基于混合多目标粒子群算法的无线传感网络中继节点部署算法制造技术

本发明专利技术公开了一种基于混合多目标粒子群算法的无线传感网络中继节点部署算法；本发明专利技术主要研究单层网络中的中继节点部署问题，并且主要研究的网络属性为网络的平均能耗和网络通行链路的可靠性。混合多目标粒子群算法是一类新兴的多目标进化算法。它的核心思想是在多目标粒子群算法的基础上引入最优邻居学习以及遗传算法中的交叉变异拥挤距离的策略，从而显著提高算法的搜索效率。由于混合多目标粒子群算法是一种基于种群的算法，可以同时维护一组具有不同偏好的候选解，因而非常适合于求解多目标优化问题。而且，大量的实际应用表明，混合多目标粒子群算法比通常的多目标进化算法具有更高的搜索效率。

Relay node deployment algorithm for wireless sensor networks based on hybrid multi-objective particle swarm optimization algorithm

The invention discloses a relay node deployment algorithm based on hybrid multi-objective particle swarm optimization (PSO) for wireless sensor networks. The invention mainly studies the deployment of relay nodes in single layer networks, and the network attributes are the average energy consumption of the network and the reliability of the network link. Hybrid multi-objective particle swarm optimization (PSO) is a new multi-objective evolutionary algorithm. Its core idea is to introduce optimal neighbor learning on the basis of multi-objective particle swarm optimization (PSO) and the strategy of cross variation congestion distance in genetic algorithm, so as to improve the search efficiency of the algorithm. Because the hybrid multi-objective particle swarm optimization (PSO) is a population based algorithm, it can maintain a set of candidate solutions with different preferences at the same time, so it is very suitable for solving the multi-objective optimization problem. Moreover, a large number of practical applications show that the hybrid multi-objective particle swarm optimization algorithm has higher search efficiency than the common multi-objective evolutionary algorithm.

【技术实现步骤摘要】
基于混合多目标粒子群算法的无线传感网络中继节点部署算法
本专利技术涉及无线传感器网络、物联网和智能计算
，尤其是一种基于混合多目标粒子群算法的无线传感网络中继节点部署算法。
技术介绍
无线传感网络(wirelesssensornetworks,WSN)是由监测区域内大量的具有数据采集、数据处理和信息无线传输功能的传感器节点(sensornode,SN)、具有数据转发功能的中继节点(relaynode，RN)以及具有数据汇聚作用的网关节点(basestation,BS)共同组成。SN感知、采集和处理网络覆盖区域内的信息，通过RN组成多跳的网络形式最终将数据传送给GN。GN是连接外界的通道，由GN负责将监测到的信息最终传到相关终端进行进一步分析利用。该技术是信息科学领域中新兴学科与传统学科交叉综合的结果，在环境领域、医疗卫生、智能家居等方面有着广泛的应用前景。今年来，关于WSN的研究包括诸多方面。例如，在网络层的优化技术，包括多跳能效性路由的建立、数据聚合和分级的网络拓扑控制；在数据链路层的研究主要包括碰撞的避免、输出功率控制、空闲侦听的最小化等；在应用层的研究则有自适应性激活节点和负载平衡等。众所周知，一个实用型WSN投入应用面临的首要问题就是网络中各类节点的布局问题，我们以用于地铁隧道监测的WSN为例。用于监测裂痕等信息的SN安装在地铁隧道内壁，其布局位置由实际需求决定，这些SN利用无线通信的方式把收集到的数据经由隧道内壁上的RN节点汇总至BS，然后BS把数据集中传输到服务器等装置。可以看出，SN和BS位置的位置是相对固定的，为了保证SN和BS之间数据传输的可靠性、及时性，同时解决SN与BS之间距离过长而导致的能耗过高的问题，就需要在其之间合理的部署RN，这就是本专利所研究的RN的部署问题。相关的RN部署问题，已被一些文献证实是NP-HARD的。在涉及RN部署的WSN中，以路由结构为需求的研究主要分为单层网络(single-tiered)和双层网络(two-tiered).单层网络中，SN除采集数据外还可以转发其他SN或RN的数据；在双层网络中，SN仅将自身所采集的数据发送给RN或BS。
技术实现思路
本专利技术在此提供一种基于混合多目标粒子群算法的无线传感网络中继节点部署算法；本专利主要研究单层网络中的中继节点部署问题，并且主要研究的网络属性为网络的平均能耗和网络通行链路的可靠性。混合多目标粒子群算法是一类新兴的多目标进化算法。它的核心思想是在多目标粒子群算法的基础上引入最优邻居学习以及遗传算法中的交叉变异拥挤距离的策略，从而显著提高算法的搜索效率。由于混合多目标粒子群算法是一种基于种群的算法，可以同时维护一组具有不同偏好的候选解，因而非常适合于求解多目标优化问题。而且，大量的实际应用表明，混合多目标粒子群算法比通常的多目标进化算法具有更高的搜索效率。本专利技术是这样实现的，构造一种基于混合多目标粒子群算法的无线传感网络中继节点部署算法，其特征在于：算法的步骤为：步骤1：初始化算法的相关参数及产生一个初始种群；步骤2：将产生的新解中的非支配解存入全局最优解集合；步骤3：采用遗传算法的中选择交叉操作和变异操作产生N个新个体；步骤4：当前个体向与其欧式距离排在前q个的个体学习，用最好的邻居解xnbest作为自身的历史最优解；步骤5：从全局最优解集合中根据拥挤距离选取全局最优解xgbest；步骤6：基于来更新个体的速度，其中t为迭代次数，v为速度，W为[0.1,0,5]之间的随机数，C1，C2为[1.5，2.0]之间的随机数，r1,r2为(0，1)之间的随机数；步骤7：以此速度来更新个体；步骤8：将产生的新解中的非支配解存入全局最优解集合；步骤9：如果算法达到结束条件则终止，否则转步骤(2)执行。本专利技术的优点在于：无线传感器网络的中继节点部署优化是提高无线传感器网络寿命和降低网络建造成本的重要技术。本专利技术将混合多目标粒子群算法运用于优化无线传感器网络的中继节点部署策略，涉及无线传感器网络和智能计算两大领域。专利技术的方法采用混合多目标粒子群算法优化无线传感器网络中各个中继节点的位置，从而最低化网络的平均能耗和最大化网络的可靠性。在本专利技术的算法中引入了最优邻居学习机制以及遗传算法中的交叉变异操作、拥挤距离等概念，有效提高了算法的优化效率。以多个具有不同传感器规模的网络进行仿真测试，证明了本专利技术的高效性。工业环境下基于中继节点的优化部署的物联网的混合多目标粒子群算法的是提高网络兼容性降低网络建造成本的重要技术。附图说明图1混合多目标粒子群算法优化无线传感网络中继节点部署的流程图。具体实施方式下面将结合附图对本专利技术进行详细说明，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供一种基于混合多目标粒子群算法的无线传感网络中继节点部署算法，算法的步骤为：步骤1：初始化算法的相关参数及产生一个初始种群；步骤2：将产生的新解中的非支配解存入全局最优解集合；步骤3：采用遗传算法的中选择交叉操作和变异操作产生N个新个体；步骤4：当前个体向与其欧式距离排在前q个的个体学习，用最好的邻居解xnbest作为自身的历史最优解；步骤5：从全局最优解集合中根据拥挤距离选取全局最优解xgbest；步骤6：基于来更新个体的速度，其中t为迭代次数，v为速度，W为[0.1,0,5]之间的随机数，C1，C2为[1.5，2.0]之间的随机数，r1,r2为(0，1)之间的随机数；步骤7：以此速度来更新个体；步骤8：将产生的新解中的非支配解存入全局最优解集合；步骤9：如果算法达到结束条件则终止，否则转步骤(2)执行。下面结合附图对本专利技术的方法作进一步的描述。给定N个传感器和一个L×W的检测区域。每个传感器的通信半径和感应半径分别为Rc和Rs。所有传感器都是由电池供电。由于工作环境恶劣和数量庞大等原因，传感器在工作过程中无法中途补充电能。数据收集节点是一个具有充足电能且部署在检测区域中心的一个节点。传感器将感知的物理环境信息以多跳的形式传输到数据收集中心。我们说一个传感器是有效的当该传感器具有电能且可以通过某种路径将数据传送到数据收集节点。我们的第一个目标是最低化网络的平均能耗。为了计算网络的最低平均能耗，我们首先给出网络能耗的消耗公式，寿命的计算公式以及平均能耗的计算公式，如下：能耗计算公式为：其中式中Pi(t)是数据包的个数，amp是功率放大器每比特消耗的能量，k是数据包的大小，为两个最近节点之间的欧式距离，α为路径损耗指数，通常取2到4之间，β是传输质量参数。寿命计算公式为：表示任意传感器节点(2)平均能耗计算公式为：其中Ns为SN的个数，Ss为所有传感器的集合。第二个目标是最大化网络的可靠性，其表达式如下：其中是节点i和BS之间的点不交路的数量，是第k条不交路中存在的跳数，err是本地信道错误。其中本不交路的算法是采取最大流算法所得。中继节点的部署即为优化网络的上述两个目标属性。图1给出了本专利技术算法优化无线传感器网络中继节点部署的整体流程图。下面就流程图的内容本文档来自技高网...

【技术保护点】
1.一种基于混合多目标粒子群算法的无线传感网络中继节点部署算法，其特征在于：算法的步骤为：步骤1：初始化算法的相关参数及产生一个初始种群；步骤2：将产生的新解中的非支配解存入全局最优解集合；步骤3：采用遗传算法的中选择交叉操作和变异操作产生N个新个体；步骤4：当前个体向与其欧式距离排在前q个的个体学习，用最好的邻居解xnbest作为自身的历史最优解；步骤5：从全局最优解集合中根据拥挤距离选取全局最优解xgbest；步骤6：基于

【技术特征摘要】
1.一种基于混合多目标粒子群算法的无线传感网络中继节点部署算法，其特征在于：算法的步骤为：步骤1：初始化算法的相关参数及产生一个初始种群；步骤2：将产生的新解中的非支配解存入全局最优解集合；步骤3：采用遗传算法的中选择交叉操作和变异操作产生N个新个体；步骤4：当前个体向与其欧式距离排在前q个的个体学习，用最好的邻居解xnbest作为自身的历史最优解；步骤5：从全...

【专利技术属性】
技术研发人员：李迅波，王振林，余文，方炜，孙保亮，
申请(专利权)人：电子科技大学，华为技术有限公司，
类型：发明
国别省市：四川,51