基于物联网的森林火灾监测系统节点有效动态覆盖方法技术方案

本发明专利技术公开了一种基于物联网的森林火灾监测系统节点有效动态覆盖方法，首先设置参数：种群规模NP、尺度因子F、交叉概率CR、最大进化代数Gmax；然后随机生成种群规模为NP的初始种群，求NP个体的适应度值；判断是否满足终止准则，对当前种群个体进行DE变异操作、DE交叉操作、DE选择操作；再执行局部搜索算法SQI；最后输出求得的最好结果。本发明专利技术解决了现有技术中存在的森林火灾监测物联网节点有效覆盖计算代价大、效率低的问题。

Effective Dynamic Coverage Method of Forest Fire Monitoring System Nodes Based on Internet of Things

The invention discloses an effective dynamic coverage method for nodes of a forest fire monitoring system based on the Internet of Things. Firstly, parameters are set: population size NP, scale factor F, cross probability CR, maximum evolution algebra Gmax; then, initial population size NP is randomly generated to calculate the fitness value of NP individuals; whether the termination criterion is satisfied or not, DE mutation exercise is performed on current population individuals. Make, DE cross operation, DE selection operation; then execute the local search algorithm SQI; finally output the best results. The invention solves the problems of high cost and low efficiency of effective coverage calculation of Internet of Things nodes for forest fire monitoring in the prior art.

【技术实现步骤摘要】
基于物联网的森林火灾监测系统节点有效动态覆盖方法
本专利技术属于森林火灾监测系统
，具体涉及一种基于物联网的森林火灾监测系统节点有效动态覆盖方法。
技术介绍
随着微机电系统、传感器技术和通信技术的不断进步，物联网与现代工业生产和日常生活中的联系日益紧密。特别对于灾害环境监测、林火预警等大范围监测而言，物联网节点覆盖率成为衡量物联网在监测区域可正常工作范围的重要指标。森林火灾监测物联网覆盖策略根据对监测环境或区域是否已知等情况，可划分为确定性覆盖和随机覆盖。当监测环境或区域已知的情况下，物联网覆盖问题则相对简单，需做好节点设置和路由规划等问题，这种覆盖方式称为确定性覆盖。当监测环境或区域未知的情况下，物联网节点覆盖问题则变的较为棘手，但这种情况往往更符合实际情况，在此情况下完成的物联网节点覆盖称为随机覆盖。森林火灾监测物联网覆盖根据采用的节点是否具有移动能力还可划分为静态覆盖和动态覆盖。当物联网节点在被初次部署后，不再具有移动位置的能力，即部署后其在网络中的位置固定，则称为静态覆盖。当物联网节点在被初次部署后，仍具有一定的移动能力，来改善其在网络中的位置，从而提高网络覆盖率，增强本文档来自技高网...

【技术保护点】
1.基于物联网的森林火灾监测系统节点有效动态覆盖方法，其特征在于，具体按照以下步骤实施：步骤1、参数设置：种群规模NP、尺度因子F、交叉概率CR、最大进化代数Gmax；步骤2、随机生成种群规模为NP的初始种群，求NP个体的适应度值；步骤3、判断是否满足终止准则，如果满足，则算法终止，转向步骤6；否则转向步骤4；步骤4、对当前种群个体进行DE变异操作、DE交叉操作、DE选择操作；步骤5、执行局部搜索算法SQI；步骤6、输出求得的最好结果。

【技术特征摘要】
1.基于物联网的森林火灾监测系统节点有效动态覆盖方法，其特征在于，具体按照以下步骤实施：步骤1、参数设置：种群规模NP、尺度因子F、交叉概率CR、最大进化代数Gmax；步骤2、随机生成种群规模为NP的初始种群，求NP个体的适应度值；步骤3、判断是否满足终止准则，如果满足，则算法终止，转向步骤6；否则转向步骤4；步骤4、对当前种群个体进行DE变异操作、DE交叉操作、DE选择操作；步骤5、执行局部搜索算法SQI；步骤6、输出求得的最好结果。2.根据权利要求1所述的基于物联网的森林火灾监测系统节点有效动态覆盖方法，其特征在于，所述步骤1具体如下：设置种群规模NP＝40、尺度因子F＝0.5、交叉概率CR＝0.9、最大进化代数Gmax＝300。3.根据权利要求1所述的基于物联网的森林火灾监测系统节点有效动态覆盖方法，其特征在于，所述步骤2具体如下：步骤2.1、为了保证森林火灾监测节点初始化后的节点坐标在整个监测区域范围内，即初始化的目标向量范围能覆盖整个解空间，将初始化后的目标向量表示为下式所示：Xji,G＝Xj,min+randj,i(0,1)·(Xj,max-Xj,min)式中，rand(0,1)为在(0,1)区间中计算机随机生成的服从均匀分布的随机数，Xj,min＝{X1,min,X2,min,…,XD,min}表示在D维连续实值空间中目标向量的下边界，即森林火灾监测区域的下边界；Xj,max＝{X1,max,X2,max,…,XD,max}表示在D维连续实值空间中目标向量的上边界，即森林火灾监测区域的上边界；Xi,G表示第G代中的第i个个体向量或目标向量：Xi,G＝(X1i,G,X2i,G,Xji,G,…,XDi,G)式中，G＝0,1,…,Gmax，G表示该种群所属的代数，G＝0表示初始化种群向量，Gmax为最大代数，i＝1,2,…,NP表示第i个个体向量，D表示D维空间，即在该D维连续的实数值参数空间求解全局最优解；步骤2.2、计算初始化后的目标向量的适应度函数，即在当前状态下，根据适应度函数计算森林火灾监测节点的适应度函数值，选取森林火灾监测节点在监测区域的覆盖率函数作为该适应度函数如下：4.根据权利要求3所述的基于物联网的森林火灾监测系统节点有效动态覆盖方法，其特征在于，所述步骤3具体如下：根据步骤2计算得到的适应度函数值判断是否满足森林火灾监测覆盖率的要求，如果满足，则算法终止，转向步骤6；否则转向步骤4。5.根据权利要求4所述的基于物联网的森林火灾监测系统节点有效动态覆盖方法，其特征在于，所述步骤4具体如下：步骤4.1、DE变异操作：在森林火灾监测节点坐标作为目标向量完成初始化后，采用“DE/rand/1”策略生成变异向量，即森林火灾监测节点坐标的变异向量Vi,G＝(V1i,G,V2i,G,Vji,G,…,VDi,G)：Vi,G＝Xr1,G+F·(Xr2,G-Xr3,G)式中，r1≠r2≠r3,且r1,r2,r3是从[1,NP]中计算机随机选取的正整数，在森林火灾监测节点的变异操作中每生成一个变异向量，r1,r2,r3都会随机由计算机生...

【专利技术属性】
技术研发人员：雷文礼，张鑫，聂宏伟，高瑞，薛晶晶，张玉强，杨延宁，王箫扬，崔巍，
申请(专利权)人：延安大学，
类型：发明
国别省市：陕西,61