[發明專利]基于粒子群優化帝王蝶算法的無線傳感器網絡覆蓋方法

在審

• 申請號: 202111253027.8
• 申請日: 2021-10-27
• 公開（公告）號: CN113905389A
• 公開（公告）日: 2022-01-07
• 發明（設計）人: 張勇;樂英高;曹莉;魯小蘭
• 申請（專利權）人: 湖北文理學院
• 主分類號: H04W16/18
• 分類號: H04W16/18;H04W84/18;G06N3/00;H04W4/38
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 肖明洲

1.一種基于粒子群優化帝王蝶算法的無線傳感器網絡覆蓋方法，其特征在于，包括以下步驟：

步驟1：將連續的待監測區域離散化處理為m×n個像素點，并在該離散化區域內隨機分配N個無線傳感器節點，構成無線傳感器節點集合G；每個無線傳感器網絡節點均保證相同的感知半徑r和通信半徑；

步驟2：計算每個傳感器節點感知像素點的概率，繼而計算每個像素點處傳感節點被整個無線傳感器節點集合G感知的聯合概率P；

步驟3：根據每個像素點處傳感節點被整個無線傳感器節點集合G感知的聯合概率P，計算得到無線傳感器網絡的覆蓋率λ(P)；

步驟4：結合無線傳感器網絡覆蓋率得到無線傳感器網絡覆蓋優化問題的適應度函數f＝ω₁λ(P)+ω₂θ+ω₃η，其中；θ為傳感器網絡節點覆蓋效率，η為網絡能耗均衡系數；ω₁，ω₁和ω₁為權值系數，滿足ω₁+ω₂+ω₃＝1；

步驟5：根據無線傳感器節點的初始位置初始化粒子群算法種群，設置種群大小，迭代次數；利用所述優化問題的適應度函數f，對種群每個個體進行適應度計算；以適應度最大為優化目標，進行每個種群個體的位置以及速度更新；篩選出粒子群的最佳粒子，通過群體對最佳個體的學習，更新每個粒子的信息，同時記錄個體最優位置P_best和群體最優位置Pg；

步驟6：根據無線傳感器網絡中N個節點的初始覆蓋位置初始化種群，利用所述優化問題的適應度函數f，對種群每個個體進行適應度計算；以適應度最大為優化目標，在隨后的帝王蝶算法的遷移算子中通過融合粒子群算法擴大搜索策略，并改進調整算子以增加種群多樣性，加快種群全局的尋優速度，不斷更新種群位置，對待測區域內所有傳感節點進行覆蓋優化。

2.根據權利要求1所述的基于粒子群優化帝王蝶算法的無線傳感器網絡覆蓋方法，其特征在于：步驟1中，采用柵格法將連續的待監測區域的二維平面離散化處理為m×n個像素點，并在該離散化區域內隨機分配N個傳感器節點，構成節點集合G＝{g₁,g₂,…,g_N}，其中任意第i個傳感器節點g_i的坐標位置為(x_i,y_i)；每個無線傳感器網絡節點均保證相同的感知半徑r和通信半徑，且節點的通信半徑為感知半徑的2倍。

3.根據權利要求1所述的基于粒子群優化帝王蝶算法的無線傳感器網絡覆蓋方法，其特征在于：步驟2中，采用傳感器二元概率感知模型，通過計算傳感器節點與像素點之間的歐式距離，獲得每個傳感器節點感知像素點的概率；

其中，g_i為無線傳感器節點集合G中第i個傳感節點，第i個傳感器節點g_i的坐標位置為(x_i,y_i)；H是任意像素點，位置為(x_H,y_H)；傳感器節點g_i感知像素點H的概率為p(g_i,H)；d(g_i,H)為像素點H到傳感器節點g_i的距離；

每個像素點處傳感節點被整個無線傳感器網絡節點集合感知的聯合概率為：

其中，P(G,H)為像素點H處的傳感節點被無線傳感器網絡的無線傳感器節點集合G感知的聯合概率。

4.根據權利要求1所述的基于粒子群優化帝王蝶算法的無線傳感器網絡覆蓋方法，其特征在于：步驟3中，所有傳感器節點對待監測區域的覆蓋率函數為：

其中：P(G,H)為像素點H處的傳感節點被無線傳感器網絡的無線傳感器節點集合G感知的聯合概率。

5.根據權利要求1所述的基于粒子群優化帝王蝶算法的無線傳感器網絡覆蓋方法，其特征在于：步驟4中，

其中，E_i為傳感器節點i的剩余能量；k為傳感器網絡中處于工作狀態的節點個數。