基于人工鱼群算法的无线传感器网络覆盖优化

针对网络节点严重冗余而导致的网络成本增加、生命周期过短等缺陷,提了一种基于人工鱼群算法的覆盖优化方法.首先以节点的利用率和网络有效覆盖率作为优化目标,建立相应的数学模型,然后采用人工鱼群算法对模型进行求解,得到无线传感器网络的最优覆盖方案.仿真结果表明,人工鱼群算法提高了无线传感器网络节点的覆盖率,减少了传感器节点冗余,有效降低了网络成本,网络生存时间得到了延长.     

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。     

基于混沌人工蜂群算法的无线传感器网络覆盖优化

针对无线传感器网络随机播撒的节点严重冗余并且导致网络寿命短、覆盖效率不高等缺陷,提出了一种混沌人工蜂群算法的无线传感器网络覆盖优化算法;将节点的利用率和覆盖率作为优化目标函数,建立与之对应的数学模型,之后用混沌人工蜂群算法改善人工蜂群算法陷入局部最优、收敛慢等问题,提高算法收敛速度和精度,对节点覆盖模型进行求解,得出网络最优覆盖方案;通过实验仿真,提出的算法提高了无线传感器网络的覆盖率,覆盖率可达93.48%以上,减少了网络节点冗余,提高了网络寿命,降低了网络成本。     

基于鱼群算法的无线传感网络覆盖优化策略*

无线传感网络是能量受限的网络,有效覆盖和能耗是衡量其性能的两个重要指标。将最大化网络覆盖率和最小化工作节点数作为网络优化目标,建立了网络覆盖优化的数学模型,并利用鱼群算法并行寻优、收敛快速的特性,提出了一种基于鱼群算法的覆盖优化策略。仿真实验表明,该算法能求解最优覆盖工作节点,并可以改进网络节点调度的实时性。     

基于混沌量子粒子群算法的无线传感器网络覆盖优化

针对传统粒子群算法在求解无线传感器网络覆盖问题上存在的收敛速度慢、易陷入局部极值等缺陷,以提高传感器网络覆盖率为主要优化目标,提出了基于量子粒子群和Logistic混沌映射相结合的优化算法CQPSO。该算法基于量子δ势阱模型,同时引入精英个体适应值方差的早熟判断机制,提高了搜索效率。仿真结果表明,对比基本粒子群、混沌粒子群以及量子粒子群三种算法,该算法在覆盖率、均匀度以及平均移动距离指标方面具有更好的覆盖优化效果。     

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。     

基于混沌粒子群算法的无线传感器网络覆盖优化

为了改善传感器节点随机部署时的不合理分布,提高网络覆盖率,以网络覆盖率为优化目标,提出了基于混沌粒子群的无线传感器网络覆盖优化算法。该算法利用混沌运动的遍历性和随机性,克服了粒子群算法后期陷入局部最优的缺点。仿真结果表明,该算法比基本粒子群算法具有更好的覆盖优化效果。     

基于改进蛙跳算法的无线传感器网络覆盖优化

针对传统算法在解决无线传感器网络覆盖优化上存在的覆盖率较低和节点分布不够均匀的问题,提出了一种改进的蛙跳算法;为了同时达到增加算法的种群多样性和加快算法收敛速度的目的,改进蛙跳算法分别增加了个体高斯学习机制和根据粒子群思想改进的更新策略,让族内最差个体在自身附近进行局部搜索,若无效,则使族内最差个体同时向族内最优个体和全局最优个体学习;在性能评估实验中,对改进的蛙跳算法分别进行了标准函数测试和无线传感器网络覆盖优化测试;测试结果表明,在6个标准测试函数中,改进的蛙跳算法与其他算法相比在4个测试函数上的收敛精度有了明显提高;在无线传感器网络覆盖优化中,改进的蛙跳算法也能够使节点分布更加均匀,使网络覆盖率达到了85.6%。     

基于改进人工鱼群算法在无线传感网络覆盖优化中的研究

针对无线传感网中的节点存在冗余以及网络成本增加等问题,本文提出了一种改进的人工鱼群算法的覆盖优化.本文首先建立以节点的利用率和覆盖率的数学模型,其次对人工鱼群算法进行改进,一是在初始化阶段使用概率密度函数来对鱼群个体的初始位置进行分布,有效的避免鱼群个体初始无序的状态;二是在觅食阶段中使用混沌算法对鱼群位置个体进行干扰,有效的减少鱼群个体向局部最优解的靠近的时间;三是在聚群行为中使用高斯变异,从而减少全局最优解的产生的时间.改进后的人工鱼群算法对模型求解,得到最优的覆盖方案,仿真实验表明能够有效的提高网络覆盖效果,以及节点的利用率,降低网络成本消耗.     

基于连通性的无线传感器网络覆盖优化算法

针对无线传感器网络(WSNs)的覆盖优化和连通性问题,提出了一种基于连通性的WSNs覆盖优化算法(CC-BCBS).在二维监测区域内,CC-BCBS以传感器节点间的通信半径作为限制条件,只对连通的传感器节点进行Voronoi图划分,根据节点对应泰森多边形的覆盖情况构造盲区图,将盲区重心作为候选优化位置,使节点尽可能最大化覆盖监测区域.节点通信半径影响着区域覆盖的冗余度,故针对划分时可能出现的3种不同连通情况,给出了相应措施.仿真结果表明:CC-BCBS在覆盖率,分布均匀性,平均连通个数与连通率方面相比BCBS等算法有明显优势.     

基于粒子群算法的WSN路径优化

采用粒子群算法对无线传感器网络进行路径优化,为了克服粒子群算法运算后期群体的多样性可能会有所下降的问题,对粒子群算法的各个环节进行分析与改进,设计并增加变异算子。仿真实验的结果表明,使用该算法能找到无线传感器网络有效的优化路由,解的质量优于传统的粒子群算法与遗传算法,而且在成功率方面也有所提高。     

基于改进人工萤火虫算法的无线传感网络覆盖优化

为了提高网络资源利用率延长网络生存时间,提出一种基于共轭梯度法改进人工萤火虫算法(CAGSO)的WSN覆盖优化方案;共扼梯度法是利用目标函数的梯度逐步产生共轭方向并将其作为搜索方向的方法,即利用已知点处的梯度构造一组共扼方向并沿这组共扼方向进行搜索,这种方法经有限次迭代必达极小点;首先建立以覆盖率、节点利用率和能量均匀为准则的覆盖优化数学模型,然后采用改进的CAGSO算法求解该模型,从而得出最优覆盖方案;仿真分析说明,相比基本人工萤火虫算法,改进的CAGSO算法优化的网络覆盖率可以达到94.11%,有效实现WSN覆盖优化。     

基于CPSO的无线传感器网络路由优化

研究无线传感器网络路由优化问题,由于无线传感器节点的能量受到限制,通信过程能量损耗,影响网络的性能。传统粒子群算法难以获得最优网络路由方案。为延长网络生存时间,结合粒子群的快速性和混沌的遍历性优点,提出了一种混沌粒子群(CPSO)的无线网络路由优化方法。通过粒子群算法的自组织、动态寻优能力,并通过混沌机制对粒子群进行混沌扰动,增加多样性,加快最优路由优化速度,使网络最优路由和能量消耗间尽量平衡。仿真结果表明,相对于传统优化算法,CPSO提高了无线传感器网络路由优化速度,减少网络能量消耗,有效延长了网络生存时间,为提高整个网络通信效率提供了参考。     

改进蚁群算法的无线传感器网络路径优化

研究无线传感器网络路径优化问题,针对无线传感器网络(WSN)路径优化问题,在分析了遗传算法和蚁群算法各自优缺点的基础上,通过把蚁群算法作为WSN路径优化的主框架,采用遗传算的选择、交叉和变异算子提高蚁群算法搜索速度,提出一种改进蚁群算法的WSN路径优化方法。仿真结果表明,改进蚁群算法有效地克服了基本蚁群算法的缺陷,提高了WSN路径优化效率和成功率,减少了能理消耗,有效延长了网络生存时间。     

无线传感器网络覆盖控制算法研究

无线传感器网络(Wireless sensor network, WSN)覆盖控制通常采用基于二元感知模型的几何计算方法休眠冗余节点, 其算法在实际应用中受到局限, 不够精确. 针对此问题, 本文采用概率感知模型, 提出新的覆盖控制算法, 将提高能量利用效率作为重要指标, 采用节点轮换周期工作机制, 每个周期逐个唤醒部分节点, 组成满足网络覆盖要求的覆盖集, 实现降低能耗、均衡节点能量的目的. 概率感知模型描述网络的覆盖能力更精确, 算法不受感知模型的限制, 原理简单, 易实现, 仿真结果验证了本算法的有效性.     

WSN中基于能量的分布式覆盖控制算法

针对无线传感器网络中节点密度过大、节点剩余能量不均等问题,设计一种基于节点剩余能量的分布式覆盖控制算法,基于概率覆盖模型,按目标区域内节点剩余能量从小到大的顺序,依次通过计算各个节点的区域覆盖概率判定其冗余性,并使冗余节点转入休眠状态。仿真结果表明,该算法能有效降低网络中节点冗余度,延长网络生存时间。     

基于人工蜂群改进算法的无线传感器网络定位算法

针对无线传感器网络无需测距的DV-Hop定位算法中,利用最小二乘法进行节点定位时存在较大误差的问题,提出了一种改进的DV-Hop智能定位算法。首先在详细分析DV-Hop算法中最小二乘法原理的基础上,将定位问题转化成全局最优化问题;其次根据人工蜂群算法计算最优化问题的优势,结合定位具体问题,提出了一种自适应人工蜂群算法;最后将改进的人工蜂群算法运用到DV-Hop算法未知节点的坐标估计阶段实现定位。仿真实验表明,改进的定位算法与最小二乘法及基于传统人工蜂群算法的DV-Hop算法相比,在不同锚节点比例和不同节点数的情况下,定位精度和精度稳定性都有明显提高。     

基于改进鱼群算法的多阈值图像分割

为了实现图像的有效分割,提出了一种基于改进鱼群算法的多阈值图像分割方法。引入领域搜索的思想对基本人工鱼群算法做了进一步改进;然后对最大熵函数进行全局优化,改进后的算法能够根据人工鱼的个体适应度大小和种群的分散程度自动调整鱼群控制参数,在保证群体多样性的同时加快了算法的收敛速度;最后得到分割图像的最佳阈值,克服了基本鱼群算法后期收敛性差、易陷入局部最优等问题。实验结果表明,所提算法能够获得较稳定、快速和准确的图像分割。