基于智能计算无线传感器网络节点覆盖优化研究.docVIP

基于智能计算无线传感器网络节点覆盖优化研究 　　摘 要 本文针对无线传感器网络节点覆盖优化问题进行研究，论文首先介绍了无线传感器网络的定义，在此基础上分析了无线传感器网络覆盖存在的问题，针对这些问题，提出了粒子群优化算法来对无线传感器网络节点覆盖优化问题进行求解，并得出结论。 　　【关键词】无线传感器网络 最优覆盖问题 粒子群优化算法 　　1 无线传感器网络 　　无线传感器网络是一种新型的用于采集信息并且对信息进行处理的技术，这种技术是在微电子技术、计算机技术等发展的基础上发展起来的。构成无线传感器网络是由一些传感器节点构成，这些节点布置在监测区域内，并且通过无线、多跳的通信方式来构成一个无线传感器网络。无线传感器中的传感器可以对其锁定的目标进行监测，采集目标的有关信息，并对这些信息进行处理，同时将处理后的信息传输到控制中心。 　　了解无线传感器，最重要的就是要了解构成无线传感网络的组成部分，包括四个单元，每一个单元的作用不同。传感单元具有传感的功能、信号处理单元是为了处理数据，通信单元是为了实现数据传输的功能。无线传感器的节点将获取的有关目标的信息传输到网关处，进而通过网关利用互联网或者卫星进行通信。 　　无线传感器节点也受到各种因素的影响，比如价格、电源供给等。通常情况下，无线传感器的节点只能同自身附近区域内的几个节点进行通信，而要同其他的距离较远的节点进行通讯，则要通过多跳路由来实现。所以在节点布局上，会通过加大节点的布局密度来实现通信的功能。而且在实际的应用中，无线传感器的节点也常常是布置在环境条件比较恶劣，人们无法触及到的区域。这些区域内的节点由于布置随机，且常常是通过电池进行供电，一旦电池电量用完，则无线传感器的节点将无法发挥作用。 　　2 无线传感器网络覆盖问题 　　近年来，随着无线传感器网络的发展，其覆盖问题逐渐成为人们关注的问题，而且很多学者从不同的角度、使用不同的算法来求解无线传感器网络覆盖问题，也取得了一定的成就，但是也仍然存在较大的问题。目前学者们主要从两个方面来探讨无线传感器网络覆盖问题，第一个方面是无线传感器网络的确定性覆盖问题，另一个方面是无线传感器网络的随机覆盖问题。 　　对于确定性覆盖问题而言，其主要是针对的大小确定的区域，以成本最低的方式来达到区域内无线传感器网络覆盖率和连通问题，也就是使用最少的无线传感器网络节点来实现必要的功能。通常当无线传感器相对固定或者其所覆盖的区域相对稳定时使用确定性覆盖。研究固定性覆盖问题的方法通常有两种，一种是最大平均覆盖法，这种方法可以使得节点覆盖率的平均率最大化；另一种方法是最大最小覆盖法，这种方法可以保证那些覆盖能力最差的节点覆盖最大。 　　对于随机覆盖方式而言，这种覆盖多是用于在环境比较恶劣、人类无法进入到区域内。对于这类环境比较恶劣的区域，人们为了探索获取区域内的信息，会通过利用火箭或者飞机来将无线传感器节点投放到区域中。随机覆盖的无线传感器节点在任何一个时刻，都只有一个节点集处于对于目前监测的工作状况，而其他的节点集则处于休息状态，不同的节点集之间通过轮作状态来维持对目标区域的监测。 　　本文主要是针对随机覆盖问题进行研究，作为一个NP完全问题，以往的算法在进行求解时，都存在算法复杂而且只能得到近似解的问题，本文通过粒子群算法来克服以往算法对于随机覆盖问题求解的缺点，通过粒子群算法来求解无线传感器网络节点覆盖问题，使得无线传感器网络节点覆盖到达最优。 　　3 粒子群优化算法 　　有关粒子群优化算法（Particle Swarm Optimization，PSO），近年来不断得到学者的重视，很多的学者开始将这种算法应用到各种领域，该算法的原理类似于遗传算法。 　　速度向量： 　　位置向量：， 　　其中i表示粒子的编号，D是求解问题的维数。 　　同时，为每一个粒子设定一个历史最优位置向量（用pBest表示）。再为群体维护一个全局最优，用gBest表示。 　　粒子群优化算法的具体框架如下所示： 　　1）对粒子群算法中的个体进行初始化； 　　2）在粒子群算法搜索的过程中，每一次都计算出适应度函数值； 　　3）对每个粒子按照下列公式计算速度和位置向量 　　4）如果还没有到达结束条件，转到（2），否则输出gBest并结束。 　　从以上的分析可以看出吗，粒子群算法不仅流程简单、计算方便实用，而且可以越来越受到学者们的追捧，并且不断运用到各种领域中。 　　4 基于离散二进制粒子群优化算法的无线传感器网络最优覆盖 　　本文对粒子群优化算法来求解无线传感器网路最优覆盖问题，具体的步骤如下： 　　第一，问题的生成。在D×D区域内随机散布N个传感半径为R的无线传感器。 　　第二，初始化。对种群的M个粒子进行随机初始化。 　　第三，对每个粒子i，进行如下操作： 　　（1）使