【技术实现步骤摘要】
基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法
[0001]本专利技术属于无线网络
，涉及一种无线传感器网络覆盖方法，具体涉及一种基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法。
技术介绍
[0002]无线传感器网络由若干微型传感器节点组成，节点之间通过相互协作，实时进行数据的采集、分析、融合和传输，实现对环境或对象信息的实时监测、感知、采集和处理，并以无线多跳的通讯方式实现信息交互。作为一种目标区域监测和信息获取的重要技术，无线传感器网络在环境保护、智慧医疗、智能建筑、农业物联网等诸多领域发挥着重大作用。无线传感器网络的具体设计面临很多约束和挑战，而覆盖优化是无线传感器网络的一个重要的衡量指标。
[0003]覆盖优化是指在节点能量、无线通信带宽和硬件资源等普遍受限的条件下，根据不同的应用情况，通过优化节点的位置部署，达到延长网络生命周期、提高目标区域覆盖率等目的。覆盖率是无线传感器网络的一个重要的衡量指标，如何使用有限数量的传感节点最大范围的覆盖目标区域，同时尽可能的延长网络生存时间，一直是无线传感器网络...
【技术保护点】
【技术特征摘要】
1.一种基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于，包括以下步骤：步骤1：将连续的待监测区域离散化处理为m
×
n个像素点，并在该离散化区域内随机分配N个无线传感器节点，构成无线传感器节点集合G；每个无线传感器网络节点均保证相同的感知半径r和通信半径；步骤2：计算每个传感器节点感知像素点的概率，继而计算每个像素点处传感节点被整个无线传感器节点集合G感知的联合概率P；步骤3：根据每个像素点处传感节点被整个无线传感器节点集合G感知的联合概率P，计算得到无线传感器网络的覆盖率λ(P)；步骤4：结合无线传感器网络覆盖率得到无线传感器网络覆盖优化问题的适应度函数f＝ω1λ(P)+ω2θ+ω3η，其中；θ为传感器网络节点覆盖效率，η为网络能耗均衡系数；ω1，ω1和ω1为权值系数，满足ω1+ω2+ω3＝1；步骤5：根据无线传感器节点的初始位置初始化粒子群算法种群，设置种群大小，迭代次数；利用所述优化问题的适应度函数f，对种群每个个体进行适应度计算；以适应度最大为优化目标，进行每个种群个体的位置以及速度更新；筛选出粒子群的最佳粒子，通过群体对最佳个体的学习，更新每个粒子的信息，同时记录个体最优位置P
best
和群体最优位置Pg；步骤6：根据无线传感器网络中N个节点的初始覆盖位置初始化种群，利用所述优化问题的适应度函数f，对种群每个个体进行适应度计算；以适应度最大为优化目标，在随后的帝王蝶算法的迁移算子中通过融合粒子群算法扩大搜索策略，并改进调整算子以增加种群多样性，加快种群全局的寻优速度，不断更新种群位置，对待测区域内所有传感节点进行覆盖优化。2.根据权利要求1所述的基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于：步骤1中，采用栅格法将连续的待监测区域的二维平面离散化处理为m
×
n个像素点，并在该离散化区域内随机分配N个传感器节点，构成节点集合G＝{g1,g2,
…
,g
N
}，其中任意第i个传感器节点g
i
的坐标位置为(x
i
,y
i
)；每个无线传感器网络节点均保证相同的感知半径r和通信半径，且节点的通信半径为感知半径的2倍。3.根据权利要求1所述的基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于：步骤2中，采用传感器二元概率感知模型，通过计算传感器节点与像素点之间的欧式距离，获得每个传感器节点感知像素点的概率；欧式距离，获得每个传感器节点感知像素点的概率；其中，g
i
为无线传感器节点集合G中第i个传感节点，第i个传感器节点g
i
的坐标位置为(x
i
,y
i
)；H是任意像素点，位置为(x
H
,y
H
)；传感器节点g
i
感知像素点H的概率为p(g
i
,H)；d(g
i
,H)为像素点H到传感器节点g
i
的距离；每个像素点处传感节点被整个无线传感器网络节点集合感知的联合概率为：
其中，P(G,H)为像素点H处的传感节点被无线传感器网络的无线传感器节点集合G感知的联合概率。4.根据权利要求1所述的基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于：步骤3中，所有传感器节点对待监测区域的覆盖率函数为：其中...
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。