面向目标跟踪物联网感知层节点部署优化研究.docVIP

面向目标跟踪物联网感知层节点部署优化研究 　　摘 要：针对目标跟踪物联网感知层节点动态部署的特点，在人工鱼群算法和虚拟力算法的基础上，设计了融入虚拟力影响的人工鱼群控制算法，给出了算法的参数自适应调整策略，该算法利用节点间的虚拟力来影响人工鱼的觅食行为和追尾行为，指导人工鱼群的进化过程，加快算法的收敛性。仿真实验结果显示，算法能快速有效地实现无线传感器网络节点的部署优化，与人工鱼群算法和虚拟力算法相比，该算法不仅全局寻优能力强，且收敛速度快，可有效提高网络覆盖率，优化网络性能。 　　关键词：物联网；感知层节点；虚拟力；人工鱼群算法；部署策略 　　Abstract：This paper proposes a virtual force-directed artificial fish swarm algorithm， and applied this algorithm to Sensor Layer nodes deployment of Target tracking IOT. In this algorithm， the virtual force influence the foraging behavior and rear-end behavior of artificial fish， direct the moving and updating status of artificial fish for improving the convergence speed. Simulation results show that virtual force-directed artificial fish swarm algorithm has better performance on regional convergence and global searching ability than virtual force algorithm and artificial fish swarm algorithm， and it can implement dynamic sensor nodes deployment efficiently and rapidly. 　　Key words：Internet of things；Sensor Layer Node；Virtual Force；Artificial fish-swarm algorithm；Deployment strategy 　　1 引言 　　物联网（The Internet of things）是利用现代通信技术把传感器、人员和物体等通过新的方式联在一起，形成信息化、智能化的一种网络，从结构上可分为感知层、网络层、中间层和应用层四层。感知层是连接物理世界和信息世界的桥梁，是整个物联网的底层，它将各种设备上的传感器通过有线或无线的方式连接起来形成一个信息采集与控制的网络，并把采集到的信息传递给物联网的上层。在面向目标跟踪的物联网应用中（如生态环境监测、战场环境侦察等），要求对于在监测区域内沿着任意路径运动的目标都能被感知层节点发现，由于目标的跟踪必须由多个节点协同工作来完成，这就要求感知层节点部署必须有较高的覆盖率和良好的节点通信，同时在目标跟踪的过程中，还要根据目标的位置和重要程度自动调整网络节点的布局，以优化目标跟踪效果。因此，设计有效的感知层节点部署控制算法，根据监测区域合理动态地实现感知层节点的部署，提高无线传感器网络覆盖率和目标检测概率，同时降低网络耗能，最大化地延长网络寿命，是物联网在目标跟踪领域应用首先要解决的重要问题。 　　文献[1]通过在固定节点中加入移动节点的方法，使用遗传算法来进行节点的部署优化，虽然遗传算法有较强的全局搜索能力，但在最优解附近收敛速度较慢，无法满足节点部署的实时性要求。文献[2]中Howard等人首度将场势理论应用于传感器网络的覆盖控制，通过假设的虚拟势场和虚拟受力，使用物理学中的受力平衡定律来指导网络节点的动态部署。文献[3-4]将群智能算法应用到传感器节点的部署优化中，提出了一种基于粒子群算法的节点部署算法，但粒子群算法在空间搜索时容易过早收敛，使优化结果达不到要求，同时粒子群算法无法实现在节点部署的过程中对监测区域中的障碍物自动避让和根据跟踪目标的重要程度自动调整网络布局的能力。 　　针对虚拟力算法、遗传算法、粒子群算法在感知层节点部署控制中的不足，本文提出了一种利用虚拟力来指导人工鱼的觅食行为和随机行为来加快算法的收敛速度的节点部署控制算法，同时利用传感器节点与热区和障碍物之间的虚拟力来实现对热点区域的重点监测和对障碍物的有效规避。针对人工鱼群寻优精度底的问题，在算法中采取了自适应参