WSN中基于群体智能的目标覆盖优化方法及装置制造方法及图纸

本发明专利技术处于WSN技术领域，公开无线传感网络(Wireless Sensor Network，WSN)中基于群体智能的目标覆盖优化方法及装置。针对WSN节点随机投放导致的覆盖冗余、分布不均、易陷入局部最优及资源浪费等问题，本发明专利技术提出一种基于精英排挤算子的改进社会蜘蛛算法。该方法首先构建WSN目标覆盖模型并初始化种群，通过适应度函数(以目标区域覆盖率为核心)评估蜘蛛种群中个体的适应度值，筛选出适应度最优的个体对应的传感器位置矩阵，作为网络覆盖优化最终部署方案。本发明专利技术的改进算法通过引入精英排挤机制，有效避免早熟收敛，提升全局寻优能力，同时加快收敛速度并增强稳定性。

【技术实现步骤摘要】

本专利技术涉及无线传感器网络(wireless sensor network，wsn)目标覆盖方法及装置，提出一种利用社会蜘蛛算法求解无线传感器覆盖率问题的方法，可快速地找出无线传感器最佳布置方案，并表现出来。

技术介绍

1、wsn是一种由大量互相连接的无线传感器节点组成的网络，用于监测和收集环境数据，在wsn的目标覆盖过程中，节点的部署和布局是非常关键的，因为它直接影响到网络的性能和覆盖范围。因此，wsn目标覆盖问题是wsn领域中一个非常重要的问题。

2、社会蜘蛛算法是模拟自然界蜘蛛进行分工合作、信息交流和繁衍后代的行为而出现的一种新兴的群智能优化算法，该算法具有结构简单，稳定性较强和易于理解的特点。

3、在众多监测场景中，例如环境监测、工业设备运行状态监测、安防监控等领域，常部署多个传感器节点用于对多个被监测目标进行数据采集与状态监控。如何合理配置传感器节点与被监测目标间的监测关系，即确定哪些传感器节点负责监测哪些被监测目标，以实现最高效的监测覆盖率，以适应度最大为优化目标,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本文档来自技高网...

【技术保护点】

1.WSN中基于群体智能的目标覆盖优化方法及装置，其特征在于，包括以下步骤：

2.根据权利要求1所述的构建WSN目标覆盖模型并初始化，其特征在于，

3.根据权利要求1所述的构建WSN目标覆盖模型并初始化，其特征在于，

4.根据权利要求1所述的通过由无线传感器网络目标区域覆盖率构成的适应度函数计算改进社会蜘蛛算法中蜘蛛种群各个个体的适应度值，其特征在于，

5.根据权利要求1所述的将适应度值最大的个体所对应的传感器位置矩阵作为无线传感器网络覆盖优化模型的最优部署方案，其特征在于，

6.根据权利要求5所述的对蜘蛛个体进行距离的计算以及...

【技术特征摘要】

1.wsn中基于群体智能的目标覆盖优化方法及装置，其特征在于，包括以下步骤：

2.根据权利要求1所述的构建wsn目标覆盖模型并初始化，其特征在于，

3.根据权利要求1所述的构建wsn目标覆盖模型并初始化，其特征在于，

4.根据权利要求1所述的通过由无线传感器网络目标区域覆盖率构成的适应度函数计算改进社会蜘蛛算法中蜘蛛种群各个个体的适应度值，其特征在于，

5.根据权利要求1所述的将适应度值最大的个体所对应的传感器位置矩阵作为无线传感器网络覆盖优化模型的最优部署方案，其特征在于，

6.根据权利要求5所述的对蜘蛛个体进行距离的计算以及蜘蛛位置的更新，其特征...

【专利技术属性】
技术研发人员：贾文贤，赵翊辰，郭妍，王健，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：