模拟退火遗传算法对无线传感器网络部署研究

研究无线传感器节点部署优化问题,传感器网络节点的部署在一定程度上决定了网络的性能和使用寿命.传统的遗传算法在无线传感器节点部署优化过程中,由于交叉和变异的概率是固定的,易产生局部最优问题,导致部署不理想,网络生命周期过短.为了更好地优化网络部署,提高网络生命周期,提出了一种基于模拟退火遗传算法的无线传感器节点部署优化方法.方法将传感器节点部署转化为一个组合优化问题,网络节点离散成为网格,通过遗传算法进行最优部署方案的搜索,同时采用模拟退火算法对遗传算法的种群进行更新,提高了最优解的搜索速度.仿真结果表明,模拟退火遗传算法部署的效率高,网络存活的节点数更多,有效地延长了网络的生命周期.     

基于改进免疫遗传算法的K覆盖异构传感器节点调度

为了实现无线传感器网络监测区域目标点的多重覆盖,设计了一种基于改进免疫遗传算法的异构传感器节点调度算法实现目标点的K重覆盖;首先,在传统的概率感知模型中加入剩余能量和感知能力因素,得到改进的概率感知模型,并设计了以最小化节点数并满足覆盖度约束的目标函数;然后,采用改进的免疫遗传算法对节点进行调度,最后,给出了具体的采用改进免疫遗传算法实现WSN异构节点调度的具体算法;仿真实验表明:文中方法能在满足K覆盖约束前提下实现监测区域的节点调度,与其他方法相比,活动节点数平均多7%,具有较长的网络生命周期和较少的网络能耗。     

无线传感器网络动态节点选择优化策略

无线传感器网络的能耗和有效覆盖率是衡量其性能的两个重要指标.无线传感器网络动态节点选择优化策略通过合理配置各无线传感器节点状态,平衡网络能耗和有效覆盖率,提高网络能效性,延长网络寿命.提出一种结合了Hopfield网络与遗传算法的动态节点选择优化策略,简称为HN-GA.该策略通过遗传算法实现全局搜索,采用Hopfield网络缩小遗传算法的搜索范围,保证遗传算法中每个基因对应待选解的有效性,并针对动态节点选择优化提出一种基于无线传感器网络能耗、寿命和有效覆盖率的综合指标.仿真实验表明,HN-GA算法能有效完成无线传感器网络动态节点选择优化,并在确保网络有效覆盖率的前提下,通过动态配置各无线传感器节点状态,降低网络能耗,延长网络寿命.与遗传算法和Hopfield网络相比,HN-GA算法不仅全局搜索能力强,且收敛速度快、耗时少.     

基于遗传算法的能量均衡覆盖控制策略

研究优化网络通信、延长网络寿命问题,由于无线传感器网络中覆盖率、工作节点数和能耗均衡互相矛盾。为了选择最优覆盖节点集基础上,同时考虑网络区域能耗的均衡特点,提出一种遗传算法的能量均衡覆盖控制策略。构建概率感知模型网络,定义一个能耗均衡系数用以表示网络能耗均衡程度,以覆盖率、工作节点数和网络能耗均衡系数为优化目标,然后利用遗传算法进行仿真。仿真结果表明,覆盖控制策略能够在达到较高覆盖率的同时,有效降低能耗并保证网络能量均衡,从而延长网络生存时间。     

无线传感器网络满足QoS带宽需求 的能量最优路由方案

有效使用片上受限资源以保持最长的生命周期是无线传感器网络的核心问题.QoS路由技术解决了无线传感器网络要求支持多种业务的差别服务和全网范围的资源有效利用的问题.本文提出了一种可以满足QoS带宽需求的能量最优路由发现方法.该方法构建了节点选择模型、能量评价模型和节点能耗权重模型,使用遗传算法利用可用节点集合建立满足QoS带宽需求的能量最优路由.利用Markov链证明该算法是可收敛并且是以指数速度概率强收敛的.另外,通过实验仿真与分析,给出了本文遗传算法的控制参数的选择区间,实验显示本文提出的满足QoS带宽需求的路由发现方法对无线传感器网络具有更好的适应性和更长的网络寿命.     

基于自适应遗传算法的蜂窝网络信道分配

为解决遗传算法用于蜂窝网络固定信道分配时存在的过早收敛问题,通过采用最大需求优先最小冲突初始化方式、渐进式变异技术和一种新的交叉概率、变异概率自适应调整策略,提出一种自适应遗传算法。通过评估一组benchmark问题,证明该算法对解决信道分配问题具有较强的最优解收敛能力,收敛速度较快。     

BP网络及遗传算法在河道流量预报中的应用

基于遗传算法的全局搜索和BP网络局部精确搜索的特性,采用遗传算法对BP网络模型进行优化,并将此模型应用于北江流域的坪石-犁市河道的预报流量中.实验结果表明,该算法在提高BP网络的收敛速度和预测精度上是行之有效的,为流量预报提供了一种新的方法.     

一种利用分布式GA的传感器网络资源管理方法

如何减少能量的消耗和延长整个网络的生存期是传感器网络研究中的核心问题,在保障传感器最少探测概率的基础上,文章提出了一种利用分布式遗传算法的资源管理调度方法。经过仿真实验分析,此方法可以实现传感器网络能量消耗的最少化。     

无线传感器网络中覆盖集的高效选取

传感器网络分簇机制中, 工作效率与网络覆盖密切相关. 任意时刻激活最小数目工作节点能够有效节省网络能量. 然而, 由于传感器网络的高密度部署, 使得该问题成为一个NP-完全问题. 本文提出一种基于改进的精锐非支配遗传算法以选择网络最优覆盖集. 对比于传统的二进制监测模型, 本文在算法实施过程中采用了概率监测模型. 在保证网络全覆盖的前提下, 令一部分节点进入休眠状态达到节能的目的. 并提出循环重组算子和删除因子以优化算法性能. 大量的仿真实验验证了本文算法的有效性.     

无线传感器网络权衡生存时间与数据分组跳数的分流路由算法*

无线传感器网络的节点大多采用电池供电.因而节能对无线传感器网络就显得至关重要.该文提出一种能耗感知的优化网络生存时间的路由算法,称之为分流路由算法(DTRA,Diffluent Traffic Routing Algorithm).DTRA算法采用一个优化模型以优化每个节点发出的数据比例,从而达到权衡网络生存时间和数据分组跳数.此外,采用一个简单的遗传算法求解该优化问题.仿真结果表明:DTRA算法能显著地提高网络的生存时间,同时将数据分组平均跳数保持在一个较低的水平;在网络生存时间上,DTRA算法比一些已有的知名算法更优.     

Deep Mining of Redundant Data in Wireless Sensor Network Based on Genetic Algorithm

Mining effective data from wireless sensor network node data is one of the main subjects in studies concerning wireless sensor network data processing. Wireless sensor network data are muli-dimensional and dynamic. Generally, data mining technology cannot satisfy the requirements of wireless sensor network. A large amount of accumulated and redundant wireless sensor network monitoring data reduces the efficiency of data processing. To solve the above problems, this study proposed a data mining algorithm, which integrated rough set algorithm and genetic algorithm to mine redundant data in node network data. The results of the simulated calculation based on MATLAB platform suggested that the identification rate, false accept rate and reject rate of the proposed algorithm were 94.65, 1.753 and 2.331%; compared to network data mining algorithm based on improved genetic algorithm, it has higher efficiency and accuracy in data mining. The algorithm could effectively excavate redundant data in wireless sensor network and optimize the operation environment of wireless sensor network. The application of the rough set and genetic algorithm based data mining algorithm in wireless network has a promising prospect.     

基于新量子遗传算法的无线传感器网络感知节点的分布优化

无线传感器网络中,感知节点的合理分布对于提高网络的感知能力和收集信息能力都具有重要作用。对于随机分布方式产生的感知网络,可以利用节点的移动性对特定感知节点的位置进行调整从而改善网络整体的感知覆盖范围。为此,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,给出了无线传感器网络覆盖控制模型,并提出了一种基于新量子遗传算法的分布优化机制。仿真结果表明新量子遗传算法在优化性能上优于传统遗传算法,能够有效提高网络整体的感知能力。     

遗传算法在传感器优化配置中的应用

针对于传感器网络中传感器配置问题,在保证局部网络损坏的情况下仍能进行检测,提高检测网络的可靠性,提出了用遗传算法对其进行优化,并设计了该遗传算法的计算步骤和其相应的适应度函数程序。计算了一个实例,得出了较好的配置方式,满足了传感网络可靠性的要求,说明了用遗传算法进行传感器优化配置是可行的。     

基于遗传算法的无线传感器网络路由协议研究*

针对无线传感器网络能量受限、建立高效路由困难等特点,将遗传算法应用于无线传感器网络路由协议中,提出了一种快速构建无线传感器网络最优路径方法。采用可变长度染色体编码,采取选择、交叉和变异操作,充分利用基站的信息资源和强大计算功能,逼近无线传感器网络最优路径。仿真结果表明,基于遗传算法的无线传感器网络路由协议可以有效延长无线传感器网络的生命周期,改善网络性能。     

一种优化算法物联网技术分布式协作路由研究

研究无线传感器网络分布式协作优化问题。针对无线传感器网络资源利用率和传输效率低下等问题,建立了一种基于遗传优化算法的无线信道质量预测的分布式优化协作路由技术。该技术充分利用遗传算法,采用启发式方法建立无线链路信道信噪比预测模型,然后根据信道质量选择最优者作为协作节点,以较小代价在动态无线网络拓扑中搜寻到最优路由。数学分析表明,遗传算法收敛速度快、可靠性高,可以准确地预测无线链路质量;同时该协作路由技术对无线传感器网络具有更好的适应性,并有效延长了网络生命周期。     

基于遗传算法的小波神经网络温度补偿模型

对单晶硅压阻式压力传感器的输出随温度漂移的问题,提出了基于遗传算法的小波神经网络模型,该模型充分发挥了遗传算法的全局搜索能力和小波神经网络简单快速的函数逼近能力,研究结果表明,该模型有效的抑制了温度对压力传感器输出的影响,提高了传感器的稳定性和准确性。     

Sensor Distribution Optimization Based on Extending-tree in Sensor Network

In a sensor network,reasonable distribution of sensor nodes will do much good to the improvement of sensorial ability.In a sensor network constructed by randomly scattering,a better sensing coverage can be achieved by topology adjustment utilizing mobility of some sensor nodes.To solve this problem,we define an extending-tree in the sensor network using Voronoi diagrams and Delaunay network.On this base,a new optimization algorithm of sensor node distribution based on genetic algorithm is designed,which provides a sound effective means to improve the sensorial ability of network.Simulation output shows that this algorithm can achieve an optimizing node distribution in the object area,by which sensorial ability of the whole sensor network can be improved at a relatively low cost.     

无线传感器网络中基于伸展树的感知节点分布优化

In a sensor network, reasonable distribution of sensor nodes will do much good to the improvement of sensorial ability. In a sensor network constructed by randomly scattering, a better sensing coverage can be achieved by topology adjustment utilizing mobility of some sensor nodes. To solve this problem, we define an extending-tree in the sensor network using Voronoi diagrams and Delaunay network. On this base, a new optimization algorithm of sensor node distribution based on genetic algorithm is designed, which provides a sound effective means to improve the sensorial ability of network. Simulation output shows that this algorithm can achieve an optimizing node distribution in the object area, by which sensorial ability of the whole sensor network can be improved at a relatively low cost.     

无线传感器网络节点的自定位技术研究

首先, 总结和分析 无线传感网络节点自定位的基本原理、分类,得到自定位技术的本质是一个优化最优问题;其次,在该基础上,以遗传算法、模拟退火算法、进化策略和差分进化算法作为研究对象,针对这4种典型定位算法的优缺点展开讨论;然后,结合GA算法和SA算法各自的优势,提出一种遗传-模拟退火算法,从而增加初始种群的多样性,避免在传感器节点选择中陷入局部最优解的问题;最后,将上述改进方法应用到无线传感器网络节点定位中,用MATLAB分别对GA算法、SA算法和GSA算法进行仿真比较,验证了GSA算法的优势,为无线传感节点自定位技术提供新的参考。     

基于传感器网络节点配置优化仿真研究

研究无线传感网络节点配置覆盖优化问题。由于无线传感网络存在着热区问题,对网络的覆盖性能造成严重的影响,同时影响网络配置优化。为了有效的提高无线传感网络的覆盖率,提出了一种改进的粒子群算法优化无线网络节点覆盖。针对粒子群算法存在易陷入局部极值和早熟的缺陷,引入遗传算法中的交叉算子和变异算子,优化传感网络节点的混合粒子群算法,在严格确保无线传感器网络连通性的条件下,传感器节点配置数目达到要求的覆盖度,并进行仿真。仿真结果表明混合粒子群算法能快速收敛到更精确的解,使网络节点配置达到覆盖的优化要求。