分布式布谷鸟算法在无线传感器网络布局优化中的应用

在无线传感器网络中,传感器节点的部署通常具有随机性。随机布局的无线传感器网络存在着节点利用率低,传感器网络覆盖率小等问题。为了解决无线传感器布局问题,提出了基于分布式布谷鸟算法的无线传感器网络覆盖优化算法,利用布谷鸟算法对传感器节点的布局进行优化,同时采用分布式计算提高算法的计算速度。实验表明,该算法对无线传感器网络的布局具有很好的优化效果,而且比布谷鸟算法具有更快的计算速度。     

基于Voronoi图的蜂群优化算法在WSN覆盖中的应用

包含移动节点的混合网络成为无线传感器网络发展的主流.为了优化混合无线传感器网络的部署质量,提高部署效率,提出一种基于Voronoi图的蜂群优化算法来指导移动节点的部署.通过Voronoi多边形迅速找到固定节点部署的覆盖漏洞,指导引领蜂的生成,利于迅速定位全区域覆盖漏洞;通过评价漏洞大小代替轮盘赌选择方式来实现跟随蜂的开采过程,利于局部优化.仿真结果表明,该算法简便易实现,能够迅速收敛,提高网络覆盖率,达到混合网络的最优覆盖效果.     

基于模拟退火与高斯扰动的烟花优化算法

烟花算法(Fireworks Algorithm,FWA)是一种群体智能优化算法,具有求解复杂问题的全局最优解的能力。为了提高FWA求解全局最优解的能力,将模拟退火的思想引入到烟花优化算法中,并对FWA中某些单个烟花个体进行高斯扰动,提出了一种基于模拟退火与高斯扰动的烟花优化算法(SAFWA)。分别把烟花算法(FWA)、标准粒子群算法(SPSO)、增强烟花算法(EFWA)和SAFWA在10个典型的基准测试函数中进行仿真对比,结果表明,在收敛速度、计算精度以及稳定性方面,SAFWA均优于其他3种算法。     

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。     

基于改进蚁群算法的WSN路径优化

针对无线传感器网络(WSN)路径优化问题,提出一种改进蚁群算法的WSN路径优化方法,结合遗传算法和蚁群算法的优点,在蚁群算法中引入遗传算法选择、交叉和变异算子,提高算法收敛和全局寻优能力。仿真对比实验结果表明,改进蚁群算法提高了WSN路径优化效率和成功率,有效延长了WSN的生命周期,改善了网络整体性能。     

基于能量有效WSN优化覆盖算法的研究*

满足一定的覆盖条件下,有效地进行覆盖控制和减少能量消耗以及延长网络生存周期是无线传感器网络所研究的一项重点课题。为此,提出一种能量有效的优化覆盖算法。该算法利用贪婪算法和几何图形学相关理论知识,把目标覆盖区域节点能量构建成正态分布的网络模型,通过采集和检索数据选择最优子集以及对节点状态调度机制动态转换,可以有效地降低网络能耗,提高了节点覆盖性能的同时优化了节点的数量。仿真实验表明,该算法能够以较小的代价延长整个网络的生存周期,具有更好地适应性和稳定性。     

基于分布式梯度算法的WSN隐私保护技术研究

数据隐私保护技术是WSN领域的研究热点之一,针对数据隐私保护问题提出了一种基于分布式梯度算法的密钥管理策略.把网络拓扑结构抽象为有向图,每个节点都有各自的目标函数,密钥采用异步更新方式.更新过程中,每个节点的梯度值由目标函数给出,通过分布式优化算法求得全局目标函数的最优解,以此来计算通信密钥.随机因子依据数据与梯度的差值自适应调整作动态变化,攻击者无法获取随机因子及相关参数,从而达到隐私保护的目的.论文从隐密性、收敛性、有效性3个方面验证分析了该算法的优越性.     

基于画图算法的WSN节点定位算法

针对无线传感器网络的节点定位问题,提出一种新的基于类Kamada Kawai画图算法的无线传感器网络节点定位算法,将无线传感器网络节点定位问题转化成画图问题,用经典的画图算法求得问题的最优解,从而实现对节点的定位。仿真实验结果表明,该算法收敛速度快、定位精度高、能够获得较好的效果。     

基于粒子群算法的WSN覆盖优化

为了提高无线传感器网络性能,针对节点的分布与覆盖方案进行了研究,将拟物力算法中的拟万有引力和拟库仑力与粒子群算法相结合,提出了一种基于惯性权重的拟物粒子群算法。增强了算法全局搜索能力,更快地收敛至全局最优解,减少算法时耗和重复覆盖。仿真结果证明新的算法比基本粒子群和基于惯性权重的标准粒子群算法的全局收敛速度更快,覆盖率更高,重复覆盖的比率更低。     

基于改进遗传模拟退火算法的WSN路径优化

针对无线传感器网络路径优化问题,提出了一种改进的最优保存的遗传模拟退火算法。利用LEACH算法构建初始路由表,使用GASA的高效率搜索,将路由计算和遗传演化计算同时进行,并直至寻找到近似最优路径为止。将最优保存遗传算法和模拟退火算法相结合,引入自适应的概率变化,有效地解决了这两种算法的早熟现象和时间问题。仿真实验表明,该算法有效地解决了无线传感器路径优化问题,具有定位准确、节能和搜索能力较强等优点。     

无线传感器网络中多目标优化节点部署模型

针对多跳无线传感器网络中数据采集只采用单目标优化策略带来的问题,提出了一种基于多目标优化的可移动sink节点部署模型.该模型以网络能耗最小和数据延迟最小为优化目标,采用多目标线性规划方法获得节点部署的较优解,在能量消耗和数据收集延迟中取得平衡.仿真结果表明,该模型能够给决策制定者提供更优的无线网络数据采集方案,提高了数据采集的质量.     

无线传感器网络节点多目标安全优化部署

针对目前无线传感器网络节点优化部署方案中,没有考虑网络节点位置移动会破坏节点间的共享密钥而破坏的安全通信链路的问题,本文将Pareto多目标优化策略引入到无线传感器网络节点部署中,设计了一种多目标安全优化部署方案,建立多目标节点安全部署模型,并将节点安全连通度和网络覆盖率作为目标函数,兼顾解决网络安全性和网络覆盖质量的问题;通过惯性权重自适应的调整和结合虚拟力算法更新速度的方式改进多目标粒子群算法,采用精英档案策略来存储非劣解。仿真实验表明,本文方案能够提高节点的覆盖率,并且能够保持较大的节点安全连通度。     

无线传感器网络中非均匀的节点布置

在无线传感器网络中,传感器节点将收集到的数据传输到簇头,经簇头聚合后数据包以多跳方式发送到基站。靠近基站的节点,因转发的数据较多而提早死亡,出现所谓的能量空洞问题。为此,对无线传感器网络中节点的能耗情况进行了研究,提出了一种非均匀的节点布置算法,得出了一个布置传感器节点的密度函数,在靠近基站的区域内布置较多的节点。仿真实验表明,非均匀的节点布置算法能有效延长网络的生命周期。     

线型无线传感器网络的节点部署策略

尽可能延长无线传感器网络的生命周期是设计和部署网络所面临的最大挑战之一。由于节点配备的能量有限,节点通常采用多跳方式向基站传输数据。分析了节点在多跳通信时的能耗,提出一种非均匀的节点部署策略,得出一个部署传感器节点的密度函数,在靠近基站的区域部署较多的节点。仿真实验表明,非均匀的节点部署策略能有效延长网络的生命周期。     

无线传感器网络的节点部署方法的研究进展

无线传感器网络正成为全球关注的热点领域,节点部署是无线传感器网络工作的基础,它直接关系到网络监测信息的准确性、完整性和时效性,但目前对这一方面的研究还比较少,研究工作远落后于其它方面.对节点部署的相关问题进行了阐述.在分类与比较的基础上系统的综述了近几年来节点部署方法的研究进展,讨论了目前存在的问题和需要进一步研究的方向,旨在对以后的研究提供参考.     

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。     

基于无线传感器网络的分布递阶信息融合算法

提出了基于无线传感器网络的分布递阶信息融合方法,下层源节点采用卡尔曼滤波及基于减少能耗和网络冲突的数据处理方法,上层汇聚节点采用方差最小的加权信息融合方法,该方法能有效降低传感器网络能耗和网络信息冲突,仿真结果表明了该方法的有效性和可靠性。     

基于遗传算法的WSNs多路径路由优化

对WSNs的拓扑结构进行分析,建立其路由网络模型,结合遗传算法基本原理,提出了一种求解WSNs最优多路径路由算法。该算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功能,全局优化了WSNs多路径路由。仿真结果表明,该优化机制有效延长了WSNs的生命周期,改善了网络性能。     

无线传感器网络家居应用研究

近年来,随着微电子、无线电通信等技术的发展,无线传感器网络也受到了学术界众多科研人员的关注,成为了当今科学研究最热门的课题之一。本文就对无线传感器的应用,特别是家居中的应用作一次简述。