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。     

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．     

基于遗传算法的无线传感器网络覆盖问题的多目标优化

覆盖是无线传感器网络的一个基本问题,在确定的监测区域内,使用尽可能少的传感器节点而又能实现最优的覆盖度,这样不仅节约能源,而且减少信道访问冲突,延长网络的生存周期.本文对无线传感器网络的覆盖问题进行了研究,建立了网络覆盖问题模型,并通过基于Pareto排序的遗传算法来求解这个多目标优化问题.     

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...     

基于遗传优化策略的传感器配置算法

传感器配置是传感器网络研究的核心问题之一.传感器网络配置可以有效布置传感器网络节点、合理覆盖感知数据区域、延长感知区域传感器网络的运行周期,既能够准确地采集感知区域的数据信息,又能够充分管理传感器网络资源.本文提出了在传感区域中一个有效的基于遗传算法策略的的传感器配置算法,算法目标在于优化传感器数量并且确定它们的位置以...     

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。     

无线传感网中移动采集节点的路径优化研究

针对具有单一移动采集节点的无线传感网,考虑数据采集的相关因素对移动采集节点路径规划的影响,建立了基于移动采集节点单位时间内采集的数据总量最大化的数据采集路径规划数学模型,并设计了模拟退火算法对该问题进行了求解。实验仿真证明,文中设计的数据采集策略可以大大地提高移动采集节点的数据采集效率,最大化地发挥移动采集节点的功能,减小无线传感网络中静态传感器节点的通信负载,优化网络生存时间。     

基于网格的无线传感网传输延迟预测方法研究

针对无线传感器网络传输信道受到介质的多途效应影响而易出现传输时延的问题,提出一种基于网格的无线传感网传输延迟预测方法。构建无线传感网络的信道传输模型,进行无线传感器网络传输信号分析,结合传感器节点的优化部署方法进行节点网格路由设计,根据无线传感器网络信号传输的多径特征进行网格区域部署,实现无线传感网络的信道均衡控制,结合相关性检测方法进行无线传感网传输延迟参量估计,采用最大似然估计方法实现对无线传感网传输延迟的准确估计和预测。仿真结果表明,采用该方法进行无线传感网传输延迟预测的准确性较高,降低了传输延迟失真和误码。     

基于LoRaWAN自适应数据速率的地下无线传感网络性能评估

随着城镇化进程的不断加快和物联网技术的迅速进步,地下复杂土壤介质中的无线传感网络正成为新的研究热点。在此背景下,首先概述了基于LoRaWAN的地下无线传感网络基本架构和研究现状,接着搭建了网络仿真器并实现了自适应数据速率（ADR）调节机制在传感器节点端和网络服务端的2个优化算法,最后依据网络整体数据接收率和网络能耗等性能指标,分别从传感器节点的地下部署环境（土壤含水量和传感器埋藏深度）和LoRa物理层参数两方面进行了网络性能定量评估。结果表明,针对土壤这一复杂介质,ADR调节机制对LoRaWAN中的物理层参数具有较好的调节能力,该机制可为地下无线网络性能优化提供有利手段,有望大幅降低网络能耗。     

无线传感器网络中移动节点的分布优化问题

为了降低无线传感器网络的总体能耗,保证信息的有效采集,针对无线传感器网络节点的分布优化问题进行了研究.给出了无线传感器网络覆盖控制模型的精确数学定义,并利用节点的移动性,提出了一种基于遗传算法的分布优化机制.仿真结果表明,该方法能够在目标区域内以相对较小的代价完成传感器网络节点的分布优化,降低网络的能耗,提高网络的整体覆盖率.     

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.     

基于遗传优化的WSNs多源单汇路由算法

针对无线传感器网络中的多源单汇路由问题,综合考虑无线传感器网络中链路带宽、延迟和路径节点最小剩余能量三种度量,建立了多源单汇路由问题的系统模型,将其转化为求解多约束最小Steiner树问题,已知该问题是NP难的问题,给出了基于遗传优化的求解算法,采用基于备选路径集的整数序列编码表示一棵生成树,设计相应的交叉和变异算子,以及对非法染色体进行修复的机制,最后在遗传算法的计算过程中选择合理的适应度函数,找到一棵满足多约束的能耗趋于最小且状态稳定Steiner树.理论分析和数值试验结果表明所提出的遗传求解算法收敛速度快、可靠性高,为无线传感器网络中的多源单汇路由提供了一种新的有效途径.     

基于无线传感节点到达时间差的定位算法设计

针对无线传感器网络节点定位的问题,深入研究了基于节点信号到达时间差的定位算法,为了提高定位的精度采用基于多点的极大似然估计算法实现无线传感器节点精确定位的需求．重点对无线传感器节点定位过程中各节点的时间同步问题进行了详细设计,给出了一种基于无线传感节点到达时间差的定位算法详细设计方案,经仿真测试表明,设计的无线传感节点定位精度在96．7％以上．     

基于机器学习的无线传感网络室内定位研究

无线传感网络在能耗量化传导过程中具有随机分布性,导致网络节点的室内定位精度不高,为了提高网络的室内定位准确性,提出基于机器学习的无线传感网络室内定位方法.构建无线传感网络室内定位的节点优化部署模型,采用能量负载均衡控制方法进行无线传感网络的路由探测协议设计,建立无线传感网络节点传输的链路均衡配置模型,采用机器学习算法进行无线传感网络室内定位过程中的自适应寻优,提取无线传感网络节点输出信号的能谱特征量,根据能谱的聚类属性进行无线传感网络室内定位优化.仿真结果表明,采用该方法进行无线传感网络室内定位的精度较高,能量开销较小,网络节点的组网部署能力得到提升.     

基于灰色预测的无线传感网络路由优化算法研究

无线传感网络路由链路节点分布混乱,导致路由算法稳定性降低,提出基于灰色预测的无线传感路由优化算法.构建无线传感器网络路由节点定位模型,实现传感器节点自主链路分层转发控制,构建无线传感节点控制模型,提高路由探测的参数识别能力;采用灰色关联预测方法,建立无线传感网络路由探测模型,根据路由探测结果,获取教务数据采集系统无线传...     

基于GA优化BP神经网络的WSN数据融合技术研究

为减少无线传感器网络中节点的数据通讯量,降低能量消耗,达到数据融合的目的,设计了一种基于遗传算法优化BP神经网络的数据融合算法(BPGA),阐述了数据融合原理、BP神经网络和遗传算法,介绍了遗传算法优化BP神经网络的数据融合方法,利用遗传算法优化神经网络的权值、阀值及隐含层结构,然后通过优化后的神经网络提取无线传感器网络中原始数据的特征信息,并将特征信息发送给汇聚节点,从而提高网络数据采集效率,延长网络生命周期。最后通过与LEACH、BPNDA算法进行仿真实验比较,证明了其有效性。