System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及物联网领域,具体涉及一种超大规模无线传感器网络的部署方法。
技术介绍
1、无线传感器网络(wsn)是由大量分布在监测区域内的传感器节点组成的自组织网络,具有广泛的应用前景。wsn的覆盖部署问题是指如何合理地选择和放置传感器节点,使得网络能够有效地监测目标区域,并满足一定的性能要求,如覆盖率、连通性、寿命等,wsn的覆盖部署问题是一个np-hard问题,随着网络规模的增大,求解难度也随之增加,目前已有许多基于启发式算法或元启发式算法的wsn覆盖部署方法,如遗传算法、粒子群优化算法、蚁群算法、人工蜂群算法等。
2、人工蜂群算法(abc)是一种模拟蜜蜂觅食行为的群体智能优化算法,具有全局寻优能力强、易于实现等特点,适用于解决复杂的非线性优化问题。本专利考虑采用该算法进行覆盖问题的解决。
3、对与障碍存在的无线传感器网络覆盖问题一般采用像素点计算的方法进行覆盖率的求解,小规模时能够快速获得问题答案。然而,当网络覆盖的区域以及部署在该区域的节点数量过大时,每只蜜蜂在进行蜜源求解即覆盖率计算时,将耗费较长的时间,导致整体网络覆盖计算周期过长,从而无法满足实际应用。
4、因此,鉴于目前存在的问题,开发一种超大规模无线传感器网络的部署方法不仅具有迫切的研究价值,也具有良好的经济效益和工程应用潜力,这正是本专利技术得以完成的动力所在和基础。
技术实现思路
1、为了克服上述所指出的现有技术的缺陷,本专利技术人对此进行了深入研究,在付出了大量创造性劳动后
2、本专利技术提出了一种面向超大规模的无线传感器网络覆盖部署方法,该方法采用人工蜂群算法进行优化,并将bp神经网络用来求解网络覆盖率作为人工蜂群算法的适应度函数。
3、为实现上述目的,本专利技术提供如下技术方案:
4、一种超大规模无线传感器网络的部署方法,该方法包括如下步骤:
5、s1:计算传感器点集的覆盖率;
6、s2:采用bp训练法确定覆盖率误差,并将该误差作为abc算法的目标函数;
7、s3:初始化人工蜂群算法,通过随机解形成初始解集,并记忆当前的最优食物源,其中,随机解采用如下公式计算;
8、
9、公式中,ri为传感器点位,xi和yi为传感器在平面投影的坐标,nr为总体传感器数量,lx和ly为区域的边界;
10、s4:雇佣蜂阶段,每个雇佣蜂进行候选解生成,并通过贪婪选择保留更好的解;
11、s5:跟随蜂基于轮盘赌方式进行优化蜂选择,并采用雇佣蜂方式生成候选解,基于轮盘堵进行候选解的最终确定;
12、s6:改进侦查蜂阶段,该阶段包括:
13、(1)当某个食物源未更新时,按照适应值对所有食物源进行排序;
14、(2)根据排序位置,生成选择区间;
15、(3)通过轮盘赌选择对应区间的食物源并进行该食物源的初始化;
16、s7:记忆最好的食物源以及适应值;
17、s8:如果超过循环次数,进入下一环节。否则回到步骤s4;
18、s9:判断当前执行的目标函数是bp预测误差还是wsn覆盖,如果是前者,则输出最优bp模型,并设置abc目标函数为wsn覆盖,回到步骤s3,否则进入下一环节;
19、s10:输出最优wsn节点部署以及当前的覆盖率。
20、在本专利技术中,作为一种改进,步骤s1覆盖率计算包括:
21、以覆盖率作为无线传感器网络主要部署目标,采用像素法对覆盖区域进行离散。基于布尔覆盖模型进行部署的传感器点集的覆盖率计算。
22、在本专利技术中,作为一种改进,步骤s2中bp训练法的训练过程包括:
23、t1:设bp的输入为总区域大小a,障碍性区域点集b,传感器位置点集s,输出为总覆盖率rced;
24、t2:设一层隐藏层,节点数基于m和n分别为输入层和输出层节点数量,a为1到10之间的整数,激发函数采用sigmoid函数,学习率λ属于[0.01,0,8],a和λ为bp中待优化的参数;
25、t3:数据集采用上述过程进行正交采样,计算节点位置的覆盖率,获得500组数据,其中,数据集按照二八原则分成测试集和训练集。
26、在本专利技术中,作为一种改进,步骤s3中,初始化的参数包括种群数、问题维度和最大循环次数,其中,雇佣蜂和跟随蜂数量相同,并设置一个侦查蜂。
27、在本专利技术中,作为一种改进,步骤s4中,每个雇佣蜂基于如下公式进行候选解生成:
28、vij=xij+φij·(xij-xkj);
29、其中,j是候选解vi、当前解xi和邻居解xk(k≠i)的一个随机选择的索引。φi是一个处于[-1,1]之间的随机数。
30、与现有技术相比,本专利技术的有益效果是:
31、(1)与之前的人工蜂群算法实现覆盖的过程相比,该专利技术解决的是超大规模的wsn障碍性区域覆盖的问题,专利技术中引入了bp神经网络用来计算涉及数万节点的超大规模wsn的覆盖率,使得覆盖率可以获得快速的计算,大大减少算法运行的时间,同时采用改进的侦查蜂阶段,减少了算法的调优参数,具有较好的可扩展性和鲁棒性,从而更为有效的解决wsn的覆盖问题。
32、(2)本专利技术是基于人工蜂群算法的优化方法,该人工蜂群算法中,改进了侦查蜂搜索的策略,从而减少了算法待调整的参数,该方法可以在有限的时间内找到较优的节点位置分布方案,使得网络覆盖率达到较高水平。
33、(3)本专利技术首次将bp神经网络计算的大规模无线传感器网络的覆盖率用来计算人工蜂群算法的适应度,利用bp神经网络的非线性映射能力和泛化能力,可以有效地处理高维、复杂、多峰的覆盖率预测问题,提高了人工蜂群算法对不同问题的兼容性和适应性,可以自适应地调整权值和阈值,增强了搜索能力和收敛速度。
本文档来自技高网...【技术保护点】
1.一种超大规模无线传感器网络的部署方法,其特征在于,该方法包括如下步骤:
2.根据权利要求1所述的超大规模无线传感器网络的部署方法,其特征在于,步骤S1覆盖率计算包括:
3.根据权利要求1所述的超大规模无线传感器网络的部署方法,其特征在于,步骤S2中BP训练法的训练过程包括:
4.根据权利要求1所述的超大规模无线传感器网络的部署方法,其特征在于:步骤S3中,初始化的参数包括种群数、问题维度和最大循环次数,其中,雇佣蜂和跟随蜂数量相同,并设置一个侦查蜂。
5.根据权利要求1所述的超大规模无线传感器网络的部署方法,其特征在于,步骤S4中,每个雇佣蜂基于如下公式进行候选解Vij生成:
【技术特征摘要】
1.一种超大规模无线传感器网络的部署方法,其特征在于,该方法包括如下步骤:
2.根据权利要求1所述的超大规模无线传感器网络的部署方法,其特征在于,步骤s1覆盖率计算包括:
3.根据权利要求1所述的超大规模无线传感器网络的部署方法,其特征在于,步骤s2中bp训练法的训练过程包括:
4...
【专利技术属性】
技术研发人员:于文杰,严婷,罗云川,李平,张国良,罗淼,曾志,李俊杰,
申请(专利权)人:成都信息工程大学,
类型:发明
国别省市:
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。