基于改进差分进化算法的传感器网络节点优化部署方法技术

本发明专利技术公开了基于改进差分进化算法的传感器网络节点优化部署方法，并成功应用于无线传感器网络的节点优化部署，通过设置混沌映射群体初始化，提升了初始种群的多样性；使用精英群体实现对变异向量的引导，加快种群全局的寻优速度；使用参数自适应调整机制增强算法对节点的适应能力。本发明专利技术的优点：与基本差分进化算法相比，改进后的算法在节点覆盖率和收敛速度上均有较大程度的提升，同时能够有效应对节点可能出现的突发状况，增强了算法的适应能力；改进的差分进化算法有效避免了种群陷入局部最优，提高了算法的寻优能力。对比改进前的差分进化算法提升了5％左右的网络覆盖率，满足了监测区域的覆盖要求，并加快了收敛速度，而且改进后的算法具有较强的适应性。

Optimal deployment of sensor network nodes based on improved differential evolution algorithm

【技术实现步骤摘要】
基于改进差分进化算法的传感器网络节点优化部署方法
本专利技术涉及基于改进差分进化算法的传感器网络节点优化部署方法，特别涉及一种提高无线传感器节点的有效覆盖率的改进的差分进化算法。
技术介绍
无线传感器网络是由部署在监测区域内的传感器节点形成的自组织网络，具有体积小、低成本、低功耗等特点，可以实时协助感知、采集和处理监测对象的信息，因而被广泛应用于环境检测、灾害预警等方面。无线传感器网络节点部署位置是否适当对网络性能和网络生命周期产生直接影响。节点的部署密度会影响网络覆盖率，部署密度高虽能获得较高的覆盖率，但会产生大量冗余节点，降低网络整体性能。因此，传感器网络节点的部署优化一直是学者们研究的热点问题。近年来，智能优化算法在传感器网络覆盖优化中得到广泛应用。但是现有技术中算法复杂度较高且不够稳定。
技术实现思路
本专利技术要解决的技术问题，在于提供基于改进差分进化算法的传感器网络节点优化部署方法及其应用。本专利技术通过下述方案实现：基于改进差分进化算法的传感器网络节点优化部署方法，其包括以下步骤，步骤一：开始，初始化参数，混沌映射群体初始化，得到初始种群；步骤二：筛选精英群体计算变异因子集；步骤三：以精英群体中的个体为基向量，引导产生变异向量；步骤四：计算交叉因子集，个体与变异向量交叉重组产生试验向量；步骤五：比较种群个体及对应试验向量的适应度，择优成为下一代种群个体；步骤六：是否达到最大迭代次数，若是进入步骤七，若否则返回步骤二；步骤七：结束并输出结果。基于改进差分进化算法的传感器网络节点优化部署方法，包括输入和输出，输入包括种群规模，变异因子，交叉概率因子，最大迭代次数，维度，输出包括节点的最终位置和覆盖率。其包括以下步骤，步骤一：混沌映射初始化，产生初始种群；步骤二：计算种群中每个个体的适应值，并按从小到大依次排列；步骤三：根据公式计算Pelite的值，取种群中前Pelite个体组成精英群体；步骤四：根据公式和计算出变异因子集合；步骤五：根据公式计算种群中每个个体的变异向量；步骤六：根据公式计算出交叉因子集合；步骤七：根据公式计算出种群中每个个体的试验向量；步骤八：根据公式比较种群个体以及对应试验向量的适应度值，保留适应值更好的个体构成下一代种群；步骤九：检查是否达到最大迭代次数，若没有，则返回步骤二，若达到最大迭代次数，则结束并输出结果。改进的差分进化算法在无线传感器网络的节点优化部署上的应用。改进的差分进化算法在提升无线传感器节点的有效覆盖率上的应用。本专利技术的有益效果为：基于改进差分进化算法的传感器网络节点优化部署方法，并成功应用于无线传感器网络的节点优化部署，通过设置混沌映射群体初始化，提升了初始种群的多样性；使用精英群体实现对变异向量的引导，加快种群全局的寻优速度；使用参数自适应调整机制增强算法对节点的适应能力。仿真结果表明，与基本差分进化算法相比，改进后的算法在节点覆盖率和收敛速度上均有较大程度的提升，同时能够有效应对节点可能出现的突发状况，增强了算法的适应能力；改进的差分进化算法有效避免了种群陷入局部最优，提高了算法的寻优能力。对比改进前的差分进化算法提升了5％左右的网络覆盖率，满足了监测区域的覆盖要求，并加快了收敛速度，而且改进后的算法具有较强的适应性。附图说明图1是本专利技术基于改进差分进化算法的传感器网络节点优化部署方法的流程示意图。图2是μ为3.7，初值为0.9时Logistic方程迭代1000次后区间的轨迹序列分布图。图3是初值为0.9且μ为4时Logistic方程迭代1000次后区间的轨迹序列分布图。图4是两种算法的Sphere函数收敛曲线对比图.图5是两种算法的Rastrigrin函数收敛曲线图。图6是随机分布节点对监测区域覆盖时的节点分布图。图7是DEA优化部署节点分布图图8是IDEA优化部署节点分布图图9是DEA和IDEA覆盖率对比图图10是算法迭代50次后两个节点固定部署图图11是算法迭代200次后节点部署图图12是算法迭代200次后的覆盖率曲线。具体实施方式下面结合图1-12对本专利技术进一步说明，但本专利技术保护范围不局限所述内容。为了清楚，不描述实际实施例的全部特征，在下列描述中，不详细描述公知的功能和结构，因为它们会使本专利技术由于不必要的细节而混乱，应当认为在任何实际实施例的开发中，必须做出大量实施细节以实现开发者的特定目标，例如按照有关系统或有关商业的限制，由一个实施例改变为另一个实施例，另外，应当认为这种开发工作可能是复杂和耗费时间的，但是对于本领域技术人员来说仅仅是常规工作。基于改进差分进化算法的传感器网络节点优化部署方法，其特征在于：包括输入和输出，输入包括种群规模，变异因子，交叉概率因子，最大迭代次数，维度，输出包括节点的最终位置和覆盖率，其包括以下步骤，步骤一：混沌映射初始化，产生初始种群；步骤二：计算种群中每个个体的适应值，并按从小到大依次排列；步骤三：根据公式计算Pelite的值，取种群中前Pelite个体组成精英群体；步骤四：根据公式和计算出变异因子集合；步骤五：根据公式计算种群中每个个体的变异向量；步骤六：根据公式计算出交叉因子集合；步骤七：根据公式计算出种群中每个个体的试验向量；步骤八：根据公式比较种群个体以及对应试验向量的适应度值，保留适应值更好的个体构成下一代种群；步骤九：检查是否达到最大迭代次数，若没有，则返回步骤二，若达到最大迭代次数，则结束并输出结果。步骤中各公式涉及传感器覆盖模型、目标函数、DEA、IDEA，具体推导过程如下：传感器覆盖模型：部署在目标区域(m×n)的节点集定义为：N＝{N1，N2，N3，...，Np}(1)P表示的节点的个数，节点Ni的覆盖范围表示为向量(xi，yi，r)，i＝{1，2，...，P}，节点Ni的位置用(xi，yi)表示。di表示节点Ni与网格点的距离，如果di≤r，则说明网格点(x，y)被节点Ni覆盖。r表示节点的感知半径，P(x，y，Ni)表示网格点(x，y)被节点Ni覆盖的概率。S(x，y)表示网格点(x，y)被至少一个节点覆盖的概率。R(x，y)表示网格点(x，y)被节点集覆盖的概率，只要网格点能被至少一个节点覆盖，说明网格点能被节点感知到。Acov用来计算覆盖率，越大意味着覆盖率越高。目标函数：由现有技术可知，无线传感器网络中网络节点满足通信半径为感知半径的两倍，就可以保证网络的连通性，改进的差分进化算法(IDEA)的目标是在保证连通性的前提下利用较少节点达到较大的网络覆盖率，覆盖率函数f1(x)为：f1(x)＝Acov(7)定义目标优化函数f(x)为：f(x)＝1-f1(x)(8)式(8)表示覆盖率函数f1(x)越大，目标优化函数f(x)越小。DEA是一种基于群体智能的启发式算法,包括变异、交叉和选择三个操作。DEA由一个初始种群开始，不断迭代产生新的种群。种群中的每个个体都可表示为一个向量，向量包含每个节点的位置，种群中的每个个体就是解空间里的一个解。用Pi表示种群的个体向量，则pi＝xi，1，…，xi，p；yi，1，…，yi，p，差分进化算法通过不断的变异、交叉和选择，使得种群不断向更优的方向移动，将变异算子和交叉算子作用于种群中的每个向量，使之生成试验向量，然后使用选择算子在试验向量和当前向本文档来自技高网...

【技术保护点】
1.基于改进差分进化算法的传感器网络节点优化部署方法，其特征在于：其包括以下步骤，步骤一：开始，初始化参数，混沌映射群体初始化，得到初始种群；步骤二：筛选精英群体计算变异因子集；步骤三：以精英群体中的个体为基向量，引导产生变异向量；步骤四：计算交叉因子集，个体与变异向量交叉重组产生试验向量；步骤五：比较种群个体及对应试验向量的适应度，择优成为下一代种群个体；步骤六：是否达到最大迭代次数，若是进入步骤七，若否则返回步骤二；步骤七：结束并输出结果。

【技术特征摘要】
1.基于改进差分进化算法的传感器网络节点优化部署方法，其特征在于：其包括以下步骤，步骤一：开始，初始化参数，混沌映射群体初始化，得到初始种群；步骤二：筛选精英群体计算变异因子集；步骤三：以精英群体中的个体为基向量，引导产生变异向量；步骤四：计算交叉因子集，个体与变异向量交叉重组产生试验向量；步骤五：比较种群个体及对应试验向量的适应度，择优成为下一代种群个体；步骤六：是否达到最大迭代次数，若是进入步骤七，若否则返回步骤二；步骤七：结束并输出结果。2.根据权利要求1所述的基于改进差分进化算法的传感器网络节点优化部署方法，其特征在于：包括输入和输出，输入包括种群规模，变异因子，交叉概率因子，最大迭代次数，维度，输出包括节点的最终位置和覆盖率。3.根据权利要求1所述的基于改进差分进化算法的传感器网络节点优化部署方法，其特征在于：其包括以下步...

【专利技术属性】
技术研发人员：王振东，刘燔桃，胡中栋，李大海，温卫，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：江西,36