网络进行三维覆盖重叠区域优化和三维边界节点优化处理,使节点的主传感方向发生改变,从而使三维重叠质心、三维有效质心和三维边界质心分布更加均匀,进而达到提高覆盖率的目的。仿真结果表明,该算法经过25次优化以后可以提高网络覆盖率约27.82%。由此可见,该算法能够快速、有效地提高网络的覆盖率。     

一种有向网络目标概率覆盖增强算法

目标覆盖是有向传感器网络覆盖控制的研究热点之一,但如何实现概率目标覆盖是当前迫切需要解决的问题,本文根据联合感知理论?实现目标的概率覆盖,提出了基于概率覆盖圆的目标覆盖增强算法(TarpC),构造目标的概率覆盖圆,选择最优节点调整感知方向,完成目标概率覆盖。仿真结果证明了该栅栏构建方法具有较高的覆盖率和部署效率,本文的 研究对提升无线传感器网络的性能具有重要的理论与实际意义。     

基于模糊粒子群算法的有向传感器网络路径覆盖策略*

建立有向传感器节点模糊感知模型,利用模糊数据融合规则减少网络不确定区域.对于有向传感器网络路径覆盖问题,提出基于模糊粒子群算法的有向传感器网络路径覆盖增强算法,将n维求解问题转化为一维求解问题,以提高单个传感器节点净覆盖域为目的,提高网络覆盖率.仿真结果表明,对于感知方向可连续调节的有向传感器网络节点,在随机部署情况下与现有算法对比,文中算法能有效提高有向传感器网络路径覆盖率,并且具有较快的收敛速度,延长网络生存期.     

有向感知网络中分簇目标覆盖算法

利用最少数量的感知节点来覆盖最大数目的目标位置(MCMS)一直是有向感知网络中的重要问题.为了保证覆盖和对相关事件的及时汇报,针对该问题提出一种基于分簇的目标位置覆盖算法(TCCA).通过所有节点自组织进行分簇并且在各个簇内为成员节点分配相应的感知扇区,TCCA算法能够在保证网络生命周期的前提下有效解决该问题.与其他已有算法相比,仿真结果很好地验证了所提出TCCA算法的有效性.     

无线传感网络覆盖的多步长粒子群优化研究

为了改善无线传感网络的网络性能,提高网络的覆盖率,实现网络覆盖范围的最大化,延长网络寿命,在多步长粒子群算法的基础上提出以网络覆盖率为优化目标的覆盖优化策略。该策略针对不同的个体情况改变粒子的最大飞行速度,实现粒子的多步长搜索,有效地解决了粒子群算法容易出现的早熟问题。仿真实验表明,与粒子群算法相比,多步长粒子群算法的有效覆盖率由74.76%提高到82.66%,到达收敛的迭代次数由360次减少到283次,收敛速度提高了21.4%。因此多步长粒子群优化策略比粒子群算法在无线传感网络覆盖优化上具有更好的效果。     

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。     

基于激素调节的传感器网络覆盖算法*

人体内环境的平衡是由各种激素的相互作用来协同调节和控制的,根据抽象出的激素作用机理,提出了一种基于激素调节的传感器网络覆盖算法(HCA),该算法是完全分布式的,节能的传感器网络覆盖算法,算法中节点状态(sleep或active)的选择通过激素来调节和控制,即通过给邻居节点发送激活荷尔蒙或抑制荷尔蒙来刺激或抑制邻居节点成为active状态。仿真实验表明,与DELIC和UC算法相比,该算法既能有效地保证区域覆盖,又可以使得active状态的节点尽可能少。     

一种连通性覆盖的无线传感器网络节点调度算法

研究传感器节点随机部署于监测区域内,无节点地理位置信息情况下,如何能量有效地保证网络的通信连通与感知覆盖;节点采用基于概率的联合感知模型。提出CDS-based SSCA算法,其为一种基于连通支配集构造树的节点调度机制,每个节点根据剩余能量和与父节点的距离来设置等待时间及成为候选节点优先级。模拟实验结果显示,本算法能够能量有效地满足感知覆盖和连通覆盖要求;与ASW算法相比较,工作节点个数较少,网络生命周期明显延长,降低了网络整体耗能。     

能量有效的无线传感器网络协同覆盖

在节点随机分布的无线传感器网络目标覆盖中,考虑到单个节点有时难以完成对目标的感知,利用节点的概率感知模型和漏检率的概念,提出了节点协同覆盖的思想,并建立了协同覆盖模型;详细分析并推导了协同覆盖感知概率、节点数目和节点参与协同覆盖的最低感知概率之间的关系;在协同覆盖模型的基础上,考虑节点能量消耗的因素,设计了优化网络使用寿命的协同覆盖算法ECTC;仿真结果表明,该算法在改善网络感知概率的同时,延长了网络的使用寿命。     

无线传感器网络中一种能量有效k度覆盖算法

覆盖率是衡量无线传感器网络性能的重要指标之一。在对目标节点进行k覆盖的过程中,会出现大量数据冗余迫使网络出现拥塞的现象,导致网络通信能力和覆盖能力降低、网络能量快速消耗等问题。为此,提出了一种能量有效[k]度覆盖算法（Energy Efficient k_degree Coverage Algorithm,EEKCA）。该算法利用节点之间的位置关系构造出覆盖网络模型,通过分析网络模型给出监测区域内节点覆盖期望值及对整个监测区域覆盖所需最少节点数量的求解过程;在能耗方面,给出了工作节点和邻居节点之间的能量转换函数比例关系,利用函数比例关系完成低能量节点的调度,进而达到全网能量平衡,优化了网络资源。最后,仿真实验结果表明,该算法不仅可以提高网络覆盖质量,还可有效抑制节点能量快速消耗,从而延长网络生存周期。     

Priority-based target coverage in directional sensor networks using a genetic algorithm

Sensor networks have been applied in a wide variety of situations. Recently directional sensor networks consisting of directional sensors have gained attention. As for the traditional target coverage problem, the limited sensing angle of directional sensors makes it even more challenging. Moreover, individual targets may also be associated with differentiated priorities. Considering the distance between the directional sensors and targets influences sensing quality, this paper proposes the priority-based target coverage problem and strives to choose a minimum subset of directional sensors that can monitor all targets, satisfying their prescribed priorities. Due to the NP-Complete complexity, the minimum subset of directional sensors is approximated by using a genetic algorithm. Simulation results reveal the effects of multiple factors on the size of the resulting subset.     

一种目标监测的移动传感器网络覆盖分布式优化算法

针对移动传感器网络中目标监测的节点部署问题,为保证在无覆盖漏洞的同时减少覆盖冗余,以六边形棋盘结构(HTL)为网络的目标部署结构,提出一种基于群集控制的分布式部署算法.该方法只需目标的相对方向和邻居节点的相对位置、速度信息,可不依赖于通信.仿真结果表明,所提出的算法对静止和运动目标均有效,与基于虚拟力的算法相比所需信息更少,部署更均匀,对HTL的逼近效果更好,覆盖更优.