有向异构传感器网络覆盖优化算法

针对有向异构传感器网线随机部署产生覆盖重叠和盲区这一问题,受到虚拟势场算法的启发,提出了基于虚拟势场的有向异构传感器网络覆盖优化算法（PCADH）。以有向感知模型为基础,引入重叠质心、有效质心和虚拟边界质心的概念,对有向异构传感器网络进行虚拟受力优化、节点往复运动优化和边界优化处理。仿真结果表明：算法可以快速有效地提高有向异构无线传感器网络的覆盖率。     

多障碍的有向异构传感器网络覆盖优化算法

针对多障碍影响的有向异构传感器网络中的覆盖问题,在满足有向感知模型的基础上,提出了基于虚拟势场的多障碍的有向异构传感器网络覆盖优化算法PCMODH。该算法通过引入重叠质心和有效质心的概念,对多障碍影响的有向异构传感器网络进行邻居节点的虚拟受力优化、节点往复运动优化、边界节点及障碍物节点处理。该算法优化了随机部署产生的覆盖问题,提高了多障碍的有向异构传感器网络的覆盖率。仿真结果证明了该算法的有效性。     

基于虚拟势场的有向传感器网络覆盖优化算法

针对有向传感器网络中存在覆盖重叠区和盲区这一问题, 引入重叠质心和有效质心的概念, 提出了一种基于虚拟势场的有向传感器网络覆盖优化算法PCAFD。该算法通过重叠质心和有效质心相互作用, 使节点因受虚拟斥力而改变感知方向, 并针对边界情况和网络优化过程中的节点往复运动现象进行改进。算法快速地提高了网络覆盖率, 一系列仿真验证了该算法的有效性。     

多障碍场景的有向传感器网络覆盖优化算法

针对监控区域中存在障碍物的情况,引入一种避障策略,提出基于虚拟势场的传感器网络覆盖优化算法。该算法基于有向感知模型,通过重叠覆盖区域、有效覆盖区域和障碍物遮挡区域之间虚拟力的相互作用,调整节点的传感方向,逐步消除网络中的重叠覆盖区域和障碍物遮挡区域,并根据分布在边界区域的边界节点进行改进,通过在边界线上增加一个虚拟邻居节点,实现有向传感器网络的覆盖性能增强,并分析传感器参数对覆盖率的影响。仿真结果表明,在有障碍物的情况下,该算法可有效提高网络覆盖率。     

有向传感器网络覆盖增强研究

为提高视频传感器网络的感知覆盖率,基于有向传感器感知模型,提出一种利用Voronoi图的视频传感器网络覆盖增强算法。该算法采用质心替代节点扇形感知区域并构造Voronoi图,通过调整节点感知方向对代替扇形感知区域的质心进行均匀分布,以消除网络中感知重叠区和盲区,提高整个有向传感器网络覆盖率。仿真结果表明,该算法能够有效提高网络覆盖率并能快速收敛。     

基于混沌粒子群的有向传感器网络覆盖优化

研究有向传感器网络覆盖控制问题,全向传感器不能直接应用于有向传感器网络.为改善有向传感器网络覆盖性能,在分析有向感知模型的基础上,提出了应用混沌粒子群的有向传感器网络覆盖优化算法,可随机部署有向传感器网络,以网络区域覆盖率为优化目标,利用粒子群算法较快的收敛速度和混沌搜索的遍历性、随机性,通过调整传感器节点的主感方向,减少网络感知重叠区和感知盲区.仿真结果表明,改进算法能有效提高网络覆盖率.与基本粒子群等覆盖优化算法相比,改进算法覆盖优化性能更好.     

复杂区域的有向传感器网络覆盖优化算法

在现有的有向传感器网络中,节点模型多以质心点围绕扇形顶点进行旋转,由于此类模型中节点旋转面积是一个整圆,因此会增加网络能源消耗和部署时间。针对复杂区域的无线传感器网络覆盖优化问题,使用以扇形节点围绕质心点转动的节点模型,提出一种基于虚拟势场的复杂区域覆盖优化算法( COACA),通过减小节点的旋转面积实现部署优化。针对影响算法覆盖率的相关参数进行仿真实验,并与PFPCE算法进行对比,实验结果验证了COACA算法在覆盖率和时间效率上的优越性。     

基于虚拟力算法的WMSNs覆盖研究

为了提高无线多媒体传感器网络（WMSNs）区域覆盖率,在传感器节点随机部署后,通过调节传感器节点的感知方向,使节点从感知重叠区域向覆盖盲区转动,提高网络覆盖率。针对现有算法中存在覆盖效率和覆盖率不能统一的问题,提出一种改进的虚拟力覆盖算法（VFARCR）,该算法利用传感器节点感知扇形区域质心点间的斥力调节感知方向,且通过传感器节点间的覆盖冗余度的决定方向调整的大小,虚拟力和覆盖冗余度共同控制传感器的转动。仿真实验表明：该算法提高了覆盖效率和覆盖效果,提高了虚拟力覆盖算法的性能。     

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.     

一种新的动态视觉传感器网络目标覆盖率算法*

动态视觉传感器网络目标覆盖研究中把目标点看成一个质心,而实际中存在物体直径可能大于视频节点半径、质心模型不适用的情况,针对此提出了一种新的动态视觉传感器目标物体覆盖率问题。基于此问题同时结合有向感知模型,提出有向线性感知模型,并基于该模型使用改进的粒子群优化算法对物体覆盖率进行仿真优化。仿真结果表明了该模型的有效性。     

差分进化融合混合虚拟力的有向传感器网络覆盖算法

针对感知方向可调的有向传感器网络（DSN）,为最大限度减少覆盖空洞和重叠区,从而提高有效覆盖率,提出了差分进化融合混合虚拟力的DSN覆盖算法。首先,建立有向感知模型,分析节点之间、节点与障碍物之间及节点与边界之间的混合虚拟作用力,在此基础上建立节点旋转角度与作用力之间的调整公式;然后,为弱化混合虚拟力造成的局部次优解缺陷,引入差分进化模型,将虚拟力作为进化更新的一个影响因子,节点间经过变异、交叉及选择操作来寻找最佳适度值,提高有效覆盖率。覆盖仿真实验表明,在100 m×100 m监测区域下,求得100次随机部署后经过差分进化融合混合虚拟力算法网络有效覆盖率提高了19.68%,而经过混合虚拟力算法和差分进化算法的覆盖率分别提高了10.32%和11.35%;差分进化融合混合虚拟力算法在迭代80次左右网络趋于稳定,而混合虚拟力算法和差分进化算法分别需要130次和140次左右迭代。相对于混合虚拟力算法和差分进化算法,将两者相结合的差分进化融合混合虚拟力算法的收敛速度更快,有效覆盖率提高更明显。     

基于次锚节点的无线传感器网络改进加权质心定位算法

针对加权质心定位算法（ WCLA）对锚节点数量要求较高和定位精度较低的缺陷,提出一种基于次锚节点的改进加权质心定位算法（ IWCLA-SAN）。该算法在加权因子中引入修正系数,以提高定位精度;同时,将基于粒子群优化（ PSO）的定位算法的未知节点升级为次锚节点,在锚节点数量有限的情况下,以提高定位精度和定位覆盖率。仿真结果表明：该算法能有效提高定位精度和定位覆盖率。     

基于质心和自适应指数惯性权重改进的粒子群算法

针对粒子群优化(PSO)算法易出现早熟收敛及寻优精度低等问题,为提高粒子群优化算法寻优能力,提出了一种基于质心和自适应指数惯性权重改进的粒子群优化算法(CEPSO)。首先,使用各粒子的适应度计算权重系数;然后,分别使用各粒子当前位置和迄今为止最优位置构造了加权的种群质心和最优个体质心,使用平均粒距来度量群体状态,并依据群体状态设计了分段指数惯性权重;最后,结合使用分段指数惯性权重和双质心调整了粒子速度更新公式。仿真结果表明,CEPSO能增强寻优能力,并具有较强的稳定性。     

无线多媒体传感器网络混合虚拟势场覆盖研究

主要研究无线多媒体传感器网络的模型优化和区域覆盖增强问题.首先从多媒体传感器节点具有方向性的感知特性出发,针对视频可接受清晰度问题,设计了一种改进的扇环感知模型,并以此为基础对无线多媒体传感器网络(WMSN)中区域覆盖增强问题进行研究.其次,采用混合虚拟势场对WMSN 的区域覆盖进行增强,质心在虚拟势场产生的引力和斥力作用下运动.算法针对传统虚拟势场可能出现因局部极小而导致覆盖优化效果降低的问题改进了斥力函数,引入邻居节点共同覆盖率辅助节点感知方向的调整.并在传感器节点迭代完成后引入边界斥力,以进一步优化边界节点的利用率.最后通过一系列的模拟仿真实验和效率对比表明了算法的有效性.     

群混合算法应用于异构传感网络节点的优化部署

针对异构传感网络节点初始随机部署时产生覆盖盲区和覆盖冗余的问题,以降低节点成本和提高网络覆盖率为目标,引入ε-目标约束法,提出一种基于粒子群算法和鱼群算法的群混合算法。该群混合算法首先建立个体中心的概念,将鱼群算法的聚群行为和追尾行为的思想引入到粒子群算法中以快速寻取个体的最优位置的解域,再利用粒子群算法对个体的速度和位置进行迭代寻优。仿真结果表明,该群混合算法与标准粒子群算法和标准鱼群算法相比,在网络覆盖率和成本目标之间能达到更好的平衡和优化。