采用遗传模拟退火策略WSN节点部署优化.pdfVIP

计算机技术与应用进展2013 采用遗传模拟退火策略的WSN节点部署优化幸 李忠 重庆电子工程职业学院，重庆401331 摘要：无线传感器网络(Whless 的热点。针对目前WSN节点部署方法存在生命周期过短、网络节点严重冗余等缺陷，提出一种改进的 遗传模拟退火策略用于WSN节点部署，该策略融合遗传算法和模拟退火算法的基本思想，借鉴小生境 的思想对遗传算法选择算子进行设计，避免了遗传初期有效基因的丢失；使用自适应算子对交叉算子 和变异算子进行改进。并对模拟退火参数重新进行了设计。最后进行了对比实验，通过对实验结果分 析表明本文策略能够以相对较小的代价完成传WSN节点部署，能快速收敛于最优解，提高网络的整体 覆盖率。 关键词：无线传感器网络节点部署优化遗传算法模拟退火算法 1引 言 sensor 无线传感器网络(Wireless 的部署密度来获得，但是存在一个问题是节点部署密度过大，冗余节点就会大量产生，很容易造成能量过 早消耗完，WSN生命周期过短等问题【l-2]。冗余节点指的是单个传感器节点其感知区域可以被其它传感器节 点完全覆盖。该冗余节点在其它节点处于工作状态下可以进入休眠状态【3圳。因此，如何高效地实现无线传 感器网络节点的部署，充分利用网络能量，延长网络寿命，是当前无线传感器网络研究中的一个热点问题例。 节点部署指是在一定的区域内，通过适当的策略布置传感器节点以满足某种特定的需求16J。节点部署时 应注意的问题包括：优化节点分布形式以及节点数目，最大可能地降低网络能耗，高效利用有限的传感器 网络资源，。国内外已经有很多相关研究，例如文献【7】提出一种在保证充分覆盖的前提下，基于遗传算法使 得参与覆盖的节点数最小的最优覆盖方法。文献【8】提出了粒子群优化策略，该策略基于概率测量模型并以网 络覆盖率为目标。文献【9】提出基于改进蚁群算法的节点优化部署方法，该方法以网络覆盖率为优化目标，。 文献【10】提出改进混合蛙跳算法的移动节点部署方法。该方法根据节点位置信息建立部署模型，然后利用改 进混合蛙跳算法求解该模型。 模拟退火算法是一种模拟物理退火过程的随机搜索算法，是求解大规模组合优化问题的有效近似算法， 它克服了容易陷人局部最优的缺点(传统爬山法等固有的缺陷)，具有高效性、健壮性、稳键性等特点Il卜12J。 本文在前人研究的基础上针对目前WSN节点部署方法存在生命周期过短、网络节点严重冗余等缺陷，提出 一种改进的遗传模拟退火策略用于WSN节点部署，该算法融合遗传算法和模拟退火算法的基本思想，借鉴 了小生境的思想对遗传算法选择算子进行改进，避免了遗传初期有效基因的丢失；在交叉算子和变异算子 方面使用了自适应算子，对模拟退火参数重新进行了设计。 2传感器节点部署优化模型 率为： ’基金项目：重庆市教委科学技术研究项目(KJl22204)． 作者简介：李,忠(1968-)，男，重庆市人，汉族，副高，主要从事电子技术应用领域的研究 采用遗传模拟退火策略的WSN节点部署优化 2l d(sf，p)≤足一Rc —R，d(sf，p)R+R (1) otherwise c_c墨，p，={P卜^qA釜：愚+如，足 式(1)中^、如、届、屈是与传感器节点特性相关的测量参数；足和R分别为传感器节点感知半径和 离； q=足一足十d(st，P)，％=足+足一d(墨，P)。 网络覆盖率作为衡量传感器网络部署策略的重要指标，通常被定义为监测区域内能够被节点覆盖的总 面积与监测区域总面积的比值‘”1。考虑实际应用中监测环境