WRSN中带时间窗的多MC充电规划算法

有限的传感器节点能量一直是制约无线传感器网络(wireless sensor network,WSN)广泛应用和发展的瓶颈问题。文章指出每个传感器节点具有相应的充电时间窗,能在各自的时间窗内被充电;研究在传感器节点平均能量低于阀值上限后使用多个无线可移动充电器为传感器节点补充能量,并提出了带时间窗的多移动充电器(mobile charger,MC)充电规划算法。仿真结果表明,该文设计的充电规划算法使得每个需要充电的传感器节点的能量都能及时得到补充,并且在充电过程中使用的MC数目比贪心算法低13.2%,所消耗的总代价少22.7%。     

最小跳数路由可充电无线传感器网络模型研究

文章研究了最小跳路由下可充电无线传感器网络的建模和优化问题,分析了可充电无线传感器网路的拓扑连通性,并依据Dijkstra算法给出了该网络的最小跳数路由算法。在给定数据路由的前提下,提出了可充电无线传感器网络中针对能量补给设备驻站时间比的优化问题,并将其转化为易于求解的线性规划问题,最终得到无线传感器节点和无线能量补给设备的工作策略。     

关于无线可充电传感器网络充电路线规划的研究分析

针对无线可充电传感器网络充电路线问题,实质上是在旅行商问题(Traveling Salesman Problem,即TSP)上经过一般泛化而来的车辆路径问题(Vehicle Routing Problem,即VPR),可以采用Google开源库or-Tools库给出的算法的动态规划模型,将最小化移动充电器在路上的能量消耗等价转化为移动充电器的最短路径问题,在考虑到各个站点位于地球面上而非普通平面上,所以利用地球半径和各传感器的经纬度计算出各点之间的距离,于是把问题转换为求解从数据中心出发,仅遍历每一个传感器一遍之后再返回数据中心的最短距离问题,即经典的TSP问题。利用or-Tools库提供的启发式和元启发搜索算法得出最优解约为11469 m。     

基于改进量子遗传算法的WSNs多路径路由研究

最优路径搜寻和能量优化是无线传感器网络(wireless sensor networks,WSNs)研究的两大关键性问题,基于簇结构的无线传感器网络模型,将改进的量子遗传算法引入WSNs网络层节能路由算法研究中,选取多条较优染色体代替一条最优染色体指导群体的进化;采用动态的量子旋转门调整策略,避免算法收敛于局部最优解;利用球面坐标角度对量子遗传算法编码,降低算法的复杂度;以路由所耗能量为优化目标,构造适应度函数。与基于传统遗传算法（genetic algorithm, GA）、标准量子遗传算法(quantum genetic algorithms, QGA)的多路径路由进行比较,实验表明,该算法比基于GA,QGA算法的多路径路由具有更低的网络能量消耗,更长的网络生存周期。     

Voronoi-BFO水面移动基站路径规划算法

在水面无线传感器网络(surface wireless sensor networks,SWSNs)中,传感器节点布置稀疏,节点间距离大于节点通信距离,移动基站需有效收集节点数据信息。完整收集节点数据,使基站移动路径最短或近似最短是一个关键问题。文章在节点间距离大于节点通信距离的前提下,利用Voronoi图理论生成基站移动候选子路径,并使用细菌觅食优化(bacterial foraging optimization,BFO)算法求解,以使规划路径最短或近似最短,网络通信能耗降低。结果表明,该方法在不同网络规模情况下均具有最短或近似最短的路径长度,且网络通信能耗低。     

杜鹃搜索在无线传感器网络定位问题中的应用

近年来无线传感器网络(wireless sensor network,WSN)由于其部署简单、功能多样等优点被广泛应用于各个领域,然而传统的传感器定位算法存在着定位精度差、算法效率低等缺点.为了克服上述缺点,文章基于杜鹃搜索算法,设计和实现了一种新的算法来定位无线传感器.经过仿真实验验证,相比其他定位算法,该算法可以更...     

可充电传感器网络中改进的移动能量补充方案

为更可靠地向传感器节点供应能量,针对可充电传感器网络采用一种新的无线电源传输技术,该技术通过引入移动启动器来实现传感器能量的无线补充.建立基于随机无线能量补充的解析模型,以获得一组性能指标.根据理论分析结果提出基于电量感知的移动能量补充方案,并给出两种启发式算法:充电优先的线性自适应传感器激活算法和选择性充电的电量感知激活算法.通过仿真实验证明了理论分析的正确性和算法的有效性.研究结果表明:合适的传感器激活机制以及对移动能量补充的有效控制,可显著提升性能.     

基于遗传算法对无线传感器网络移动充电路径规划的研究

为规划无线传感器网络充电路线,节约移动充电器的能源,提高充电效率,根据移动充电器的移动速度,采用模拟退火算法(Simulated Annealing,SA)和遗传算法(Genetic Algorithm,GA)规划充电路线,并计算充电时间,以保证无线传感器网络正常运行。分别假设仅存在单个移动充电器和多个移动充电器,规划充电路线,分析无线传感器(Wireless Sensor Network,WSNs)供电效率的变化。得到缩短总路程,增加移动充电器的数量等方法可以提高移动充电器对无线传感器的充电效率。     

基于ZigBee技术的灵芝无线传感器监测网络

提出了一种监测灵芝生长环境的无线传感器网络(wireless sensor network)系统.传感器网络的节点由传感器部分、无线收发模块、单片机组成.节点传感器部分安装了温度传感器、湿度传感器、pH传感器、土壤水分传感器、光敏电阻传感器,并对相应的传感器工作原理进行了简单介绍.传感器网络的无线收发模块采用CC242...     

混沌逃逸粒子群优化算法在WSN覆盖优化中的应用

为了寻找最优的无线传感器网络(wireless sensor networks,WSN)覆盖优化算法,保持整个网络能量的平衡,提高无线传感器网络覆盖率,在基本粒子群优化算法的基础上,提出一种基于混沌逃逸粒子群优化算法(chaotic escape particle swarm optimization,ECPSO)的WSN节点覆盖优化方法。ECPSO算法以覆盖率为优化目标,建立WSN覆盖优化数学模型来描述节点覆盖问题,利用混沌逃逸粒子群算法对数学模型进行求解,实现节点覆盖优化。仿真结果表明,ECPSO算法加快了WSN覆盖优化速度,节点分布更加均匀,提高了传感器节点的覆盖率,是一种高效的WSN节点覆盖算法。     

无线传感器网络的能量平衡路由

针对现有无线传感器网络中路由协议产生“热点区域”问题，提出了一种能量平衡的路径选择算法．该算法通过平衡最小化传输能量路由和最大化最小节点剩余能量路由，以达到网络能耗均匀分布．在定向扩散协议（DD）的基础上，设计了能量平衡的路由协议（EBDD），该协议在路径探测消息中通过增加新字段来记录途经节点的剩余能量信息，并利用标签交换方法建立通往数据源的路径．sink节点采用所提算法选择路径，并通过标签交换把路径增强消息路由到数据源，其目的是对随后将要传送数据的路径进行确认．仿真实验表明，EBDD在能量均衡方面明显优于DD，当相关参数设定为2时，采用EBDD的网络寿命比采用DD的延长5％．     

基于多目标优化函数的无线传感器网络负载均衡路由协议

针对目前无线传感器网络路由协议在延长网络生存期和提高网络整体性能等方面存在的缺陷,以平衡网络中节点能量消耗、延长网络生存期为优化目标,提出了一种基于多目标优化函数路由协议. 该协议将节点可用能量、路由跳数和节点之间物理距离等参数引入到路由选择函数中,以实现最优路径的建立和对无线传感器网络性能的综合优化. NS2仿真结果表明,与传统的定向扩散协议相比,数据发送成功率提高了15. 3%,网络能量利用率提升了9. 7%,网络生存期延长约12%,在无线传感器网络中具有显著的优越性.     

面向节点失效问题的无线传感器网络拓扑自愈算法

为了解决节点失效问题,建立了无线传感器网络模型,对节点失效问题进行了形式化描述和分析,并结合传感器网络拓扑需求归纳出拓扑愈合的约束:网络连通、路径代价降低和度约束.该问题属于NP-hard问题,因此设计了一种近似的拓扑愈合算法TCS-CA,通过恢复失效节点的单跳邻居间可达性来实现拓扑的自愈.该算法包括3个执行阶段:单跳邻居的连通恢复、子集合并和全局连通恢复,依次执行这些阶段后能够逐步愈合拓扑.仿真实验结果表明,当选取合适的β,λ等参数时TCS-CA算法不仅能恢复网络拓扑的连通性,还能有效地延长WSN生命期,与TCS算法相比最高可获得约13%的生命期增率.     

基于基因位迭代映射的无线传感器网络能量优化分簇算法

摘要：针对无线传感器网络的节点能量利用率和网络寿命问题,引入一种基因位迭代映射思维进行改进,并构造新的无线传感器网络能量优化分簇方案生成方法,在此基础上提出了基于基因位迭代映射的无线传感器网络能量优化分簇算法。该算法将无线传感器网络节点路由能耗优化问题转化为网络系统簇内节点最优能耗进化激励的解空间最优解搜索问题,然后利用基因位长度自适应编码和迭代映射的进化算法进行候选解搜索,最后输出具有最优能耗的节点通信路径和簇头的下级跳节点。实验结果表明,该算法高效可行,能量均衡和优化能力较好,有效的降低了节点的能耗,延长了网络生命周期。     

基于逆强化学习的电动汽车出行规划方法研究

随着电动汽车的普及,对电动汽车出行规划问题的研究显得尤为重要。有别于路径规划,出行规划既需要考虑路径问题又需要考虑充电问题。本文提出了一种基于逆强化学习(Inverse Reinforcement Learning, IRL)的电动汽车出行规划(Electric Vehicle Travel Planning, EVTP)方法,有效地为电动汽车用户规划一条兼顾行驶路径短以及充电时间短的可达路径。将Dijkstra算法进行改进得到考虑充电行为的最短路径作为专家示例输入到逆强化学习算法中;利用逆强化学习算法得到兼顾行走与充电的奖励;在学习策略上,采用Dueling DQN算法高效更新Q值,提升学习性能;采用部分充电策略以及分段充电策略,提升充电效率并使研究更接近真实情况。通过对模型的工作性能和结果进行详细分析,并结合基准方法进行对比,结果表明,基于逆强化学习的电动汽车出行规划方法在行驶时间与充电时间两方面都有较好的性能,且具备很好的迁移性。     

无线传感器网络中目标检测节点的优化部署

为提高无线传感器网络的目标检测精度，提出了一种基于遗传算法的节点部署优化方法．通过把传感区域模型化为网格，将目标定位问题转化为确定目标在某个网格点的问题．随后，将传感器节点部署问题形式化为一个组合优化问题，其目标是在有限的成本和完全覆盖条件下减小最大分辨误差．遗传算法采用二进制编码表示节点的位置，使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率．实验结果表明，基于遗传算法的求解方案能快速地求出传感器节点位置优化问题的全局最优解，并满足目标定位的精度要求．     

大规模无线传感网络数据收集的无人机路径规划

针对部署在地表交通困难的大规模无线传感网络,采用目前可控无人机(unmanned aerial vehicles, UAV)进行数据收集能够达到更好的效果. 然而,考虑到无人机自身有限的资源,以及网络中存在大量传感器节点的情况,无人机飞行路径规划对于顺利完成数据收集任务具有重要作用. 无人机路径规划可以看作经典的旅行商问题(traveling salesman problem,TSP). 针对部署具有均匀性特点的大规模无线传感网络,提出了一种规则化快速路径规划(fast path planning with rules, FPPWR)算法. 该算法通过网格划分,将全局区域飞行路径的求解划分到多个较小的方格中进行,并通过成对算子路径优化算法在初等飞行路径上将方格区域中的路径合并为全局路径. 实验证明,该算法在保证了较高精度的同时,显著提升了路径规划的效率.      

基于Bézier曲线的差速驱动机器人混合避障路径规划算法

为实现差速驱动机器人在避障环境下的平滑最优路径规划,提出一种基于Bézier曲线的差速驱动机器人混合避障路径规划算法.首先,建立差速驱动机器人运动模型,用于操控左右两个驱动轮线速率,完成机器人转弯及非匀速运动;其次,利用Bézier曲线描述路径状态,将路径规划问题转换为产生Bézier曲线有限点方位优化问题,提升机器人...     

基于信任云的簇化层次式WSN安全路由方法

如何能量高效地保障无线传感网的路由安全一直是一个巨大的挑战。提出一种基于信任云的簇化层次式无线传感网安全路由算法(trusted cloud-based secure routing algorithm,TC-SRA),建立基于信任云的无线传感网安全骨架,通过簇化层次式拓扑实现网络节点的高效管理,从兼顾能效和安全的角度提升无线传感网的路由性能。仿真测试结果表明,所提出的算法不仅为无线传感网的路由安全实现提供了新思路,而且能有效控制网络节点的能耗,保障网络生命周期。     

基于量子遗传算法的WSNs能量均衡路由优化

针对无线传感器网络（WSNs）中传感器节点能量有限,以及单一的传输路径所带来的能量消耗不均衡的问题,引入量子遗传算法对其进行优化。充分利用量子遗传算法高效搜索和全局优化的能力,在综合考虑网络耗能和路径延迟的基础上全局优化路由;并对算法的一些环节如量子比特编码、适应度函数的设计以及量子变异进行了详细的分析与设计。仿真表明：与传统遗传算法相比,量子遗传算法在降低网络能耗,延长网络生命期方面有着优越性．