一种混合无线传感器网络内覆盖洞修补的分布式启发算法

首先对最小化最大移动开销移动传感器分布式算法设计进行了分析, 并指出在分布式条件下难以对此类算法中的输出分派移动传感器的最大开销进行限制, 随后提出了一种分布式启发算法。该算法将移动传感器和覆盖洞视为节点, 在节点和节点的邻居间通过有限数量消息实现匹配。仿真结果显示, 算法可实现最高达到85%的覆盖洞修补率以及较低的移动传感器最大移动开销, 使其更能适用于实际无线传感器网络环境。     

层次学习骨干粒子群优化算法

对骨干粒子群优化(BPSO) 种群多样性迅速丧失的原因进行分析, 提出层次学习骨干粒子群优化算法以克 服早熟现象. 该算法中粒子依不同的学习概率向粒子自身的最优粒子、优胜粒子和群体最优粒子学习, 该机制使群 体实现不同层次的搜索并有效维持群体的多样性. 此外, 群体最优粒子依概率采用跳跃策略以增强逃逸能力或采用 扰动策略以提高解的质量. 将所提出的算法与多种改进的粒子群优化算法进行对比, 仿真结果表明, 所提出算法的综 合表现优于其他算法.     

无线传感器网络中基于闭合环包围的边界节点检测

由于无线传感器网络中可能会出现覆盖漏洞,导致网络无法提供高质量的数据,所以需要检测边界节点以准确找到覆盖漏洞进行修复。已有研究大多是通过传感器的坐标或者依据大量节点信息进行检测, 现提出算法通过检测每个节点的邻居节点是否能形成包围检测节点的闭合环来判别当前节点是否为边界节点。该算法使得节点能够仅基于小邻域的信息自主地决定它是否是边界节点,使其适用于节点分布不均匀的网络中。仿真实验验证了该算法在识别准确率、降低通信量等方面的有效性。     

混合无线传感器网络内覆盖洞的双目标修补算法

混合无线传感器网络中的覆盖洞修补通常由网络内的移动传感器移动实现。现有文献中的算法只关注最小化所有移动传感器的移动能量消耗或最小化所有移动传感器中的最大能量消耗中的一个。为此,首先提出一种同时实现前述两个目标的离线算法,其次提出一种双目标的覆盖洞在线修补算法。双目标离线算法基于两个单目标算法的结合。双目标在线算法基于分层分离树上的在线匹配,能有效降低匹配开销。在线算法中感应区域的单元分隔摆脱了算法对覆盖洞的大小或数量预知的要求。仿真结果显示,双目标的离线算法和在线算法对覆盖洞修补中移动传感器的能量保留均具有显著效果。     

无线传感器网络中移动传感器的再定位技术

回顾了在传感器网络中引入移动传感器的过程。介绍了移动传感器再定位技术可解决传感器网络中的事件深入感知、传感器失效和非精确投放等问题。详细阐述了现有的移动传感器移动至感兴趣区域深入感知、扩大网络覆盖面积和修补网络覆盖洞三类技术。剖析了现有技术中存在的问题。总结分析了主要解决方法和模型,并对未来研究方向进行了展望。