基于遗传算法的物联网传感器节点布线研究.docVIP

  基于遗传算法的物联网传感器节点布线 研究 于之取，王亚超** 5 10 15 20 25 30 35 40 （天津工业大学管理学院，天津 300387） 摘要：针对以往物联网传感器节点布线依靠目视及经验，而非精细化布置的问题，从最小化 布线成本出发，构建最小路径模型，利用遗传算法良好的收敛性和较强的全局快速寻优能力， 通过编码运算，解决了最佳布线路径的问题。最后，通过与以往的布线方法进行对比，验证 了模型和算法的有效性和可行性。 关键词：物联网；遗传算法；最小路径；工业工程 中图分类号：U491.1+7 IoT sensor node wiring optimization based on genetic algorithm YU Zhiqu, WANG Yachao (College of Management, Tianjin Polytechnic University, TianJin 300387) Abstract: The past things networking sensor node wiring rely on visual and experience, rather than the elaborate arrrangement, based on the minimize wiring, the least path model, and the genetic algorithms good astringency and srtong global fast optimization ability, solve the problem of the optimum wiring path. Finally ,through compating the optimum wiring path and the previous method, the effectiveness of the least path model and GA algorithm has verified. Keywords: IoT; Genetic algorithm; Least path model; IE 0 引言 物联网是当前十分重要的经济振兴点，各行业已经有了物联网方面的成功应用，比如燃 气化工行业的管线漏气检测控制，过往的检测需要人工不断的巡检，时效性和便捷性都存在 很大问题。通过应用物联网解决方案，在企业各个线路节点处布置传感器，采用 RS485 总 线方式把各个传感器串联后再与主机进行联接，从而能够在第一时间感知到各个线路节点是 否漏气。在以往采用 RS485 总线方式串联各个传感器的工作中，作业人员都是凭借目视和 感觉来进行布线，这容易造成线路过长，带来了成本问题和信号的衰减问题，这类问题可以 归结为 TSP 问题。 TSP 问题是一种容易被易于描述但确难以解决的著名难题，现实生活中的很多问题都可 以归结为 TSP 问题，例如生产线上的生产排程问题[1]，电路板钻孔进度的安排等。以前找到 的有些指数级算法虽然能够较为精确的求解较低数量点的 TSP 问题，但是随着问题规模的 增大，这些算法不能够在多项式时间内求得满意解[2]。DM 动态规划方法是美国数学家 Bellman R E 等人于 20 世纪 50 年代初提出的，他在研究多阶段决策的过程中，把多阶段问 题转化为一系列单阶段过程，逐个求解并且把这种方法应用到了 TSP 问题中[3]，但该算法随 着问题规模的扩大，同样也会造成需要的空间会急剧增加，除了很小规模的问题外，几乎不 会采用这种算法，LC 分支限界发是由达金 R J 和兰德-多伊格在 20 世纪 60 年代提出的[4]， 该方法为了避免盲目搜索，根据智能化的判定函数，只生成解的部分状态空间树，从而使得 作者简介：于之取，（1988-），男，硕士研究生，工业工程。 通信联系人：王亚超， 1962-），男，副教授，主要研究方向：建模仿真、物流管理。E-mail: wych88@ -1-   搜索过程速度加快，这使得在求解时只需计算小部分就可以找到满意解[5]。遗传算法是通过 模拟进化学的自然选择和遗传机制，模拟生命的进化原理来寻找问题的满意解，Holland J 等提出[6]以来，得到了较为广泛的运用。武汉大学的郭涛博士在 1999 年提出[7]In-Over 算子， 这种算子具有交叉、变异的特性，是目前最为有效的求解 TSP 问题的方法。本文根据物联 45 50 网传感器节点的布置特点，提出了运用遗传算法的解决方法，通过构建最小路径模型，为物 联网传感器节点的布线提供了有意义的参考和精确化的布线方法。 1 最小路径模型 为了方便计算和建立最小路径模型，把研究的对象