基于EGWOEO算法的三维无线传感网络覆盖优化

针对三维随机部署无线传感网络节点出现的覆盖率低和节点不均现象，以覆盖率为适应度函数，提出一种基于EGWOEO算法的三维无线传感网络覆盖优化算法。首先，采用Tent混沌映射初始化种群，以增加种群多样性；其次，利用反向学习策略，以增加全局搜索能力；之后，融入双曲正切高斯策略，加强算法寻优能力；然后，提出一种正余弦函数的非线性收敛因子，以平衡全局与局部搜索；最后，改进种群位置更新方程，加快算法的收敛速度与精度。将改进的EGWOEO算法应用于三维WSN覆盖优化中，仿真结果表明，与GWO、PSOGWO、LGWO算法相比，EGWOEO算法的三维WSN覆盖率平均增量分别为11.023%、10.662%和12.401%,改善了节点分布不均现象，提高了节点利用率。     

多策略灰狼算法在WSN上的覆盖优化研究

针对随机部署无线传感网络出现的覆盖率低的问题，提出了一种多策略灰狼(MSGWO)算法的无线传感网络覆盖优化方法。首先，为平衡全局与局部搜索，提出双曲正切的非线性收敛因子；其次，采用差分变异重构包围步长来降低算法陷入局部最优的概率；然后，为加快算法的收敛速度与精度，利用瞬态搜索优化方程更新灰狼位置；接着融合莱维飞行策略增加空间搜索多样性；最后，引入边界越位策略避免灰狼个体越界重定位问题。仿真结果表明，MSGWO算法相比SSA、LGWO、PSO和PSOGWO算法的平均覆盖率增量分别为12.52%、6.054%、7.53%和3.45%,该算法具有较高的平均覆盖率和更优的节点分布状态。     

基于融合改进RRT算法与改进DWA算法的路径规划研究

针对传统动态窗口算法(dynamic window approach, DWA)在动态环境下预测能力较差且非最优路径等问题，提出一种改进的DWA算法。通过密度约束和采样区域限制来改进RRT^*(rapidly-exploring random tree)算法，提高RRT^*算法的收敛速度。将改进RRT^*算法得到最优路径作为机器人移动的参考路线，以保证全局的路径最优。通过预测轨迹的末端状态来合理的延长预测轨迹，以传递影响到评价函数，使机器人可以提前探测到障碍物并进行避障动作。在不同环境下，改进后的算法移动路径长度和消耗时间分别减少12.76%和30.14%,且具有更强的前瞻性以及更短的路径。