多目标优化下的无线传感器网络部署-计算机技术专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的 研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个 人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体， 均已在文中以明确方式标明。本人完全意识到，本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有 权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本论文属于 保密□ ，在 年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 华中 科技 大学 华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘 要 节点部署是无线传感器网络能够实现预定功能的前提。优秀的部署方案是保证 无线传感器网络具有良好拓扑结构，支持其应用正常运行，具有长生命周期的先决 条件。无线传感器网络部署需要考虑众多因素，如传感器节点数目、监视区域覆盖 面积、网络总能耗、生命周期、连通性等。 无线传感器网络部署因素中，能耗通过任意两点之间的路径确定，连通性利用 图结构的最小生成树确定，网络生命周期由网络总能耗与节点能耗均衡性共同确 定。无线传感器部署问题被抽象为保证网络连通性、最大化网络覆盖面积、最小化 网络总能耗以及保证节点能耗均衡性的多目标优化问题。求解方法采用改进后的多 维目标下基于非支配排序的遗传算法（IMNSGA），利用该方式来获得每个个体的 层级关系，并引入空间拥挤度补偿种群多样性，在求解过程中利用建立基于理想点 的多维决策空间，使用降低维数方式处理多个目标，空间拥挤度因子辅助种群的个 体筛选。为了监视种群进化中的局部聚集现象，IMNSGA 设置了监视功能，当产生 局部聚集时，采用个体分离操作，保证种群进化中的多样性，增加找到最优解几率。 本文利用 IMNSGA 算法对无线传感器网络部署多目标优化问题进行求解，得到 的部署方案无论是与 NSGA-II 和 MOEA/D 相比，还是与相关的优化方法相比都具 有优势。前者体现在 IMNSGA 算法得到的解集在覆盖面积、网络总能耗和节点能 耗均衡多目标下的 Pareto 最优解集中支配占优；后者体现在本文优化方案得到的网 络生命周期比单目标算法长。 关键字：无线传感器网络，节点部署，多目标优化，非支配排序，遗传算法 Abstract Wireless sensor network (WSN) deployment is a prerequisite for the WSN to achieve its corresponding function. Excellent deployment scheme leads to robust network topology, and long network lifetime. In general, many factors should be considered in the WSN deployment, for example numbers of node, surveillance area coverage, total energy consumption, network lifetime and connectivity. WSN is modeled as a graph, where energy consumption can be determined by estimating the paths between the pairs of nodes. The minimum spanning tree of the graph structure is used to guarantee the connectivity and total energy consumption of whole network and energy balance quality are used to determine the lifetime. The deployment problem becomes a multi-objective optimization problem whose goals are keeping network connectivity, maximizing network coverage, minimizing total