基于虚拟力的无线传感器网络分簇部署策略

为提高大规模密集部署的无线传感器网络节点覆盖率,提出了一种基于虚拟力的节点分簇动态部署策略.将传统基于虚拟力的节点动态部署分成簇间部署与簇内部署两阶段,以达到打破网络中部节点受力平衡、降低部署过程中簇间干涉、提高节点覆盖率的目的.利用二元感知模型对算法进行仿真,结果表明,相比于传统VPF算法及VFA算法,该策略在随机部署大量密集节点的网络中具有较快的收敛速度与显著的优化效果,覆盖率最终可达90%以上,可以满足无线传感器网络的覆盖控制要求.     

基于差分算法的异构移动节点分布优化策略

针对监测区域中目标非均匀分布的情况,提出一种解决异构移动无线传感网络环境中节点布局的差分优化策略.该策略以网络的有效覆盖率为优化目标,指导种群进化,加快算法收敛速度.仿真结果表明差分优化算法能快速有效地实现异构移动无线传感节点布局优化.与虚拟力算法相比,差分优化策略不仅网络覆盖率高,且收敛速度快,耗时少.     

基于虚拟力和果蝇优化算法混合控制水声传感器网络部署策略

提出了基于改进的虚拟力和果蝇优化(Virtual Force and Fruit Fly Optimization,VFFO)算法混合控制水声传感器网络部署优化的方法.该方法首先通过虚拟力算法对传感器节点的初始部署进行优化,以得到较好的初始部署状态;然后通过改进的果蝇算法对水声传感器网络进行重部署,同时分析了算法的移动部署能耗问题.仿真结果表明,该算法在相同能耗下能够得到更高的网络有效覆盖率.     

障碍物下辅助力导引IWD优化传感器部署策略

为进一步提升传感器节点部署算法性能,提出基于智能水滴优化(Intelligent water drop algorithm,IWD)辅助力导引的传感器节点部署算法.首先,对障碍物存在情况下的结构模型进行设计,给出该模型的路径损耗指数和通信半径的计算策略,同时对传感器节点IWD优化部署策略进行流程设计;其次,为增强传统IWD算法性能,采用辅助力导引方式对传统IWD进化泥土参数更新进行重新设计,增强泥土更新后水滴多样性保持效果,从而实现算法性能提升;最后,利用MATLAB制作了大小为60m×70m,规模为100组节点,包含障碍物4个的仿真算例,并选取标准IWD优化策略和差分进化算法作为对比算法,对所提算法在传感器节点部署上的覆盖率和效率优势进行验证.     

基于概率感知模型和量子粒子群算法的移动节点部署

为了解决监测区域的传感器节点部署问题,设计了一种基于概率感知模型和量子粒子群算法的移动节点部署方法。首先,在 传 统 概 率 感 知 模 型 中 加 入 节 点 剩 余 能 量 因 素 进 而 得 到 改 进 的 概 率 感 知 模 型 * ,然后基于改进的概率感知模型设计了多目标优化的节点部署模型,在优化模型中考虑了网络覆盖率和能量因素。最后定义了基于量子粒子群算法来获得节点的最优位置对应的Pareto最优解的优化算法(即将粒子编码为节点部署方案,采用最小化网络能耗和最大化网络覆盖率为粒子的Pareto目标,引导粒子在可行解空间不断更新位置寻求最优解)。仿真实验结果表明:文中方法能正确地实现监测区域的传感器节点部署,能实现较为均匀的网络覆盖,与其他方法相比,具有较高的网络覆盖率和较长的网络生命周期,具有较大的优越性。(注：*处代表公式)
     

基于改进粒子群算法的集成网络节点部署优化

针对集成RFID与WSNs网络中智能节点最佳位置的选择问题,采用改进粒子群算法优化策略,在复杂的传播环境、交叉覆盖及智能节点间不可避免的干扰等影响因素下,寻找智能节点的最佳位置。该最佳位置不仅要保证给定智能节点对标签的最大覆盖率,而且要使得智能节点间的干扰最小。仿真结果表明,基于惯性权重线性递减策略的粒子群算法,加快了寻找最优节点部署的速度,并能快速有效地收敛于最优解,从而在保证覆盖率的前提下使干扰最小。     

一种有向传感器网络改进粒子群覆盖增强算法

优化传感器网络覆盖对于合理分配网络的空间资源、更好地完成信息感知和采集任务、提高网络的生存能力都具有重要的意义.在分析传感器节点有向感知模型的基础上,提出了一种有向传感器网络改进粒子群覆盖增强算法.该算法针对随机部署有向传感器网络,以网络区域覆盖率为优化目标,采用改进的多步式位置可选择更新粒子群优化算法,通过调整传感器...     

混合无线传感器网络移动节点部署优化

为了提高随机部署条件下无线传感器网络对目标监测区域覆盖质量,将目标区域划分为彼此相邻但互不重合的子区域,根据各子区域的期望覆盖质量,并利用改进的粒子群算法优化各子区域节点的分布密度;然后在节点间建立虚拟力场,利用虚拟力调整移动节点的部署位置.仿真实验结果表明,该方法能有效优化移动节点的部署,改善目标区域内节点的分布情况,提高无线传感器网络的覆盖服务质量.     

一种有向传感器网络改进粒子群覆盖增强算法

优化传感器网络覆盖对于合理分配网络的空间资源、更好地完成信息感知和采集任务、提高网络的生存能力都具有重要的意义。在分析传感器节点有向感知模型的基础上,提出了一种有向传感器网络改进粒子群覆盖增强算法。该算法针对随机部署有向传感器网络,以网络区域覆盖率为优化目标,采用改进的多步式位置可选择更新粒子群优化算法,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,实现覆盖增强。仿真实验表明,该算法简单、高效,优于传统的覆盖增强算法。     

基于概率感知模型和量子粒子群算法的移动节点部署

为了解决监测区域的传感器节点部署问题,设计了一种基于概率感知模型和量子粒子群算法的移动节点部署方法。首先,在传统概率感知模型中加入节点剩余能量因素进而得到改进的概率感知模型C（S_i,p）{=0,ifd（S_i,p）≥r—r_e E_ir/E_i0-e-λσ,if d（S_i,p）≤r＋r_e 1,ifr—r_e≤d（S_i,p）≤r＋r_e,然后基于改进的概率感知模型设计了多目标优化的节点部署模型,在优化模型中考虑了网络覆盖率和能量因素。最后定义了基于量子粒子群算法来获得节点的最优位置对应的Pareto最优解的优化算法（即将粒子编码为节点部署方案,采用最小化网络能耗和最大化网络覆盖率为粒子的Pareto目标,引导粒子在可行解空间不断更新位置寻求最优解）。仿真实验结果表明：文中方法能正确地实现监测区域的传感器节点部署,能实现较为均匀的网络覆盖,与其他方法相比,具有较高的网络覆盖率和较长的网络生命周期,具有较大的优越性。     

基于变异策略的粒子群算法

在研究粒子群算法的特点之后,将变异因子融入到粒子群算法之中,提出了一种带有变异策略的粒子群算法(MPSO).该变异因子可以提高算法对解空间的开发能力,从而降低了粒子群算法陷入局部最优的可能性.实验结果表明,经过对4个无约束问题、1个高维线性约束问题以及1个实际应用问题的测试,带有变异策略的粒子群算法可以成功地解决高维无约束问题和带有线性约束的高维问题.实验结果也表明,MPSO算法具有很强的收敛性和稳定性,是一种很有前途的优化算法.     

Multi-sink Deployment Strategy for Wireless Sensor Networks Based on Improved Particle Swarm Clustering Optimization Algorithm

In wireless sensor networks(WSNs) with single sink,the nodes close to the sink consume their energy too fast due to transferring a large number of data packages,resulting in the "energy hole" problem.Deploying multiple sink nodes in WSNs is an effective strategy to solve this problem.A multi-sink deployment strategy based on improved particle swarm clustering optimization(IPSCO) algorithm for WSNs is proposed in this paper.The IPSCO algorithm is a combination of the improved particle swarm optimization(PSO) algorithm and K-means clustering algorithm.According to the sink nodes number K,the IPSCO algorithm divides the sensor nodes in the whole network area into K clusters based on the distance between them,making the total within-class scatter to minimum,and outputs the center of each cluster.Then,multiple sink nodes in the center of each cluster can be deployed,to achieve the effects of partition network reasonably and deploy multi-sink nodes optimally.The simulation results show that the deployment strategy can prolong the network lifetime.     

改进的粒子群算法及其在带软时间窗车辆调度问题中的应用

针对微粒群优化算法容易陷入局部极值的缺陷,提出多相粒子群优化算法(Multi-pha-ses Particle Swarm Optimization,MPSO).建立了带软时间窗车辆调度问题数学模型,并将该方法运用于带软时间窗车辆调度路径优化.根据多相粒子群并行搜索的思想,给出MPSO算法在带软时间窗物流配送车辆调度路径优化的实现流程.仿真结果表明:多相粒子群算法可以快速、有效地求得车辆路径问题的优化解,是一种求解带软时间窗车辆路径问题的较好方案.     

基于轴面对称机制的物联网节点覆盖算法

为解决物联网部署过程中存在的节点覆盖强度低、传输盲区面积大,以及簇头节点受限等不足,提出了一种基于轴面对称机制的物联网节点覆盖算法.首先,采用等距分割方案,设计了一种基于轴面对称机制的区域覆盖方法,通过对称分布簇头节点来实现网络区域的初级分割,提高网络初始化覆盖效率.随后,鉴于主备机制难以进行节点动态更新,通过预热方式来部署多个镜像节点,构建了基于热备机制的簇头轮询方法,降低网络因簇头节点受限而出现传输受阻现象.最后,对初始化分割区域进行非等距优化,提出了一种基于量化部署机制的传输优化方法,增强网络传输能力,提升簇头节点对数据的传输效率.仿真实验表明,与改进的蚁狮算法的无线传感器网络覆盖优化和基于改进粒子群算法的无线传感器网络覆盖策略等方案相比,本文算法具有更高的拥塞控制能力和节点覆盖效率高,以及更低的簇头受限概率.     

基于多目标遗传算法的无线传感器网络重新部署方法

研究节点动态移动以增强覆盖率,同时考虑节点的最大移动距离最小化.通过引入虚拟合力对基因进行变异,提出一种基于NSGA-II框架的改进的多目标遗传算法,达到网络覆盖率与节点移动距离之间的平衡.实验证明,该结果能得到较分散的前沿占优解.