异构传感器网络成本最优节点部署机制

针对异构无线传感器网络中节点的高密度部署情况,研究了异构传感器节点的优化部署问题。提出一种基于遗传算法的异构节点成本优化部署方法。算法以网络的容错性和覆盖性为约束条件,以部署的成本为目标函数进行优化计算得到保证网络覆盖和网络容错性所需的节点位置和节点类型。算法既适用于布尔传感模型,又能应用于概率传感模型。仿真结果表明该算法能快速收敛于最优解,降低网络部署的成本,是一种可行的异构无线传感器网络节点部署的解决方案。     

基于A适应遗传算法的无线传感网络节点布局优化

无线传感器网络的传感节点布局优化,直接关系到无线传感器网络覆盖率的提高。文中提出自适应遗传算法求解无线传感器网络覆盖率优化问题。自适应遗传算法的编码方式是传感器节点二维坐标的二进制表达式,交叉方式为字符串整体交叉,变异方式为位变异,交叉概率和变异概率根据个体适应度自动重构。仿真实验结果表明,自适应遗传算法有效解决了无线传感器网络节点布局优化问题。与传统遗传算法相比,本算法进化收敛速度快,网络覆盖率显著提高。     

基于改进的微粒群算法的WSN节点部署策略

在无线传感网络部署中,必须保证无线传感器节点能够有效地覆盖被监测区域.为了减少节点部署时产生覆盖盲区,提高网络的覆盖率,本文提出了一种基于改进微粒群算法的无线传感器网络节点部署优化策略,以网络的覆盖率为适应值函数,将传感器节点的部署问题转化为目标优化问题,通过采用k-means聚类算法划分子种群,并且对子种群进行动态重...     

非均匀分布的异构传感器网络K覆盖调度算法

针对现有调度算法大多没有考虑监控区域内目标发生频率的非均匀性和节点异构的因素,导致无法适应异构无线传感器网络的特点,提出一种目标非均匀分布条件下K覆盖的异构无线传感器网络调度算法.算法从全网在所有时间片服务质量和节点能耗的角度建立节点调度模型,综合考虑节点异构和监测目标的非均匀分布等约束条件,以网络覆盖率最大和工作节点的数量最少为目标,构造非线性优化函数,提出一种控制参数自适应的微分算法求解节点的调度方案.仿真结果表明:相比典型算法,改进算法能够在满足节点异构和监测目标非均匀分布前提下增强网络的服务质量和降低网络的能耗.     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法.算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理.指出了该定位算法的关键技术,并对其进行了仿真验证.仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率.     

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.     

基于云模型粒子群算法的WSN节点部署优化

节点部署优化技术是无线传感器网络的主要应用点,也是近年来国内外学者研究的热点问题,它在军事、民防、环境等多个领域中具有广阔的应用前景.针对目前无线传感节点部署方法存在节点分布不均匀、覆盖不完全等问题,提出一种采用云模型改进粒子群算法,并将该算法用于无线传感器网络节点部署.对比实验结果表明,该方法能够以相对较小的代价完成传感器感知节点部署,能快速收敛于最优解,能够降低网络部署的成本,提高网络的整体覆盖率.     

基于虚拟力的无线传感器网络多跳定位算法

通过引入虚拟力导向的节点移动方式,将未知节点接收到锚节点信息的个数作为计算虚拟力的参数,提出了基于虚拟力的无线传感器网络多跳定位算法。算法继承了DV-Hop(distance vector-hop)定位成功率较高的特点,通过优化网络布局的方式,使得定位过程中校正值的估算和选取更为合理。指出了该定位算法的关键技术,并对其进行了仿真验证。仿真结果显示该算法能够显著地提高节点的定位精度,并能够有效地提高节点对传感区域的覆盖率。     

基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法

针对无线传感器网络节能分簇路由通信时存在数据传输节点死亡数量较多、传输能耗输出较大的问题,提出一种基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法.首先构建网络通信能耗模型,以缩减能耗为目标结合差分蜂群算法及时优化网络节点分布;然后基于网络节点分布优化结果,制定异构无线传感器网络节能分簇方法,使用能量迭代选簇方法确定簇头,获取簇头半径完成异构无线传感器网络的通信节点节能分簇;最后设定通信簇头节点与基站之间的距离,确定节点通信时的路由等级,并结合多跳的路由通信方式,实现异构无线传感器网络的节能路由通信.实验结果表明,利用该方法进行网络节能分簇路由通信时,数据传输节点死亡数量最多为22个,节点传输最大能耗为21 nJ/bit,表明该方法节点通信节能效果较好.     

差分进化花朵授粉算法的WSN节点部署策略

针对无线传感器网络（wireless sensor network,WSN）的节点部署问题，提出了一种基于差分进化算法（differential evolution algorithm,DEA）优化的花朵授粉算法（flower pollination algorithm,FPA）：DE-FPA。设计了动态转换概率，自适应平衡全局授粉和局部授粉间的相互转换，提高算法全局搜索能力。优化了全局授粉过程中的步长缩放因子，进一步提高算法收敛速度。为避免算法陷入局部极值，在每次全局授粉或者局部授粉迭代后引入差分进化策略，增加种群多样性，提高了算法搜索能力。实验结果表明，DE FPA收敛速度快、寻优精度高，能够在网络连通的约束条件下，达到较高的网络覆盖率。     

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.     

传感器网络中节点调度的优化方法

为了研究在使用节点调度的传感器网络中,多个约束条件下如何提升网络生命周期问题,分析了覆盖率、信息感知延迟和信号冲撞率之间的关系.进一步证明在多约束条件下的节点调度问题可转化为一个凸优化问题,并利用凸优化问题求解方法获得保证网络生命周期最大化的子集分配方案和所需的节点部署密度.提出了在限定网络覆盖率和信息感知延迟以及无线信号冲撞率的前提下,达到网络生命周期最大化目标的优化问题,并使用凸优化的方法解决了该问题.给出了在不同性能指标条件下传感器网络的子集分配方案,实现了约束条件下网络生命周期的最大化.     

室内障碍环境下空气质量监测异构WSN部署

针对室内空气质量中污染性气体众多、浓度分布不均，单一传感器无法有效监测，而且室内障碍物会对传感器部署位置造成影响的问题，通过改进北方苍鹰优化算法（improved northern goshawk optimization, INGO）对障碍下异构传感器进行部署研究。首先，采用SPM混沌映射对种群进行初始化，以解决原始北方苍鹰算法初始化种群多样性不高、覆盖率低、冗余度高的问题；其次，使用非线性步长权重改进Lévy飞行策略，对种群位置进行更新；最后，融合柯西变异和反向学习，解决算法后期种群易陷入局部最优的问题。结果表明，改进的优化算法在无障碍和障碍环境下覆盖率分别达到了94.2%和93.0%，与其他学者在无障碍环境下提出的算法进行对比，覆盖率分别提高了0.8%，1.2%，2.8%，7.1%。INGO算法能够对室内障碍环境下的空气质量监测传感器进行最优部署，为室内空气质量监测等复杂环境异构传感器的部署问题提供科学依据。     

三维环境下无线传感器网络的部署覆盖方法

针对三维传感器网络中节点的最优部署问题, 提出一种三维曲面上目标点的部署策略, 通过引用差分进化(DE)算法优化传感器节点的位置坐标, 提高了网络节点的部署效率, 并用最少的传感器节点实现对曲面上目标点的全覆盖, 解决了三维空间中传感器节点在监测目标过程中存在的三维感知盲区问题. 仿真实验验证了DE算法在解决三维空间覆盖问题的可行性, 表明DE算法具有一定的容错性, 并可有效提高网络节点的部署效率.     

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.     

三维空间实现全覆盖的传感节点优化分布算法

针对无线传感网中重要的覆盖问题,已有多种算法来解决这个问题.通过分析这些算法,提出了一种三维空间下的基于网格点的随机算法的改进算法.算法分为两个阶段,初始阶段采用随机算法获得一个初始部署集以实现完全覆盖,在此基础上对初始部署集进行优化,达到在满足完全覆盖的前提下部署集的最小化.实验结果显示了算法在实现最大覆盖的基础上部署集优于已提出的贪心算法和线性规划算法.     

无线传感网络中分布式粒子滤波的目标追踪算法

在给出无线传感网络的传感器配置模型的基础上,提出了一种分布式粒子滤波DPF(d istributedparticle filter)算法,并实现了对网络中的一个运动目标的追踪。利用传感器模型,可将网络划分为一系列不相联系的传感器组,并在每个传感器组上运行一个局部粒子滤波,通过中心节点将估计状态传递给下一个传感器组的中心节点,依次实施对目标定位、跟踪。为减少网络间的通讯负荷和节约传感器节点能量,使用了高斯混合器模型(GMM),对局部粒子滤波的粒子和相应的权值进行近似;并提出了根据估计误差自适应激活传感器的优化算法。仿真结果表明,基于GMM近似的DPF在保持较高的估计精度的同时,能够大幅度减少网络间的通讯负荷。     

无线传感器网络节点命名算法的研究

针对无线传感器网络节点的命名问题,在分析出现同名现象的数学原理基础上,提出一种以概率理论为基础的命名算法.得出任意两个节点名字相同概率在极小的条件下,网络节点数和名字空间大小两者间的函数关系.并在此基础上,给出当两个无线传感器网络合并时,是否需要对新网络的节点进行重新命名的判别公式.算法的实现满足分布性和高效节能的要求.仿真试验表明,该算法是行之有效的.     

带非均匀节点分布无线传感器网络的高效节能数据存储

现有大部分无线传感器网络的分布式数据存储方法都依赖于传感器节点定位系统,这会导致节点消耗大量的能量,而且这些方法主要是针对均匀分布的无线传感器网络的,并不适用于非均匀节点分布的传感网络。为了解决这个问题,提出一种非均匀节点分布传感网络的大数据路由存储算法,其目的在于减少传感器节点的实际分布和地址。为了进一步节省数据存储空间和能量消耗,将布隆过滤器(Bloom filter)集成到节点上,从而进一步减少数据丢失和网络能量消耗。文中算法提供了高效的搜索服务,使数据在网络内的存储分布和路由能量消耗更加均匀,进而提高了网络的生存时间。文中算法在容错情况下通过减少冗余数据来提供高效节能的存储,并进一步减少数据的路由开销和存储空间的浪费。