一种自适应改进鱼群算法的优化方法技术

本发明专利技术公开了一种自适应改进鱼群算法的优化方法，属于传感器网络覆盖领域。通过增加的跳跃行为，提升了鱼群跳出局部最优的速度和效率；结合K邻域均值思想，设定新的食物浓度判定方法，降低了陷入局部最优的概率；增设碰壁行为，完善了对网络边界处节点覆盖情况的临界处理；通过衰减因子θ，自适应调整鱼的步长和视野，保障收敛的稳定性。本发明专利技术在保证网络覆盖率的前提下，解决了鱼群算法对恶劣局部最优反应迟缓的问题，同时降低了陷入局部最优的概率，完善了对网络边界处节点覆盖情况的临界处理，保障了收敛的稳定性。

【技术实现步骤摘要】
一种自适应改进鱼群算法的优化方法
本专利技术涉及一种自适应改进鱼群算法的优化方法，属于传感器网络覆盖领域。
技术介绍
在无线传感器网络性能优化问题中，网络覆盖已经成为一个重要的研究方向。大量传感器节点通过抛撒的方式安放在监测环境中。由于节点密度大及部署的随机性，通常会存在大量的冗余节点，导致网络覆盖效率低下。通常采用智能算法，通过移动传感器节点的方式，增加覆盖的有效面积，提高覆盖性能。在采用智能算法进行节点寻优的过程中，经常会陷入局部最优(节点大规模攒聚)的不利局面，影响算法性能，进而降低寻优效率。为了提升覆盖性能，同时解决局部最优问题，通常采用改进，或者多种算法结合的方式来应对。目前已有一种虚拟力和粒子群结合的算法(VirtualForceDiminishingParticleSwarmOptimization，VFDPSO)，通过全网范围内的整体寻优获取高覆盖率。VFDPSO实现了自动寻优和网络覆盖改善，但由于未能克服典型粒子群优化方法(ParticleSwarmOptimization，PSO)容易陷入局部最优的痼疾，因此覆盖性能的稳定性不高。针对此，《基于人工鱼群算法的无线传感器网络覆盖优化》(出版源：计算机应用研究,2013,30(02):554-556)将鱼群算法引入传感器网络覆盖问题的研究中，通过模拟鱼群的聚群、追尾等行为，促使目标函数跳出局部最优。虽然AFSA解决了局部最优问题，但是算法耗时较长。为了解决算法提高算法时效性，《无线传感器网络覆盖效率优化仿真》(出版源：计算机仿真,2017,34(08):297-301+345)提出了一种融合虚拟力的鱼群算法，通过引入融合虚拟力，提高跳出局部最优值的速度，但该算法仍然存在对恶劣局部最优反应迟缓，后期覆盖率提升不明显等缺陷。上述已经证明了鱼群算法确实可以应用于解决局部最优陷阱，但是跳出陷阱的速度，面对局部最优的反应，以及算法在覆盖性能的提升和边界问题的处理上，还有待于提高。
技术实现思路
为了解决目前存在鱼群算法对恶劣局部最优反应迟缓问题，本专利技术提供了一种自适应改进鱼群算法的优化方法，所述技术方案如下：假设在被检测区域I内，随机抛撒N个同构传感器节点S＝{S1(x1,y1),S2(x2,y2),..Sk(xk,yk),...,SN(xN,yN)}，其中k＝1,2,3,...,N；节点均采用半径为r的布尔感知模型；为便于描述，同时将区域I离散化为l×l个像素点集合M＝{M(1,1),M(1,2),...,M(x,y),...,M(l,l)}，其中x,y＝1,2,3,...,N，且设定随机部署的节点均落在I内的某个像素点上；步骤1：每个节点Sk分别执行觅食、聚群、排斥、跳跃以及碰壁5个行为，并在布告板Billboard中记录行为寻优后的位置；步骤2：计算当前轮寻优后的网络覆盖率Y；步骤3：若当前轮寻优后所得网络覆盖率Y相对于寻优前获得提高，则节点集合S按照Billboard记录的位置点进行移动；否则根据是否达到局部寻优上限Cth，判断是否需要衰减视野visual及步长step；其中，step表示鱼执行一次移动的步长，step满足step＝step0×rand，rand表示(0,1)之间的一个随机数；step0表示鱼执行一次行为移动的距离基数；步骤4：判断Y＞Yth或visual<Vth是否成立，如果成立退出算法；若不成立，返回步骤2；其中Yth以及Vth表示visual和Y的结束阈值。可选的，所述跳跃行为定义如下：在节点Sk的visual内，任取一点像素点M(x,y)；若节点Sk满足：Densityk＞Qth且pk≥Pth，则Sk执行跳跃行为，跳跃至像素点ArgMax(T(x,y))；其中，像素点M(x,y)满足若|ArgMax(T(x,y))|＞1，则Sk随机跳跃至ArgMax(T(x,y))中任一个像素点；ArgMax(T(x,y))表示T(x,y)取得最大值时对应的(x,y)坐标；定义节点Sk感知范围r内像素点的覆盖率之和为该节点Sk的拥挤度Densityk：M(e,f)满足其中表示对r进行向下取整；食物浓度T(x,y)的定义为：像素点M(x,y)和参数K，则该像素点M(x,y)的食物浓度T(x,y)与M(x,y)的K邻域内像素点的覆盖率相关：将K邻域均值法应用于T(x,y)计算中，实现了将M(x,y)周围K邻域内的像素点的覆盖情况，纳入T(x,y)的计算范畴；通过为每一层邻域设定不同的权重系数表征M(x,y)邻域内各层之间的影响差异；K邻域，表示M(x,y)周围的K层邻居，可选的K＝3。可选的，所述碰壁行为定义如下：若节点Sk和区域I边界之间的垂直距离d满足则节点Sk向着边界相反方向移动，且移动距离为rand×(r-d)；更新visual和step：给定Cth轮的寻优后，若Y出现收敛性增量不足，即Y经过多轮寻优后没有满足增量指标，则利用衰减因子θ更新visual和，缩小视野和步长；更新公式如下：visual＝visual×θ(3)step＝step×θ(4)其中，衰减因子θ＝0.8可选的，所述网络覆盖率Y定义为：其中，当像素点M(x,y)与任一Sk之间的距离小于r时，则认为M(x,y)能被S覆盖，即网络S在点M(x,y)覆盖率为：其中，当像素点M(x,y)与传感器节点Sk之间的距离小于r时，则认为Sk在M(x,y)的感知率为1，否则为0，即：可选的，所述觅食、聚群、排斥行为分别定义如下：觅食行为：在节点Sk的visual内，任取一点像素点M(x,y)，若M(x,y)满足则认为点M(x,y)的食物浓度高于Sk所在位置的食物浓度，Sk向M(x,y)移动step；若给定选取约束下，未能找到点M(x,y)，则当前鱼Sk启动随机游动；其中，D(·)表示两个元素之间的欧式距离；聚群行为：若节点Sk满足时，Sk向当前最近的鱼方向移动step；排斥行为：若节点Sk满足时，Sk向当前最近鱼相反方向移动step；其中，α和β为α取值为两个节点的感知范围边界相切时节点之间的距离，即α＝2r＝16m。排斥阈值β根据实验需求进行差异化设置，设置可选的，所述步骤1之前，还包括：将各个参数初始化。可选的，所述方法应用于无线传感器网络覆盖性能优化中。可选的，所述应用于无线传感器网络覆盖性能优化中具体为应用于湖泊蓝藻检测中。可选的，所述应用于无线传感器网络覆盖性能优化中具体为应用于养老院紧急搜寻中。本专利技术有益效果是：通过增加的跳跃行为，提升了鱼群跳出局部最优的速度和效率；结合K邻域均值思想，设定新的食物浓度判定方法，降低了陷入局部最优的概率；增设碰壁行为，完善了对网络边界处节点覆盖情况的临界处理；通过衰减因子θ，自适应调整鱼的步长和视野，保障收敛的稳定性。本专利技术在保证网络覆盖率的前提下，解决了鱼群算法对恶劣局部最优反应迟缓的问题，同时降低了陷入局部最优的概率，完善了对网络边界处节点覆盖情况的临界处理，保障了收敛的稳定性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其本文档来自技高网...

【技术保护点】
1.一种自适应改进鱼群算法的优化方法，其特征在于，所述方法包括：假设在被检测区域I内，随机抛撒N个同构传感器节点S＝{S1(x1,y1),S2(x2,y2),..Sk(xk,yk),...,SN(xN,yN)}，其中k＝1,2,3,...,N；节点均采用半径为r的布尔感知模型；为便于描述，同时将区域I离散化为l×l个像素点集合M＝{M(1,1),M(1,2),...,M(x,y),...,M(l,l)}，其中x,y＝1,2,3,...,N，且设定随机部署的节点均落在I内的某个像素点上；步骤1：每个节点Sk分别执行觅食、聚群、排斥、跳跃以及碰壁5个行为，并记录行为寻优后的位置；步骤2：计算当前轮寻优后的网络覆盖率Y；步骤3：若当前轮寻优后所得网络覆盖率Y相对于当前轮寻优前获得提高，则节点集合S按照记录的位置点进行移动；否则根据是否达到局部寻优上限Cth，判断是否需要衰减视野visual及步长step；其中，step表示鱼执行一次移动的步长，step满足step＝step0×rand，rand表示(0,1)之间的一个随机数；step0表示鱼执行一次行为移动的距离基数；步骤4：判断Y＞Yth或visual...

【技术特征摘要】
1.一种自适应改进鱼群算法的优化方法，其特征在于，所述方法包括：假设在被检测区域I内，随机抛撒N个同构传感器节点S＝{S1(x1,y1),S2(x2,y2),..Sk(xk,yk),...,SN(xN,yN)}，其中k＝1,2,3,...,N；节点均采用半径为r的布尔感知模型；为便于描述，同时将区域I离散化为l×l个像素点集合M＝{M(1,1),M(1,2),...,M(x,y),...,M(l,l)}，其中x,y＝1,2,3,...,N，且设定随机部署的节点均落在I内的某个像素点上；步骤1：每个节点Sk分别执行觅食、聚群、排斥、跳跃以及碰壁5个行为，并记录行为寻优后的位置；步骤2：计算当前轮寻优后的网络覆盖率Y；步骤3：若当前轮寻优后所得网络覆盖率Y相对于当前轮寻优前获得提高，则节点集合S按照记录的位置点进行移动；否则根据是否达到局部寻优上限Cth，判断是否需要衰减视野visual及步长step；其中，step表示鱼执行一次移动的步长，step满足step＝step0×rand，rand表示(0,1)之间的一个随机数；step0表示鱼执行一次行为移动的距离基数；步骤4：判断Y＞Yth或visual<Vth是否成立，如果成立退出算法；若不成立，返回步骤2；其中Yth以及Vth表示visual和Y的结束阈值。2.根据权利要求1所述的方法，其特征在于，所述跳跃行为定义如下：在节点Sk的visual内，任取一点像素点M(x,y)；若节点Sk满足：Densityk＞Qth且pk≥Pth，则Sk执行跳跃行为，跳跃至像素点ArgMax(T(x,y))；其中，像素点M(x,y)满足若|ArgMax(T(x,y))|＞1，则Sk随机跳跃至ArgMax(T(x,y))中任一个像素点；ArgMax(T(x,y))表示T(x,y)取得最大值时对应的(x,y)坐标；定义节点Sk感知范围r内像素点的覆盖率之和为该节点Sk的拥挤度Densityk：M(e,f)满足其中表示对r进行向下取整；食物浓度T(x,y)的定义为：像素点M(x,y)和参数K，则该像素点M(x,y)的食物浓度T(x,y)与M(x,y)的K邻域内像素点的覆盖率相关：将K邻域均值法应用于...

【专利技术属性】
技术研发人员：秦宁宁，许健，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32