基于遗传算法的无线传感器网络优化覆盖研究

在无线传感器网络应用的研究过程中,我们发现无线传感网络是存在一些影响生存周期的问题的,例如节点的能量受限、能耗浪费问题,节点可能被高度冗余的部署在同一个区域内的问题,节点的路由算法问题等,这些问题会使得无线传感器网络使用的时限变得比较短。近年来,遗传算法在各种研究中的使用频率不断增加,运用于无线传感器网络覆盖中的各种研究也是越来越多,相关的研究成果也逐渐增多。所以本文就遗传算法在无线传感器网络覆盖中的仿真研究进行了阐述和总结,并对其未来的发展趋势进行展望。     

基于遗传算法的无线传感器网络定位研究

随着现代社会的发展进步,无线传感器网络的发展也十分迅猛,尤其是随着信息技术、科学技术和互联网技术的发展进步,无线传感器网络在人们生活和生产中的使用也是越来越普遍,但是由于无线传感器网络节点自身定位方面是存在着一些问题,因此本文主要是以遗传算法为基础,提出了无线传感器网络定位的新算法,希望通过本文的探究可以为无线传感器网络定位提供高一些建议和借鉴。     

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。     

基于量子遗传算法的无线传感器网络路由

提出了基于量子遗传算法的无线传感器网络的路由,利用量子遗传算法的高效搜索性,得到源节点和目的节点之间存在最佳路径,从而降低网络延迟,最大限度来保证网络总体能量消耗最少,延长无线传感器网络寿命.     

无线传感器网络基于改进遗传算法的节点调度

节点调度问题是经典的NP-hard组合优化问题之一。为解决该问题提出了诸如蚁群算法、粒子群算法和遗传算法等智能算法,以遗传算法(genetic algorithm,GA)更为有效,但经典的遗传算法在解决节点调度问题时,其算法自身存在寻优速度慢,容易陷入局部最优。提出一种改进的轮盘赌优化方法,该方法基于适应度比例的选择,即用全部个体的选择概率来计算累计概率,产生完整的子代个体并保留其基因,避免陷入局部最优,进而快速精确地求出节点调度问题的最优解,实验结果表明,经过改进的遗传算法求解的路径长度、收敛性和运行时间等指标均有明显改善。     

无线传感器网络中的分布式遗传算法

受地形、气候、电磁干扰、节点分布等多重因素的影响,传统无线传感器不能很好的适应现复杂多变的测控环境,特别是较大规模的无线传感网络的健壮性和协同能力受到了复杂环境的挑战。分布式遗传算法在成熟的遗传算法基础上扩展了分布式协同机制,在可接受的复杂度范围内,提升了算法的健壮性。在WSN中引入分布式遗传算法,显著增强了网络的分布式并行特性,提升了节点协同能力和网络自组织的健壮性。通过发光二极管灯亮频率实验、同构无线网络和异构无线网络下稳定性实验和动态自适应环境变化实验,证明了分布式遗传算法能够很好地解决WSN中节点的扩展限制问题,并且提升了WSN的多变环境适应能力。     

基于遗传算法快递网络车辆路径优化研究

本文通过对快递网络的运作分析,建立起快递网络车辆路径问题的数学模型。由于车辆路径问题是非确定多项式问题,因而利用遗传算法对问题的求解具有搜索过程灵活、隐并行性的优点。最后,通过算例表明该方法可行。     

基于无线传感器网络的移动机器人路径规划

提出了一种k-TSPN算法,把k-TSPN问题分成k-TSP和TSPN两个子问题来处理.首先由随机递归算法生成k个机器人路径,得到了每条路径的传感器访问顺序;然后用遗传算法在每个传感器的通信范围内寻找路径交点对路径进行优化,缩短了路径.交点位置采用角度表示,使优化的变量减小了一半;压缩了交点角度的取值范围,使搜索空间和极值点大大减少,引进小生境技术以及增加杂交个体之间的海明距离对自适应遗传算法进行了改进;提高了全局搜索的速度和搜索全局最优解的概率.仿真得到了较好的结果.     

无线传感器网络中基于距离的簇头选择优化研究

基于集群路由协议的核心实际上是簇头(CH)选择的过程,该过程要求能量消耗能够均匀分布在每个传感器节点上,以求延长传感器网络的生命周期.提出了一种新的分布式簇头选择算法(LEACH-DS),将从传感器到基站的距离作为关键参数考虑其中,以最优地均衡消耗在每个传感器上的能量.仿真结果表明,对比原LEACH算法,新算法的网络生存周期要比原LEACH的网络生存周期有效提高10 %,尤其是在节点到基站距离较远情况下,有更好的实际和应用价值.     

基于遗传算法的无线传感器网络最小覆盖集算法

降低能耗以延长网络生存时间是无线传感器网络设计中的一个研究热点.提出一种利用遗传算法实现的"密度控制"策略.该策略利用无线传感器工作节点的最小节点子集(最小覆盖集),达到覆盖整个传感器网络区域的目的.所提出的算法能够较好地调和无线传感器网络寿命和网络覆盖率之间的矛盾,仿真实验证明了算法的有效性.     

基于混沌遗传算法的无线传感器网络改进LEACH算法

针对传统LEACH协议及其改进方法能耗过高和负载不均衡的问题,提出一种采用混沌遗传算法最小化无线传感器网络能量消耗的算法CGA-LEACH.该算法通过构建新的考量能耗和负载的适应度函数,采用条件约束的混沌映射生成实数编码染色体,并用混沌遗传选择、交叉和变异操作提高收敛速度,找到最优簇头,从而形成分布均匀、能耗和负载均衡...     

一种基于遗传算法的无线传感器网络路由算法

针对传感器节点在能量储备、计算能力、通信能力方面制约性强等问题,采用进化算法理论,提出一种适用于无线传感器网络的移动Agent路由选择算法.该算法能为移动Agent探测具有最小能耗的路径,同时保证信息收集的完整性.实验结果表明,该算法自适应性强,可减少传感器节点的能量消耗,满足无线传感器网络在实际应用中对移动Agent路由算法的需求.     

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.     

基于蚁群算法的无线传感器网络优化

无线传感器网络（WSN）中的传感器节点由一次性电源供电,能量优化关乎整个网络的寿命.优化网络拓扑结构有利于提高WSN整体的能量利用率.ACO是一种基于种群（population based）的启发式仿生进化算法.提出了基于ACO的WSN的网络优化算法,以16个固定位置节点和20个任意位置节点的WSN为对象进行了仿真研究.实验结果验证了该算法的有效性.     

一种基于遗传算法的无线传感器网络节点定位技术研究

本文分析了基于误差的最小二乘估计定位原理,提出一种基于遗传算法的无线传感器网络节点定位技术。建立所有节点的定位误差之和最小的数学模型,利用遗传算法求解模型的最优解,从而得到未知节点的最优的估计位置。实验仿真结果表明该算法对未知节点的定位精度高,条件简单,适合各种规模的无线传感网络节点的定位。     

基于量子遗传算法的无线传感网络路由优化

考虑到无线传感网络(WSN)传感器节点的能量有限性,分析了WSN的网络模型和能量模型,提出一种基于改进量子遗传算法的路由优化算法.利用复杂连续函数测试,验证了算法的性能和可行性.经仿真分析,证明该算法应用于WSN路由优化问题时,能更快速和更稳定地求解最小能量代价的数据传输路径,从而减少WSN传感器节点的能量消耗,延长整个WSN网络的使用寿命.     

基于遗传算法的无向网络路径优化

为了解决无向网络的最短路径优化问题,采用遗传算法并使用可变长编码,在遗传算子操作中进行有效性判断,避免了传统交叉变异算子中无效路径的产生;网络数据存储采用链式存储结构,仅需存储各个节点信息,摒弃了传统的邻接矩阵方法.仿真试验表明,该算法可行性强,且可以找到最优路径.     

基于粒子群优化的无线传感器网络可靠性研究

文章针对无线传感器网络的可靠性问题,从系统级的角度出发,结合无线传感器网络本身所具有的特点,应用传统可靠性分析的一般理论,构建无线传感器网络的可靠性优化模型,并给出了求解该可靠性问题的粒子群优化算法.仿真实验结果表明了算法的有效性和可行性.     

路径损耗信道无线传感器网络中FSK 和 PPM 的调制优化

在无线传感器网络技术研究中，如何节省电池的能量是一个关键问题.基于频移键控（FSK）和脉冲位置调制（PPM）两个正交节能调制方案的理想化和实际电池能耗，借助于理论分析和数值搜索方法，以实际电池能耗最小化为目标，文中对 FSK 和 PPM 方案的调制参数在无线路径损耗信道中进行了优化.结果表明，这两种正交调制方案有截然不同的优化特性，但参数优化后它们的整体节能性能都非常显著.