异构无线传感器网络中基于模拟退火算法的成本最优部署机制

针对异构传感器网络节点的高密度部署和监测目标非均匀分布的情况,提出了一种基于模拟退火算法的成本最优部署方法.算法在保证网络覆盖和容错性的条件下,以异构节点部署成本最小为优化目标进行操作.仿真结果表明该算法能快速收敛于最优解,有效降低网络部署的成本,提高了目标监测质量.     

一种改进粒子群迭代优化的集成网络智能节点部署算法

为了解决复杂环境中集成网络系统的智能节点交又覆盖和相互千扰对智能节点最优位置选择的影响问题, 提出了一种改进粒子群迭代优化的集成网络智能节点部署算法。在该算法中,首先将集成网络系统智能节点部署模 型转化为在交又率和千扰约束目标下的优化问题;然后利用改进粒子群算法对节点部署方案进行映射,依据粒子粒距 聚类度和粒子信息墒对粒子权值进行修正,再计算粒子的适应度值,对粒子的局部最优解和全局最优解进行更新;最 后利用粒子速度和位置更新策略对智能节点部署进行迭代优化。仿真对比实验证明,该算法具有较好的收敛速度,且 收敛值更优,有效地保证了在覆盖率最大时干扰最小。     

基于二进制粒子群算法的异构传感器网络成本最优节点部署机制

节点部署作为无线传感器网络应用的一个核心问题,是保证网络服务质量的重要手段。针对异构传感器网络节点的高密度部署和监测目标的非均匀分布的情况,提出一种基于二进制粒子群算法的异构节点成本优化部署方法。该算法在满足区域节点部署要求的条件下以最小化传感器节点的部署成本为目标函数进行优化操作,以达到降低网络冗余、提高网络服务质量的效果。仿真结果表明,该算法能快速收敛于最优解,能够降低网络部署的成本,提高网络中目标监测的质量。     

基于无线传感器网络的红海湾监测预警系统节点布署

针对汕尾红海湾开发利用价值,设计切实可行的无线传感器网络预警监测系统,重点在对监测的海域设计无线传感器节点部署策略,网络中分别部署功能强大和较为节能的两种传感器节点,并在功能强大的节点间引用虚拟力算法达到最优部署,该算法具有较强的全局寻优能力。仿真实验表明该部署有效地提高了网络覆盖率,优化了网络性能。     

异构无线传感器网络中多目标优化节点部署策略

针对异构无线传感器网络节点高密度部署和事件发生存在"热点区域"问题,以区域覆盖率最大和网络能耗最小为优化目标,提出了一种基于多目标优化的二进制粒子群算法,对节点部署进行多目标优化。该算法采用概率感知模型,引入强支配系数使得解分布均匀,结合Pareto最优解选择排序和基于自适应权重的适应度分配,进而获得异构节点部署解。仿真结果表明:该算法能对目标空间进行广泛搜索,与NSGA—Ⅱ算法相比,算法具有良好的收敛性,能有效地提高网络的覆盖率和降低网络能耗。     

一种基于节点博弈的分层式数据网格资源调度优化策略

传统数据网格调度算法容易陷入局部最优值和收敛速度过慢的问题。分析分层式数据网格的特点,对数据网格进行层次划分和节点角色二级划分。针对分层式网络调度模型,设计了一种基于节点博弈的分层式数据网格资源调度优化算法(CTDGRA算法)。该算法基于博弈论框架,将数据分布任务调度计划生成问题转变成静态数据任务与动态节点资源映射优化选取方案问题。兼顾数据任务间的依赖关系、节点域间的节点能力及节点的偏好行为,衡量各节点目标并获得全局最为有利或最为合理的方案的行为方案从而保证系统全局最优QOS。仿真实验表明,算法能激励普通节点贡献空闲能力的意愿,同时避免低性能节点成为资源获取的性能瓶颈,较好地提升系统的吞吐力。     

混合无线传感器网络节点覆盖优化

为了解决混合无线传感器网络的节点覆盖率低的问题,提出了改进粒子群的混合无线传感器网络节点覆盖迭代优化算法.在该算法中,首先将混合无线传感器网络节点覆盖模型转化为在网络系统中动态的求覆盖率最大值的节点部署位置寻优问题;然后提出利用改进粒子群算法对节点覆盖优化方案进行粒子及其权值映射,并依据粒子粒距聚类度和粒子信息熵对粒子权值进行调整,再依据粒子适应度值对粒子局部最优值和全局最优值进行更新;最后迭代地对粒子的位置和速度进行计算,输出具有最优覆盖率的节点部署方案.仿真结果证明,该算法能够有效的提升网络覆盖率,且算法的收敛速度快.     

一种面向多目标关联覆盖的无线传感器网络节点优化调度算法

提出一种面向多目标关联点覆盖的无线传感器网络节点优化调度算法D-MTAC．该算法基于数据挖掘中的关联规则和无线传感器网络的能量高效原则,通过挖掘随机部署的网络节点与待监控目标间的关联感知关系给出高频关联目标集,采用优化时间分片和动态自适应选择机制确定能够令责任节点工作状态与网络寿命实现最优匹配的优化调度决策集合．仿真结果表明：在保证目标监控质量的前提下,该算法能够有效降低网络累积能耗并延长网络寿命．     

基于改进蝙蝠算法的无线传感器网络的移动节点部署

针对传统的无线传感器网络(WSNs)中存在的移动节点部署的分布不均匀、网络覆盖度太低等各种问题,提出了一种基于改进蝙蝠算法(BA)的移动节点部署策略,通过蝙蝠算法的收敛特性,不断迭代寻求问题的最优解,从而不断优化传感器节点的部署.Matlab仿真表明:提出的算法可以显著改善传感器节点的覆盖密度,并且节点分布也相对比较均匀.     

改进萤火虫算法性能分析及其在WSNs网络覆盖中的应用

对改进萤火虫算法性能及其在WSNs网络覆盖优化中的应用问题进行了研究。分析了基本萤火虫算法的全局收敛性,针对其收敛效率低的缺陷,给出了算法改进策略,并证明了改进的萤火虫算法以概率1收敛于全局最优解,在此基础上,提出了基于萤火虫优化的网络覆盖算法,建立了以网络均匀度及网络覆盖率为准则的数学模型,推导了节点冗余度与网络覆盖率之间的关系,给出了节点休眠策略,并将节点部署划分成不同的阶段,在每个阶段,分别采用改进的萤火虫算法对模型进行求解,进而得到无线传感器网络最优覆盖,最后对经典测试函数和WSNs网络覆盖问题进行实验仿真,仿真结果表明改进的算法具有更加理想的运算结果,而且能有效地给出WSNs网络覆盖优化方案。     

基于分布式遗传算法的水质传感器布置优化研究

水质传感器优化布置是指在城镇配水管网中最优位置布置水质传感器对污染物进行检测,从而达到监测预警的目的,其本质是一类大规模离散组合优化问题。首先从数学上对该问题进行分析,论证了其具有NP-Complete特性;然后针对该问题计算开销大等特点,提出了基于Spark云计算模型的分布式遗传算法;最后以一个典型的复杂配水管网为对象进行实验,仿真结果表明,所提出的算法不仅具有搜索速度快、精度高等优点,而且还具有较好的线性加速比。     

On efficient deployment of sensors on planar grid

One practical goal of sensor deployment in the design of distributed sensor systems is to achieve an optimal monitoring and surveillance of a target region. The optimality of a sensor deployment scheme is a tradeoff between implementation cost and coverage quality levels. In this paper, we consider a probabilistic sensing model that provides different sensing capabilities in terms of coverage range and detection quality with different costs. A sensor deployment problem for a planar grid region is formulated as a combinatorial optimization problem with the objective of maximizing the overall detection probability within a given deployment cost. This problem is shown to be NP-complete and an approximate solution is proposed based on a two-dimensional genetic algorithm. The solution is obtained by the specific choices of genetic encoding, fitness function, and genetic operators such as crossover, mutation, translocation for this problem. Simulation results of various problem sizes are presented to show the benefits of this method as well as its comparative performance with a greedy sensor placement method.     

最佳维变异粒子群优化算法在传感器调度中应用

粒子群优化(PSO)算法的主要特点是能快速得到问题的解,缺点是容易陷入局部最优.提出了一种利用最佳维变异技术和量子理论方法改进的PSO算法,并应用于目标跟踪传感器调度问题.目标的动力学模型为线性高斯模型,传感器观测值被高斯噪声污染并与目标状态线性相关.对于多传感器单目标跟踪的数学问题,引入提出的最佳维变异PSO算法,在...     

Ant colony optimization based sensor deployment protocol for wireless sensor networks

Sensor deployment is one of the most important issues in wireless sensor networks, because an efficient deployment scheme can reduce the deployment cost and enhance the detection capability of the wireless sensor networks. In addition, it can enhance the quality of monitoring in wireless sensor networks by increasing the coverage area. Ant colony optimization (ACO) algorithm provides a natural and intrinsic way of exploration of search space for multiple knapsack problem (MKP). In this work, we consider the problem of sensor deployment to achieve complete coverage of the service region and maximize the lifetime of the network. We model the deployment problem as the multiple knapsack problem. Based on ACO algorithm, we proposed a deployment scheme to prolong the network lifetime, while ensuring complete coverage of the service region. The simulations show that our algorithm can prolong the lifetime of the network.     

基于信息覆盖理论的传感器节点部署方法

传感器网络中,覆盖控制是一个基本的问题.传感器节点既可以随机部署也可以在特定的环境中指定部署.传感器部署在传感区域网格的顶点处,如果信息能够覆盖网格中所有的顶点,此传感器网络为完全信息覆盖.通过研究基于完全信息覆盖理论的传感器节点指定部署,把传感器部署问题转化为受限的优化问题,并提出了一种贪婪算法,目的是在保证覆盖要求的条件下总代价的最小化.计算结果显示该算法不仅能有效的求得高质量的解决方案,而且还能在满足信息覆盖的要求的同时,极大地减少所需传感器的数量.     

打印参数可变模式下3D打印批调度问题研究

研究打印参数可变模式下3D打印批调度问题,旨在对打印任务随机到达的3D打印服务系统进行优化建模.考虑到工作台尺寸的限制以及打印参数层高对打印质量的影响,论文以各个任务队列长度作为系统联合状态,以任务组合以及打印参数层高作为系统的联合控制变量,以提高生产率、减少打印质量损失、节约电能为综合目标,将优化问题描述为半马尔科夫决策过程(SMDP),以便采用策略迭代算法、Q学习等算法求解系统最优调度策略.仿真结果表明,与层高参数固定模式以及先到先服务(FCFS)模式相比,本文求解的批调度策略能够有效提高生产性能.     

WSN中考虑节点磨损的分布式自稳定网络寿命优化算法

针对无法预估的节点故障影响无线传感器网络寿命的问题,本文提出了一种考虑节点磨损的分布式自稳定优化算法。首先,利用韦伯函数拟合网络生命周期的分布,定期唤醒睡眠节点进行故障检测;然后,采用分布式调度,无需知道传感节点的位置信息,使用多个节点同时工作,从而提高效率;最后,通过较低的网络通信代价,及时使用空闲节点替代故障节点,保持网络的连通性。理论分析和仿真实验验证了本文算法的有效性及可靠性,仿真结果表明,当传感器节点的可靠性随着使用时间与磨损下降时,本文算法可以更好地延长无线传感器网络寿命,相比分布式多目标概率覆盖协议,本文算法在寿命延长、覆盖率、节点唤醒次数等方面均取得更好的性能。     

射频供能传感网中能量源布置和发送功率优化

射频能量捕获无线传感网（RF energy harvesting wireless sensor network,简称RFEH-WSN）是无线传感网的热点研究领域之一,专用射频能量源设备（energy transmitter,简称ET）的使用进一步增强了网络的可控制性和实用性.这类应用中一个值得研究的问题就是如何配置给定数量的ET,从而在满足节点能量需求的前提下优化布置位置和发送功率,减少能量消耗.首先对ET布置和发送功率联合优化问题建模,明确优化目标和限制条件.然后分别提出了先基于聚类算法确定ET位置再调整功率的分步优化方案,以及基于粒子群优化（particle swarm optimization,简称PSO）的布置与发送功率联合优化方案.仿真结果显示,布置和发送功率联合优化方案较分步优化方案,ET发送功率的节能效果更为明显.     

Inline wireless mobile sensors and fog nodes placement for leakage detection in water distribution systems

Burst or leakage in drinkable water distribution system has occurred frequently in recent years, causing severe damages, economic loss, and long-lasting society impact. A viable solution is to use agile inline mobile sensors to detect and so as to mitigate the burst or leakage. Distinguishing from online fixed sensors, mobile sensors can swim freely along the piles in water distribution network, thus giving a more precise detection. To combat the low power, low computation, and low communication capability of mobile sensors, the newly emerged fog computing provides a promising means to gather and preprocess the sensing data. In practice, due to the budget limitation, we can deploy a limited number of sensors and fog nodes in the system. This introduces a challenging problem on how to deploy them in the system, ie, sensor and fog node placement. We first formulate mobile sensor placement (MSP) as a path cover problem and prove it as NP-complete, and then we propose a customized genetic algorithm and a mixed greedy algorithm to solve MSP and fog node placement, respectively. The correctness and efficiency of the proposed algorithm are illustrated by a comprehensive experiment. Moreover, some critical factors, eg, sensor battery lifetime and movement pattern, are all extensively investigated and the results show the coverage ratio is sensitive to these factors.     

无线传感器网络中近似事件检测节点调度问题

在异构的无线传感器网络中,组成事件的不同类型的数据之间具有较强的相关性.为了减少能量的消耗,可以通过收集组成事件的部分感知数据来近似地检测该事件.提出近似事件检测的节点调度问题.将网络中的节点分成若干个集合,每个集合轮流工作,在保证收集到的部分数据能够有效地近似检测目标事件的同时,最大化网络的生命周期.证明了近似事件检测的节点调度问题是NP完全问题,并给出了基于贪心策略的近似比为1/2的近似算法.实验结果表明,方法能够有效延长网络的生命周期.