The invention discloses a chaos optimization of sensor node deployment strategy based on bacterial foraging algorithm, which comprises the following steps: initialization, set cycle variables, chemotactic cycle, reproductive cycle, migration operation, algorithm of judging the end cycle conditions, to meet the conditions of the end of the output of the optimal algorithm and bacterial combination, does not meet the conditions set to the loop variable. The invention has the advantages that the WSN node coverage scheme uniformly distributed in the monitoring area in chaos optimization algorithm to obtain the bacterial foraging node, node redundancy rare, almost no coverage holes, compared with the random node deployment strategy, improve the node deployment strategy in network coverage, node is more uniform in the monitoring area. Area less repeat coverage, redundant nodes is extremely low, optimal coverage reached WSN, and the node can optimize the algorithm using less effective coverage monitoring area, saving the cost of deployment, but also greatly extend the monitoring time of WSN.
【技术实现步骤摘要】
基于混沌优化细菌觅食算法的传感器节点部署策略
本专利技术涉及构建群智能算法优化传感器节点部署模型与仿真实现,属于无线传感器网络优化覆盖监测区域领域。
技术介绍
广泛应用于地质监测、环境保护等领域的自组织多跳无线传感器网络(WirelessSensorNetwork,WSN)具有部署灵活、成本低廉、覆盖范围广等优点,但监测区域的大范围随机部署会带来节点分布不均匀问题。针对该问题,众多学者运用群智能仿生算法进行优化处理。比如采用人工鱼群算法构建网络覆盖模型,通过模型求解来优化网络覆盖;利用概率感知模型将遗传算法与粒子群算法相结合来优化网络覆盖;使用有效质心和重叠质心改进虚拟力计算公式和节点往复运动优化网络节点部署。上述群智能算法在WSN网络覆盖优化问题上取得了较大成效,但也存在诸如求解复杂度高、收敛速度慢、收敛精度低、运算成本大等问题。于是,本领域技术人员目光转向混沌优化的细菌觅食算法(Chaosoptimizationbacterialforagingalgorithm,COBFO),并基于该算法对监测区域节点部署情况进行仿真,但是研究表明,现有细菌觅食算法对全局空间寻优能力差,搜索速度和搜索精确度均有待提高,且容易陷入局部最优及产生早熟。
技术实现思路
本专利技术要解决的技术问题,在于提供一种基于混沌优化细菌觅食算法的传感器节点部署策略。本专利技术通过下述方案实现:基于混沌优化细菌觅食算法的传感器节点部署策略,其包括以下步骤:步骤一:初始化及设置循环变量;步骤二:判断菌落迁徙算子运行次数是否达到最大迭代值,若是则进入步骤三,若否则进入步骤四;步骤三:结束算法并 ...
【技术保护点】
基于混沌优化细菌觅食算法的传感器节点部署策略,其特征在于:其包括以下步骤:步骤一:初始化及设置循环变量;步骤二:判断菌落迁徙算子运行次数是否达到最大迭代值,若是则进入步骤三,若否则进入步骤四;步骤三:结束算法并输出最优细菌组合;步骤四:判断菌落繁殖算子运行次数是否达到,若是则进入步骤五,若否则进入步骤六;步骤五:计算网络覆盖率及更新位置,改进迁徙算子,然后返回步骤二;步骤六:改进的翻转概率翻转后计算细菌的趋化步长及反弹步长,细菌翻转操作后通过混沌扰动产生的混沌序列选择方向进行游动,判断菌落趋化算子运行次数是否达到,若是则进入步骤七,若否则进入步骤八;步骤七:改进繁殖算子,对细菌进行交叉变量操作,然后返回步骤四;步骤八:改善细菌的适应度,细菌趋向运动后返回步骤六。
【技术特征摘要】
1.基于混沌优化细菌觅食算法的传感器节点部署策略,其特征在于:其包括以下步骤:步骤一:初始化及设置循环变量;步骤二:判断菌落迁徙算子运行次数是否达到最大迭代值,若是则进入步骤三,若否则进入步骤四;步骤三:结束算法并输出最优细菌组合;步骤四:判断菌落繁殖算子运行次数是否达到,若是则进入步骤五,若否则进入步骤六;步骤五:计算网络覆盖率及更新位置,改进迁徙算子,然后返回步骤二;步骤六:改进的翻转概率翻转后计算细菌的趋化步长及反弹步长,细菌翻转操作后通过混沌扰动产生的混沌序列选择方向进行游动,判断菌落趋化算子运行次数是否达到,若是则进入步骤七,若否则进入步骤八;步骤七:改进繁殖算子,对细菌进行交叉变量操作,然后返回步骤四;步骤八:改善细菌的适应度,细菌趋向运动后返回步骤六。2.根据权利要求1所述的基于混沌优化细菌觅食算法的传感器节点部署策略,其特征在于:在所述步骤一中,随机初始化N个坐标作为传感器节点,细菌的趋化、复制、迁徙次数分别为Nc,Nre,Ned;操作的计数参数设置为g,s,l,单个细菌的趋化步长为C,在相同方向最大趋化步数为Nc(i),迁徙概率为Ped;循环变量由1开始递增,趋化循环g最大值为Nc、复制循环s最大值为,Nre、迁徙循环l最大值为Ned,式中,N是细菌的总数,Lmax和Lmin分别是监测区域的下限和上限。3.根据权利要求1所述的基于混沌优化细菌觅食算法的传感器节点部署策略,其特征在于:所述步骤二中是根据下式计算细菌的迁徙概率Pself,当细菌不满足迁徙概率则删除此细菌,在菌群内重新选取细菌,然后判断迁徙次数是否达到最大迭代值,其中Jhealth是能量值函数,Ped是原始迁徙概率。4.根据权利要求1所述的基于混沌优化细菌觅食算法的传感器节点部署策略,其特征在于:所述步骤四中细菌趋化循环后进行...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。