[發明專利]基于改進差分進化算法的傳感器網絡節點優化部署方法

有效

• 申請號: 201910318330.8
• 申請日: 2019-04-19
• 公開（公告）號: CN110062389B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 王振東;劉燔桃;胡中棟;李大海;溫衛
• 申請（專利權）人: 江西理工大學
• 主分類號: H04W16/18
• 分類號: H04W16/18;H04W84/18;H04W4/021
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

本發明公開了基于改進差分進化算法的傳感器網絡節點優化部署方法，并成功應用于無線傳感器網絡的節點優化部署，通過設置混沌映射群體初始化，提升了初始種群的多樣性；使用精英群體實現對變異向量的引導，加快種群全局的尋優速度；使用參數自適應調整機制增強算法對節點的適應能力。本發明的優點：與基本差分進化算法相比，改進后的算法在節點覆蓋率和收斂速度上均有較大程度的提升，同時能夠有效應對節點可能出現的突發狀況，增強了算法的適應能力；改進的差分進化算法有效避免了種群陷入局部最優，提高了算法的尋優能力。對比改進前的差分進化算法提升了5％左右的網絡覆蓋率，滿足了監測區域的覆蓋要求，并加快了收斂速度，而且改進后的算法具有較強的適應性。

技術領域

本發明涉及基于改進差分進化算法的傳感器網絡節點優化部署方法，特別涉及一種提高無線傳感器節點的有效覆蓋率的改進的差分進化算法。

背景技術

無線傳感器網絡是由部署在監測區域內的傳感器節點形成的自組織網絡，具有體積小、低成本、低功耗等特點，可以實時協助感知、采集和處理監測對象的信息，因而被廣泛應用于環境檢測、災害預警等方面。無線傳感器網絡節點部署位置是否適當對網絡性能和網絡生命周期產生直接影響。節點的部署密度會影響網絡覆蓋率，部署密度高雖能獲得較高的覆蓋率，但會產生大量冗余節點，降低網絡整體性能。因此，傳感器網絡節點的部署優化一直是學者們研究的熱點問題。近年來，智能優化算法在傳感器網絡覆蓋優化中得到廣泛應用。但是現有技術中算法復雜度較高且不夠穩定。

發明內容

本發明要解決的技術問題，在于提供基于改進差分進化算法的傳感器網絡節點優化部署方法及其應用。

本發明通過下述方案實現：基于改進差分進化算法的傳感器網絡節點優化部署方法，其包括以下步驟，

步驟一：開始，初始化參數，混沌映射群體初始化，得到初始種群；

步驟二：篩選精英群體計算變異因子集；

步驟三：以精英群體中的個體為基向量，引導產生變異向量；

步驟四：計算交叉因子集，個體與變異向量交叉重組產生試驗向量；

步驟五：比較種群個體及對應試驗向量的適應度，擇優成為下一代種群個體；

步驟六：是否達到最大迭代次數，若是進入步驟七，若否則返回步驟二；

步驟七：結束并輸出結果。

基于改進差分進化算法的傳感器網絡節點優化部署方法，包括輸入和輸出，輸入包括種群規模，變異因子，交叉概率因子，最大迭代次數，維度，輸出包括節點的最終位置和覆蓋率。其包括以下步驟，

步驟一：混沌映射初始化，產生初始種群；

步驟二：計算種群中每個個體的適應值，并按從小到大依次排列；

步驟三：根據公式計算P_elite的值，取種群中前P_elite個體組成精英群體；

步驟四：根據公式和計算出變異因子集合；

步驟五：根據公式計算種群中每個個體的變異向量；

步驟六：根據公式計算出交叉因子集合；

步驟七：根據公式計算出種群中每個個體的試驗向量；

步驟八：根據公式比較種群個體以及對應試驗向量的適應度值，保留適應值更好的個體構成下一代種群；

步驟九：檢查是否達到最大迭代次數，若沒有，則返回步驟二，若達到最大迭代次數，則結束并輸出結果。

改進的差分進化算法在無線傳感器網絡的節點優化部署上的應用。