[發明專利]無線傳感器網絡部署優化方法、裝置、系統及存儲介質

有效

• 申請號: 201911018983.0
• 申請日: 2019-10-24
• 公開（公告）號: CN110944342B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 王振東
• 申請（專利權）人: 江西理工大學
• 主分類號: H04W24/02
• 分類號: H04W24/02;H04W84/18
• 代理公司: 北京華清迪源知識產權代理有限公司 11577
• 代理人: 朱芳

本發明實施例公開了無線傳感器網絡部署優化方法、裝置、系統及存儲介質，使用Tent映射初始化種群，豐富了種群多樣性，當迭代后期種群多樣性較低時，Tent映射可產生映射序列，替換原有種群中個體的部分變量，故可維持種群的多樣性；設計的非線性收斂因子，約束原有算法的縮放因子，使步長呈非線性變化，促進了算法的全局搜索，從而提升了算法的收斂能力；通過交叉、替換方式分別從鄰居個體和較優個體得到部分變量的貪心交叉策略，具有以較優個體輔助交叉個體尋優的作用，提高了解的精度。

技術領域

本發明實施例涉及無線傳感器網絡部署技術領域，具體涉及無線傳感器網絡部署優化方法、裝置、系統及存儲介質。

背景技術

隨著5G和物聯網的發展，無線傳感器網絡在醫療健康、環境監測和工業領域有著廣泛的應用[1-3]，近些年，研究者在無線傳感器網絡(Wireless Sensor Networks,WSNs)中的路由協議、定位和覆蓋方面研究成果豐碩，其中覆蓋優化是WSN的一個最基本問題。隨著群智能算法在優化問題上的廣泛應用，近些年的研究大多是以智能優化算法實現節點的動態部署。文獻[CHEN Cong.A coverage algorithm for WSN based on the improvedPSO[C]//2015 International Conference on Intelligent Transportation,Big Dataand Smart City.IEEE,2015:12-15]提出了一種根據當前搜索狀態自適應搜索的粒子群優化(Particle Swarm Optimization，PSO)算法，利用改進的PSO優化傳感器網絡部署，提高了網絡的自適應能力，但算法本身仍存在陷入局部最優的不足。文獻[DENG Xiao-hua,YUZhi-yong,TANG Rong-xin,et al.An Optimized Node Deployment Solution Based on aVirtual Spring Force Algorithm for Wireless Sensor Network Applications[J].Sensors,2019,19(8):1817]是利用改進的虛擬彈簧力算法(Virtual Spring ForceAlgorithm)部署正六邊形網絡拓撲，有效的減少了傳感器網絡中漏洞的面積，該方案只討論了理想條件下的部署策略，復雜環境并未考慮。文獻[HU Xiao-ping，CAO Jing.ImprovedGrey Wolf Optimization Algorithm for WSN Node Deployment[J].Chinese Journalof Sensors and Actuators,2018,v.31(05):101-106]提出一種基于改進灰狼優化(GreyWolf Optimizer)算法的覆蓋優化策略，但沒有考慮實際部署中存在障礙物的情況。文獻[QIN Nin-gning,XU Jian.An Adaptive Fish Swarm-Based Mobile Coverage in WSNs[J].Wireless Communications and Mobile Computing,2018,2018]以覆蓋率為目標，用改進的魚群算法(Fish Swarm Optimization)優化傳感器節點的部署，顯著的提高了網絡覆蓋面積，但只是針對同構傳感器，并未考慮異構傳感器和復雜情況下的監測環境。