基于改进离散差分算法的汇聚节点定位方法技术

本发明专利技术提供了一种基于改进离散差分算法的汇聚节点定位方法，充分考虑到实际工程中节点的异构性、路由路径的可靠性对汇聚节点位置的影响，在改进离散差分算法中引入自适应的缩放因子，能够使得算法初期保持较强的全局搜索能力，后期保持较强的局部搜索能力；引入自适应的变异机制，根据进化过程中种群演化的趋势，选择合适的变异策略，既能保持种群的多样性，避免陷入局部最优，从而提高离散差分算法的全局优化能力，又能使得算法快速收敛，解决了原有差分算法在解决离散变量优化时存在的“早熟”收敛和陷入局部最小值的技术问题，从而得到优化的汇聚节点定位部署，增强了数据通信的可靠性，提高了网络服务质量。

【技术实现步骤摘要】

本专利技术涉及无线传感器网络
，具体涉及一种基于改进离散差分算法的汇聚节点定位方法。
技术介绍
近年来，随着微机电技术的发展和硬件价格的下降，无线传感器网络的应用范围日益扩大，在环境监测、智能家居、灾害应急和军事等领域得到了广泛应用。在这些应用中，无线传感器网络系统通常由传感节点和汇聚节点(也称为sink节点)构成。传感节点负责感知物理世界参数的变化并将采集到的数据通过单跳或多跳形式传输给汇聚节点。汇聚节点较之传感节点具有更强的存储能力、计算处理能力，它负责将普通的感知节点发给它的信息进行处理后发给Internet等外部网络。由于汇聚节点一般价格昂贵，并且对传感器网络的服务质量有重要影响，合理的汇聚节点布局对增强网络的监控能力和提高网络服务质量显得尤为重要。现有的对于汇聚节点定位的研究，一方面假定参与感知任务的传感节点都是类型相同的节点，即所有传感节点的感知半径、通信半径和能量等参数都相同，忽略了节点的异构性才是节点最普遍的存在形式，所得的研究成果和方法运用于实际工程实践中存在较大的差距；另一方面，对汇聚节点定位方法的研究，大多针对普通节点到汇聚节点的传输路径的长度进行优化达到降低能耗的目的，但在一些对可靠性要求比较严格的场合下，最短路径有时并不一定最可靠的。群优化算法作为一种启发式算法，近年来在传感器网络资源优化中得到了广泛应用。差分算法作为一种典型的群优化算法，具有运算简单、受控参数少和优化能力强的特点，得到了广大研究者的重视。本专利技术利用差分算法优化能力强的特点对汇聚节点的位置进行优化，保证传输的可靠性，同时根据优化模型的特点，对原有差分算法进行改进，增强其在离散问题上的优化能力，克服原有差分算法的“早熟”收敛和陷入局部最小值的缺点。
技术实现思路
本申请通过提供一种基于改进离散差分算法的汇聚节点定位方法，在该改进离散差分算法中引入自适应的缩放因子和自适应的变异机制，以解决原有差分算法的“早熟”收敛和陷入局部最小值的技术问题，从而得到优化的汇聚节点定位，增强了数据通信的可靠性，提高了网络服务质量。为解决上述技术问题，本申请采用以下技术方案予以实现：一种基于改进离散差分算法的汇聚节点定位方法，包括如下步骤：S1：网络环境设置及节点部署：在长度为L，宽度为W的二维平面监测区域中进行栅格划分，将传感器节点随机放置在栅格点上，其中，i＝1,2…,M，M为传感器的类型数，j＝1,2…,N，N为传感器的总数，若节点位于节点通信半径内，则节点能将数据传输至节点其中，i′,i1∈i；j′,j1∈j，节点到节点的数据链路的可靠性为(0，1)之间的随机数，汇聚节点的候选位置也设置在栅格点上，设汇聚节点位置的编码方式为(X,Y)，其中，X为汇聚节点横坐标，Y为汇聚节点纵坐标，X和Y取值范围为保证汇聚节点在监测区域内，若汇聚节点在节点通信半径内，则节点能直接将数据传输至汇聚节点，设定此时节点到汇聚节点的通信链路的可靠性为1；S2：解评价：利用公式来评价节点到汇聚节点sink的可靠性，式中，为代价，即运用Dijkstra算法求得节点到汇聚节点sink的最佳可靠性路径，n为最佳可靠性路径的跳数，rk为从节点到汇聚节点sink最短路径中第k跳的可靠性，ln(rk)表示对rk取自然对数，所有节点到汇聚节点sink的可靠性为：Dijkstra算法求解最佳可靠性路径的方法为：A1：假设用带权的邻接矩阵arcs来表示带权有向图，arcs[i][j]表示弧<vi,vj>上的权值(此处即为-ln(节点Si与节点Sj之间通信链路的可靠性))；若<vi,vj>不存在，则置arcs[i][j]为∞；S为已找到从v出发的最佳可靠性路径的终点的集合，它的初始状态为空集；那么，从v出发到图上其余顶点(终点)vi可能达到的最佳可靠性路径长度的初值为：D[i]＝arcs[LocateVex(G,v)[i]]vi∈V；A2：选择vj，使得D[j]＝Min{D[i]vi∈V-S本文档来自技高网...

【技术保护点】
一种基于改进离散差分算法的汇聚节点定位方法，其特征在于，包括如下步骤：S1：网络环境设置及节点部署：在长度为L，宽度为W的二维平面监测区域中进行栅格划分，将传感器节点随机放置在栅格点上，其中，i＝1,2…,M，M为传感器的类型数，j＝1,2…,N，N为传感器的总数，若节点位于节点通信半径内，则节点能将数据传输至节点其中，i′,i1∈i；j′,j1∈j，节点到节点的数据链路的可靠性为(0，1)之间的随机数，汇聚节点的候选位置也设置在栅格点上，设汇聚节点位置的编码方式为(X,Y)，其中，X为汇聚节点横坐标，Y为汇聚节点纵坐标，X和Y取值范围为保证汇聚节点在监测区域内，若汇聚节点在节点通信半径内，则节点能直接将数据传输至汇聚节点，设定此时节点到汇聚节点的通信链路的可靠性为1；S2：解评价：利用公式来评价节点到汇聚节点sink的可靠性，式中，为代价，即运用Dijkstra算法求得节点到汇聚节点sink的最佳可靠性路径，n为最佳可靠性路径的跳数，rk为从节点到汇聚节点sink最短路径中第k跳的可靠性，ln(rk)表示对rk取自然对数，所有节点到汇聚节点sink的可靠性为：S3：利用改进的离散差分算法对汇聚节点的位置进行优化：S31：种群及参数初始化：设置种群个体数目NP，最大迭代次数MAX_ITE，交叉因子CR，缩放因子F的最大值为FU，最小值为FL，对种群中的NP个个体进行初始化(Xi,Yi)，其中，Xi∈[Lmin,Lmax]，Yi∈[Wmin,Wmax]，Lmin为长度L的最小值，Lmax为长度L的最大值，Wmin为宽度W的最小值，Wmax 为宽度W的最大值；S32：计算缩放因子F：式中，F(in)为迭代次数为in的缩放因子；exp()表示以自然常数e为底数的指数函数；S33：变异个体计算及其有效性检验：S331：变异后的新个体为：其中，式中，threshold为阈值，fmean为种群中所有个体适应度的平均值，fbest为种群中适应度最好个体的适应度值，r1,r2,r3∈{1,2,…,NP}且r1≠r2≠r3，Pr1为种群中序号为r1的个体，Pr2为种群中序号为r2的个体，Pr3为种群中序号为r3的个体，Pi为种群中序号为i的个体；S332：对变异后的个体Vi的每一维向下取整；S333：检验取整后新个体Vi的有效性，即检验新个体Vi的第一维值是否在[Lmin,Lmax]中，检验新个体Vi的第二维值是否在[Wmin,Wmax]中，若能满足有效性条件，则进入步骤S34，否则，跳转至步骤S334；S334：利用随机函数重新生成新个体，并跳转至步骤S332；S34：交叉操作：式中，i∈{1,2,…,NP}，j,jrand∈{1,2}，rand()为(0,1)之间的随机数；S4：判断迭代是否结束，若下一次迭代次数in+1大于最大迭代次数 MAX_ITER或者delta大于阈值tolerance，则迭代结束，进入步骤S5，否则，迭代次数in+1，跳转至步骤S32继续优化；S5：利用步骤S2对产生的解的质量进行评价，选择种群个体中C最小的个体，即为汇聚节点的部署位置。...

【技术特征摘要】
1.一种基于改进离散差分算法的汇聚节点定位方法，其特征在于，包括如下步骤：S1：网络环境设置及节点部署：在长度为L，宽度为W的二维平面监测区域中进行栅格划分，将传感器节点随机放置在栅格点上，其中，i＝1,2…,M，M为传感器的类型数，j＝1,2…,N，N为传感器的总数，若节点位于节点通信半径内，则节点能将数据传输至节点其中，i′,i1∈i；j′,j1∈j，节点到节点的数据链路的可靠性为(0，1)之间的随机数，汇聚节点的候选位置也设置在栅格点上，设汇聚节点位置的编码方式为(X,Y)，其中，X为汇聚节点横坐标，Y为汇聚节点纵坐标，X和Y取值范围为保证汇聚节点在监测区域内，若汇聚节点在节点通信半径内，则节点能直接将数据传输至汇聚节点，设定此时节点到汇聚节点的通信链路的可靠性为1；S2：解评价：利用公式来评价节点到汇聚节点sink的可靠性，式中，为代价，即运用Dijkstra算法求得节点到汇聚节点sink的最佳可靠性路径，n为最佳可靠性路径的跳数，rk为...

【专利技术属性】
技术研发人员：李明，
申请(专利权)人：重庆工商大学，
类型：发明
国别省市：重庆;50