[發明專利]一種基于粒子群優化和變異算子的無線傳感器網絡節點部署方法

有效

• 申請號: 201710655123.2
• 申請日: 2017-08-03
• 公開（公告）號: CN107277830B
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 王進;居春偉;季歡;王凱;?？∶?/a>
• 申請（專利權）人: 揚州大學
• 主分類號: H04W16/18
• 分類號: H04W16/18;H04W84/18
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 孟睿

本發明提出一種基于粒子群優化和變異算子的無線傳感器網絡節點部署方法。將所有傳感器隨機散布在目標區域中，將各傳感器的初始坐標作為粒子群算法中的粒子初始位置，將無線傳感器網絡的覆蓋率作為粒子群算法的目標適應值函數；通過粒子群算法得出的全局歷史最優解，并且根據最優解獲得粒子自身的最優值，所述最優值就是在目標區域部署傳感器的最佳位置。本發明通過改進慣性權重計算方法，提高算法的局部搜索能力；通過給粒子個體一個變異概率，使其重新計算個體歷史最優解，有效避免整個算法陷入局部最優解，提高了傳感器的利用率，降低了組建無線傳感網的成本。

技術領域

本發明屬于無線傳感器網絡技術領域，具體涉及一種在無線傳感器網絡中部署傳感器節點的方法。

背景技術

無線傳感網是一種低成本、自適應性高的無線網絡，它一般由負責收集數據的眾多微型傳感器節點和一個負責接收數據的基站組成。由于無線傳感網有著低成本、高靈活性的特點，它可以被應用于許多監測環境中，比如森林火險預警，戰場監測等。在建立無線傳感網時，一般將傳感器隨機部署在需要監測的目標區域，這種部署方式能夠迅速將傳感器部署完畢，但也會產生一些問題。隨機部署不能保證目標區域被完全覆蓋，部分區域有可能沒有被傳感器監測到，從而產生盲區。同時，隨機部署也有可能使部分區域有過多的傳感器，造成不必要的浪費，過于密集的傳感器在傳輸數據時也會造成較大的通信開銷，導致傳感器在傳輸數據時消耗較多的能量，不利于延長網絡的使用壽命。因此，需要有一種合理的無線傳感器節點部署方法，來優化節點部署，實現提高網絡的性能目的。

粒子群算法是一種智能優化算法，它的思想來源于進化計算理論和人工生命。通過模擬鳥類搜索食物的行為，將單個鳥視為一個粒子，整個鳥群就是一個粒子群。在尋找食物的過程中，鳥群會向食物的方向聚集，最終全部趨近一個點，這個點就是整個粒子群算法的最優解。每一個粒子計算個體適應度值，并將它與歷史最優位置和全局最優位置比較，如果個體適應度較小，則更新它的歷史最優位置和全局最優位置。通過不斷靠近全局最優解，來找到最佳位置。傳統的粒子群算法收斂速度快，但容易陷入局部最優解，造成算法過早結束。

發明內容

本發明提出。本發明的目的在于提出一種在無線傳感器網絡中部署傳感器節點的方法，通過改進傳統粒子群算法的慣性權重計算方法，提高算法的局部搜索能力；通過給粒子個體一個變異概率，使其重新計算個體歷史最優解，有效避免整個算法陷入局部最優解，提高了傳感器的利用率，降低了組建無線傳感網的成本。

為了解決上述技術問題，本發明提供一種在無線傳感器網絡中部署傳感器節點的方法，將所有傳感器隨機散布在目標區域中，將各傳感器的初始坐標作為粒子群算法中的粒子初始位置，將無線傳感器網絡的覆蓋率作為粒子群算法的目標適應值函數；通過粒子群算法得出的全局歷史最優解，并且根據最優解獲得粒子自身的最優值，所述最優值就是在目標區域部署傳感器的最佳位置；通過粒子群算法得出的全局歷史最優解的過程為：

Step1，對粒子的位置x⁰_i和速度v⁰_i進行初始化；

Step2，計算粒子的慣性權重w*以及粒子的目標適應值R(G)，并且記錄下粒子的個體歷史最優解R^t_i和全局粒子最優解R^t_g，t為當前迭代次數；

Step3，更新粒子的速度x_i和位置v_i，重新計算粒子的慣性權重w*和目標適應值R(G)，更新粒子的個體歷史最優解R^t_i和全局歷史最優解R^t_g；

Step4，計算粒子的適應性標準差S，

如果S≠0并且t≤t_max，則返回Step3；