无线传感网络移动节点位置并行微粒群优化策略探析.docxVIP

无线传感网络移动节点位置并行微粒群优化策略探析 　　摘要：无线网络以一种超乎寻常的速度普及和应用，在人们的生活中发挥巨大作用，并行微粒群能够优化提高无线传感网络的性能，扩大网络覆盖面，保证网络使用的安全性和可靠性具有重要意义。文中说明了并行微粒群优化的基本原理和策略。　　关键词：无线传感网络；并行微粒群；优化原理；优化策略　　中图分类号：TP393 文?I标识码：A 文章编号：1007--0235-01　　为了提高网速，给用户提供更好的网络体验，需要对无线网络技术展开进一步的优化。在本文中，介绍了以微粒群算法为基110础的并行微粒群的优化策略。　　1 概述微粒群算法　　微粒群算法是一种全新的具有智能化特性的计算技术，它以个体来传递信息，并逐渐引导整个群体移动并得以解出。微粒群算法通过实数进行编码，与其他计算方式比较具有简便、容易的特点，它能够在更短的时间内，以更快的速度解决复杂的问题，因此这种算法在短时内得到了比较大的发展和应用。　　但是，在目前使用微粒群算法的过程中，如何避免复杂问题处理过程中出现的极值是一个比较困难的问题。微粒群优化算法迭代求解的过程中，每一个微粒会选择追随最有的微粒飞行，这就使得群体之间趋同，导致局部极值。在无线传感网络中应用微粒群算法，可得到如下公式：将收缩空间设为n；微粒群规模设为为微粒i位置；微粒i的速度为Vi；微粒i的最佳位置为Pi，其最小化目标函数可以表示为：　　Pi=Pi，f[xi≥f）]　　Pi=xi，f[xif）]　　2 微粒群算法与移动节点位置的优化　　微粒群算法优化移动节点位置的优势在于，它的速度更快，且能够实现全局搜索。在具体的操作过程中，可以假设无线传感网络是又P个固定的节点以及q各移动节点共同构成的，收缩空间的维数n，在此时等于2q，微粒位置的向量Xi=，其中的每一个元素分别代表移动节点的横纵坐标。　　值计算的过程中可以使用网格化的计算方式，以最大程度的保证准确性，获得最优解，为保证搜索速度，需减小搜索粒度。在无线传感网络中，网络移动节点微粒群位置的优化流程如下：　　对无线传感网络的的固定节点位置以及无线传感网络的覆盖区域进行初始化设置。　　将微粒群体设置为m。　　在微粒位置的最大值和最小值以及微粒移动速度的最大值和最小值内，分别对每一个微粒进行设置初始的位置和速度。　　对Pi，Pg的网格粒度值进行初始化。　　计算各微粒的适应值。　　经过循环后全局最好位置的适应值不便，可认为当前网格粒度下近似最优解，重新随机生成粒子速度，计算适应值。　　如果未达到结束条件，重新对各个微粒的适应值进行计算。　　3 并行微粒群的优化策略　　集中式微粒群算法同时多个无线传感接电中实施微粒群优化，这样可以很大限度上降低节点运算的难度，去报算法的实时性。　　在并行微粒群算法的计算过程中，分为两种类型：粒级并行、群级并行。其中，粒级并行指的是不同粒子在进化的过程中，相互之间把自己的信息传递给另一个粒子的过程。粒级并行的优势在于它具有良好的优化性能，能够实现对全局的优化。但是在优化无线传感网络的过程中，粒级并行可能会对网络造成较大的负荷，从而降低网络的寿命。群级并行是以不同粒子为单位，划分为不同的群落，每一个群落相对于其他的群落，都是独立净化的，在最终群落之间相互交互，并实现全局化。群级并行有效的降低了群落之间信息的损耗，从而发发挥出了延长网络寿命的作用。　　并行微粒群优化算法的基本原理：相对于有n个节点构成的无线传感网络，可以设置网络中，包含着m个智能传感节点。根据每一个固定节点的位置，可以将其划分为m个待测的区域，划分的过程中，需要确保固定节点的数量相同。在进行网络初始化设置的过程中，节点为随机分布，此时各个区域的节点数量是不同的，此时需要根据公式，来计算区域内的节点数量：　　在计算的过程中，每一个区域边界的检测概率受到区域边界节点的影响，也受到邻近区域边界节点的节点，考虑到这一点，职能传感节点在区域内移动的过程中，需要适当扩大区域的范围，以保证准确性和完成性。但各区域之间的划分清晰之后，可以通过微粒群算法完成智能传感节点的位置优化。每一个区域之间，移动节点的移动是独立的，在网络优化时，需要对每一个区域内的优化结果进行单独的分析，并最终实现对全局网络的优化。　　4 结语　　综上，并行微粒群优化的应用优化无线传感网络，并且克服关于固定节点的问题，实现全局优化，提高网络运行速度，是一种值得应用的算法。