[發明專利]基于量子頭腦風暴的異構傳感器網絡最佳目標覆蓋方法

有效

• 申請號: 201710606778.0
• 申請日: 2017-07-24
• 公開（公告）號: CN107396375B
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 高洪元;侯陽陽;劉丹丹;刁鳴;程建華;李亮;李晉;李佳;劉子奇
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: H04W16/18
• 分類號: H04W16/18;H04W84/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明針對在求解目標覆蓋中最佳等效工作傳感器分布的問題時，現有方法的尋優結果差、收斂速度慢以及聯合感知概率更高時失效的缺點，提出了一種新的異構傳感器網絡最佳目標覆蓋方法。本發明解決了當前頭腦風暴優化算法無法應用于離散問題的缺點，拓寬了頭腦風暴算法的應用范圍。仿真結果表明，與現有的經典目標覆蓋方法相比，本發明的收斂速度與收斂精度更優，從而證明了本發明的有效性。在相同條件下，聯合感知概率約束更嚴格時傳統方法將會失效，而本方法則仍然可行。本發明將頭腦風暴過程中的方案交流融合體現在新方案的產生方式中，比原有頭腦風暴算法的方案交流更廣泛，更接近真實的頭腦風暴過程。

技術領域

本發明涉及一種基于量子頭腦風暴的異構傳感器網絡最佳目標覆蓋方法，該方法涉及到異構傳感器網絡的覆蓋控制領域。

背景技術

覆蓋控制是異構傳感器網絡的一項重要研究內容。在異構傳感器網絡中，通過空間資源的優化分配來滿足用戶感知需求的技術稱為覆蓋控制技術。它是異構傳感器網絡的基礎技術，可直接反映異構傳感器網絡對環境的感知服務質量。按照異構傳感器網絡節點的不同配置方式，即節點是否需要知道自身位置信息，覆蓋控制可分為確定性覆蓋和隨機覆蓋兩大類。根據不同的對象和環境，覆蓋有三種典型類型：區域覆蓋、目標覆蓋和柵欄覆蓋。

目標覆蓋是指在任何時刻，監測區域中的每個目標至少要被一個傳感器節點覆蓋，這種覆蓋也稱為點覆蓋。由于單個節點的覆蓋能力有限，通常需要大量節點協同覆蓋來完成覆蓋任務。所以在目標覆蓋中，為了使所有目標節點都被覆蓋的同時達到節能以延長傳感器網絡壽命的要求，往往需要合理控制傳感器節點的工作與休眠。

異構傳感器網絡的最佳目標覆蓋問題屬于確定性目標覆蓋，即在節點知道自身位置的前提下，在對所有目標節點滿足覆蓋要求的基礎上減少工作的傳感器節點的個數。

異構傳感器網絡的目標覆蓋問題可以看作組合優化問題，為NP難題。隨著目標和傳感器節點的增加，異構傳感器網絡的規模迅速增大，目標覆蓋問題的難度也隨之增大。NP難題雖然可以借助智能優化方法來解決，但是對于異構傳感器網絡的最佳目標覆蓋而言，由于問題的維度較高，一般的智能優化方法都容易陷入維度災難，存在不同程度的因探索與開發能力不均衡而導致的演進速度慢與早熟收斂的問題，而且隨著聯合感知概率約束的升高，一般方法甚至會完全失效。根據《應用科技》于2013年第46卷第6期刊登的名為“基于二進制差分算法的HWSN目標覆蓋研究”一文，現有的傳統目標覆蓋方法有遺傳算法與二進制差分進化算法，而且二進制差分進化算法的性能優于遺傳算法。但是由于差分進化自問世以來就是用來處理連續問題的方法，因此在此基礎上提出的二進制差分進化仍然存在著收斂速度與收斂精度的問題。而且這兩種方法無法應用于更為嚴苛的聯合感知概率約束條件下的目標覆蓋問題，即用戶對傳感器所提供的感知服務質量要求更高時將完全失效而找不到可行解。為了解決傳統方法在收斂速度慢、收斂精度低和無法滿足更高的聯合感知概率約束方面的缺陷，考慮將頭腦風暴的思想與量子計算結合來獲得兩者的雙重優勢，來求解三維空間中異構傳感器網絡的最佳目標覆蓋問題。

與現有技術相比，本發明具有以下優點：

(1)本發明解決了當前頭腦風暴優化算法無法應用于離散問題的缺點，拓寬了頭腦風暴算法的應用范圍。

(2)仿真結果表明，與現有的經典目標覆蓋方法相比，本發明的收斂速度與收斂精度更優，從而證明了本發明的有效性。

(3)仿真結果表明，在相同條件下，聯合感知概率約束更嚴格時傳統方法將會失效，而本方法則仍然可行。

(4)本發明將頭腦風暴過程中的方案交流融合體現在新方案的產生方式中，比原有頭腦風暴算法的方案交流更廣泛，更接近真實的頭腦風暴過程。

發明內容

本發明針對在求解目標覆蓋中最佳等效工作傳感器分布的問題時，現有方法的尋優結果差、收斂速度慢以及聯合感知概率更高時失效的缺點，提出了一種新的異構傳感器網絡最佳目標覆蓋方法：基于量子頭腦風暴的異構傳感器網絡最佳目標覆蓋方法。