基于粒子群算法的无线传感器网络覆盖优化

传统无线传感器网络覆盖优化方法所选算法的结构不合理,使其覆盖能力、迭代能力和有效性无法维系网络基本功能,为此提出粒子群算法的无线传感器网络覆盖优化方法。通过构建无线传感器网络认知模型,将网络覆盖优化工作转化成求取目标物体最大覆盖几率问题,使用粒子群算法对模型进行编码,利用模型适应度函数给出的约束值对网络节点位置进行更新,实现对无线传感器网络覆盖率的优化。通过分析仿真实验结论可知,与传统方法相比,该方法具有更强的覆盖能力、迭代能力和有效性。     

基于改进粒子群算法的无线传感器网络覆盖优化

为了解决粒子群算法的无线传感器网络覆盖方法存在的容易出现局部收敛的问题,提出基于改进粒子群的无线传感器网络覆盖优化方法。分析基本粒子群算法进行无线传感器网络覆盖优化的过程,找出其存在的局部收敛问题,通过采用拟万有引力和库仑力两种拟物方案,在粒子速度进化过程中融入拟物力,对基本粒子群算法的速度修正过程实施优化,避免粒子群算法出现局部收敛问题,降低重复覆盖率,完成无线传感器网络覆盖优化。实验结果表明,改进粒子群算法具有更快的收敛效率,对无线传感网络的覆盖优化效果更好。     

改进粒子群算法在桥梁结构损伤识别传感器优化布设中的应用

粒子群算法以其强大的搜索能力及较好的适应度已逐步应用到桥梁结构损伤识别领域。针对以损伤识别为目标的传感器优化布设,提出一种基于改进粒子群算法的传感器优化布置方法。首先利用传感器覆盖率概念建立数学模型;其次以联合覆盖率最大构造适应度函数;在确定了监测半径的条件下,利用粒子群算法寻找出传感器的最优数目与位置。为了验证所提方法的有效性,以一三跨桥梁结构为实验对象。实验结果表明,改进的粒子群算法相比于传统粒子群算法,在寻优过程中迭代次数更少,寻找到的最优值更好,且经过融合后的数据损伤识别结果更加真实可靠。     

基于遗传 PSO 的无线传感网络覆盖优化算法研究

针对基于标准粒子群算法的网络覆盖存在收敛速度慢、易早熟等问题,提出一种基于遗传 PSO 的无线传感网络覆盖优化算法.以无线传感器最大覆盖率为目标函数,通过运用加入自适应交叉变异因子的遗传算法搜索解空间,利用 PSO 粒子群强大的全局搜索能力加大搜索范围,使粒子覆盖更有效率,加强算法的寻优能力,提高节点的覆盖率,解决早熟问题.仿真实验表明,与传统遗传算法、新量子遗传算法相比,其覆盖率分别提高了2.28%和0.65%,收敛速度也有所提高,因此该方法能有效地实现无线传感网络覆盖优化.     

基于PSO的无线多媒体传感器网络覆盖增强算法

在无线多媒体传感器网络(Wireless Multimedia Sensor Networks,WMSNs)中,由于节点部署的不合理,往往存在较多的监控盲区,影响了网络的服务质量。为了提高网络的覆盖率,在有向感知模型基础的基础上,提出了一种基于粒子群算法的WMSNs覆盖增强算法PSOCE。PSOCE算法以网络覆盖率为优化目标,以粒子群算法为计算工具,同时对节点的位置与主感知方向进行调整。仿真试验表明,PSOCE算法能够有效地改进WMSNs的覆盖质量,网络的覆盖率能提高6%～12%。     

一种面向三维感知的无线多媒体传感器网络覆盖增强算法

 覆盖作为无线传感器网络中的基础问题直接反映了网络感知服务质量.本文在分析现有无线多媒体传感器网络覆盖增强算法的基础上,构建节点三维感知模型,提出面向三维感知的多媒体传感器网络覆盖增强算法(Three-Dimensional Perception Based Coverage-Enhancing Algorithm,TDPCA).该算法将节点主感知方向划分为仰俯角和偏向角,并根据节点自身位置及监测区域计算并调整各节点最佳仰俯角,在此基础上基于粒子群优化调整节点偏向角,从而有效减少节点感知重叠区及感知盲区,最终实现监测场景的区域覆盖增强.仿真实验表明:对比已有的覆盖增强算法,TDPCA可有效降低除节点感知重叠区和盲区,最终实现网络的高效覆盖.     

分布式无线感知网络节点部署算法研究

在无线感知网络节点部署中,目标区域的覆盖率大小对信号检测的效果具有重要的意义,通过智能优化算法来提高区域覆盖率已成为当前无线感知网络节点部署领域的研究热点之一。为了提高分布式无线感知网络对目标区域内的重点区域的覆盖率和减少冗余感知节点的投放,论文提出了一种分布式无线感知网络节点部署算法。该算法首先通过随机部署满足连通性的少量感知节点后初次工作来定位和估计出重点区域,然后将估计出的重点区域融入到粒子群算法的目标函数和粒子更新方程中实现对感知节点的重新部署,从而更好的优化了重点区域的覆盖率和减少冗余感知节点数量。仿真结果表明,与标准粒子群算法及其他优化算法相比,论文所研究的算法有更高的覆盖率和更低的迭代次数。      

一种基于有向感知模型的传感器节点覆盖算法

覆盖控制作为无线传感器网络中的一个基本问题,反映了传感器网络所能提供的“感知”服务质量.优化传感器网络覆盖对于合理分配网络的空间资源,更好地完成环境感知、信息获取任务以及提高网络生存能力都具有重要的意义.针对无线传感器网络方向个数固定的有向感知模型提出一种覆盖增强算法,采用复杂网络社团结构算法划分对网络进行节点子集划分,重新调整节点的感知方向,增强网络的覆盖率,同时有效降低了算法的时间复杂度.     

基于改进微粒群算法的WSN节点调度

为了降低无线传感器网络监测区域节点能耗和延长网络生命周期,设计了一种基于改进微粒群算法的节点调度方法.首先,以网络覆盖率和休眠工作节点数为目标建立了系统的数学模型,然后设计了粒子的编码方式、适应度函数以及自适应动态惯性权重,并定义了使用改进的微粒群算法对传感器网络节点调度的具体算法.仿真实验表明,该方法能正确地实现无线传感器网络监测区域的节点调度,在迭代次数较少时,就能以较少的节点获得较高的网络覆盖率,且与其他方法相比,具有收敛速度快和全局寻优能力强的优点.     

基于量子粒子群算法的移动节点覆盖优化

提出了基于量子粒子群的无线传感器网络覆盖优化算法.由于在量子空间中粒子满足集聚态性质完全不同,使得该算法可以在整个可行区域内搜索.全局搜索能力远远优干基本粒子群,克服了粒子群算法容易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拥有更好的覆盖优化效果。     

Distributed Energy Optimization for Target Tracking in Wireless Sensor Networks

Energy constraint is an important issue in wireless sensor networks. This paper proposes a distributed energy optimization method for target tracking applications. Sensor nodes are clustered by maximum entropy clustering. Then, the sensing field is divided for parallel sensor deployment optimization. For each cluster, the coverage and energy metrics are calculated by grid exclusion algorithm and Dijkstra's algorithm, respectively. Cluster heads perform parallel particle swarm optimization to maximize the coverage metric and minimize the energy metric. Particle filter is improved by combining the radial basis function network, which constructs the process model. Thus, the target position is predicted by the improved particle filter. Dynamic awakening and optimal sensing scheme are then discussed in dynamic energy management mechanism. A group of sensor nodes which are located in the vicinity of the target will be awakened up and have the opportunity to report their data. The selection of sensor node is optimized considering sensing accuracy and energy consumption. Experimental results verify that energy efficiency of wireless sensor network is enhanced by parallel particle swarm optimization, dynamic awakening approach, and sensor node selection.     

人工鱼群优化的方向传感器覆盖增强

为提高无线多媒体传感器网络区域覆盖率,提出了人工鱼群优化的覆盖增强算法,算法基于三维方向传感器感知模型,优化网络传感器方向角度值,减少重叠覆盖以提升网络覆盖率。仿真实验表明该方法能有效增强网络覆盖率,并就传感器参数对覆盖率影响进行分析,分析结果表明优化后的网络覆盖率更加接近理想覆盖率。     

Performance evaluation of sensor deployment using optimization techniques and scheduling approach for K-coverage in WSNs

In the wireless sensor networks, sensor deployment and coverage are the vital parameter that impacts the network lifetime. Network lifetime can be increased by optimal placement of sensor nodes and optimizing the coverage with the scheduling approach. For sensor deployment, heuristic algorithm is proposed which automatically adjusts the sensing range with overlapping sensing area without affecting the high degree of coverage. In order to demonstrate the network lifetime, we propose a new heuristic algorithm for scheduling which increases the network lifetime in the wireless sensor network. Further, the proposed heuristic algorithm is compared with the existing algorithms such as ant colony optimization, artificial bee colony algorithm and particle swarm optimization. The result reveals that the proposed heuristic algorithm with adjustable sensing range for sensor deployment and scheduling algorithm significantly increases the network lifetime.     

无线传感网络安全防护路径激光追踪方法

为了提高无线传感网络安全防护能力,需要进行网络安全防护路径设计,提出基于联合节点行为覆盖的无线传感网络安全防护路径激光追踪方法.构建无线传感网络安全防护路径的覆盖关系模型,根据传感器节点与目标节点从属关系进行无线传感网络安全防护的路径空间规划设计,采用最短路径寻优方法进行无线传感网络安全防护路径的激光控制,采用激光扫描...     

混合粒子群和差分进化的定位算法

针对传统无线传感器网络(wireless sensor network,WSN)中节点定位精度不高的问题,提出了一种混合粒子群(particle swarm optimization,PSO)和差分进化优化(differential evolution,DE)算法。首先在PSO中引入惯性权重的自适应更新策略,以兼顾开发和勘探能力,在种群经过PSO进化后,然后根据提前设定的阈值,将其分为适应度值较大的Su种群和适应度值较小的In种群,In中的粒子使用DE算法继续优化。HPSO-DE算法结合PSO算法和DE算法的优点,达到较好的性能。然后用标准测试函数来检测该算法的性能,验证结果表明所提出的HPSO-DE在寻优速度和收敛精度较PSO和DE而言都有了较大提高。接下来将HPSO-DE方法应用到WSN网络节点定位场景上,从实验测试结果可以看出,其精度相比PSO平均提高了0.5 m左右,在定位上具有更大的优势。     

A Green Clustering Protocol for Mobile Sensor Network Using Particle Swarm Optimization

Energy consumption of sensor nodes is one of the crucial issues in prolonging the lifetime of wireless sensor networks. One of the methods that can improve the utilization of sensor nodes batteries is the clustering method. In this paper, we propose a green clustering protocol for mobile sensor networks using particle swarm optimization (PSO) algorithm. We define a new fitness function that can optimize the energy consumption of the whole network and minimize the relative distance between cluster heads and their respective member nodes. We also take into account the mobility factor when defining the cluster membership, so that the sensor nodes can join the cluster that has the similar mobility pattern. The performance of the proposed protocol is compared with well-known clustering protocols developed for wireless sensor networks such as LEACH (low-energy adaptive clustering hierarchy) and protocols designed for sensor networks with mobile nodes called CM-IR (clustering mobility-invalid round). In addition, we also modify the improved version of LEACH called MLEACH-C, so that it is applicable to the mobile sensor nodes environment. Simulation results demonstrate that the proposed protocol using PSO algorithm can improve the energy consumption of the network, achieve better network lifetime, and increase the data delivered at the base station.