一种基于高维多目标分解算法的传感器网络覆盖方法及系统技术方案

本发明专利技术涉及传感器网络技术领域，尤其涉及一种基于高维多目标分解算法的传感器网络覆盖方法及系统；所述方法包括：构建具有混合节点感知模型的传感器网络；建立包括覆盖率目标函数、连通性目标函数及能耗目标函数的传感器网络覆盖数学模型；建立包括覆盖率目标函数、连通性目标函数及能耗目标函数的传感器网络覆盖数学模型；所述系统包括网络初始模块、数据处理模块和计算输出模块；本发明专利技术实施例所述的系统执行上述方法，通过引入少量的硬件配置更高、资源更丰富的移动节点，建立混合节点感知模型，当死亡节点增加时仍然能够保障传感器网络的覆盖性能。

【技术实现步骤摘要】
一种基于高维多目标分解算法的传感器网络覆盖方法及系统
本专利技术涉及传感器网络理论与
，尤其涉及一种基于高维多目标分解算法的传感器网络覆盖方法及系统。
技术介绍
近年来，随着人工智能技术的飞速发展，我国乃至全球都掀起了智慧城市的建设热潮。2014年国家发改委等八部门联合出台《关于促进智慧城市健康发展的指导意见》，首次将智慧城市建设纳入国家专项规划，到目前为止我国的智慧城市建设已取得阶段性进展，更进一步说明了建设智慧城市的重要性和紧迫性。在当前已建的智慧城市系统中多维信息的获取主要通过传感器网络，它是数以万计的传感器连接而成的复杂网络；常见的传感器网络节点感知模型包含静态节点和中继节点，通过密集部署节点方法，实现传感器网络覆盖。现有技术的不足之处在于，当死亡节点增加时，静态节点只能修复相对较小的监测区域，影响传感器网络的覆盖性能；传感器网络的覆盖率、连通性、能耗方面不平衡，导致众多信息在网络传输时出现拥堵或丢失现象，这就导致整个城市多维信息交流不畅通，决策无法做到全面而准确，城市智慧化程度大打折扣。专本文档来自技高网...

【技术保护点】
1.一种基于高维多目标分解算法的传感器网络覆盖方法，其特征在于，包括以下步骤：/nS1，构建具有混合节点感知模型的传感器网络；所述混合节点感知模型包括中继节点、移动节点、静态节点；/nS2，建立包括覆盖率目标函数、连通性目标函数及能耗目标函数的传感器网络覆盖数学模型；/nS3，通过高维多目标分解算法对所述传感器网络覆盖数学模型进行优化。/n

【技术特征摘要】
1.一种基于高维多目标分解算法的传感器网络覆盖方法，其特征在于，包括以下步骤：
S1，构建具有混合节点感知模型的传感器网络；所述混合节点感知模型包括中继节点、移动节点、静态节点；
S2，建立包括覆盖率目标函数、连通性目标函数及能耗目标函数的传感器网络覆盖数学模型；
S3，通过高维多目标分解算法对所述传感器网络覆盖数学模型进行优化。


2.根据权利要求1所述的一种基于高维多目标分解算法的传感器网络覆盖方法，其特征在于，所述步骤S2中建立覆盖率目标函数具体步骤包括：
S21a，将被监测区域离散化为网格状；所述监测区域精度可以根据实际需要决定；
S21b，计算出整个所述监测区域的网格总数；
S21c，计算出所述传感器网络中全部工作节点所覆盖网格总数；
S21d，构造出所述覆盖率目标函数；所述覆盖率目标函数η计算公式为：



其中，Stotal为所述覆盖网格总数，U为合并符号，为每个传感器节点覆盖的网格数，i＝1,2,…,N，N为工作节点数量；Ntotal为所述监测区域的网格总数。


3.根据权利要求1所述的一种基于高维多目标分解算法的传感器网络覆盖方法，其特征在于，所述步骤S2中建立连通性目标函数具体步骤包括：
S22a，计算全部节点之间的距离，记为距离矩阵；所述距离矩阵为：



S22b，判断所述距离矩阵中每个元素与节点感知半径r的大小关系，以此建立连通矩阵；所述连通矩阵为：



其中，N为节点数量，dij为节点i与节点j之间的距离；lij为第i行第j列的元素；
S22c，通过所述连通矩阵构造出所述连通性目标函数；所述连通性目标函数为：



其中，


4.根据权利要求1所述的一种基于高维多目标分解算法的传感器网络覆盖方法，其特征在于，所述步骤S2中能耗目标函数为：



其中，Et为发送数据的能耗，Er为接收数据的能耗，N为工作节点数量，ti为第i个传感器节点发送的数据量，et为发送单位数据量的能耗，ECpa为信号放大器能耗系数，di为第i个传感器节点与下一跳节点的通信距离，λ为数据损耗系数，ri为第i个传感器节点接收的数据量，er为接收单...

【专利技术属性】
技术研发人员：张磊，许淼，蔡昌新，胡林，文方青，黑创，
申请(专利权)人：长江大学，
类型：发明
国别省市：湖北;42