基于差分演化和粒子群优化的改进WSN覆盖算法
发布时间：2021-04-04 21:09
动态部署传感器节点随机性大,无法保证特定目标区域的覆盖质量,引入智能优化算法后有效提高了节点动态部署的质量,但一般的智能优化算法在动态部署时存在"早熟"等缺陷。为了进一步提高节点动态部署的质量,针对节点的覆盖问题进行研究,结合粒子群优化和差分演化的优点,前期用粒子群优化算法,发挥粒子群擅长前期搜索收敛较快的特点,后期用差分演化算法,发挥差分演化擅长局部搜索的特点,这样取双方所长,克服双方所短,从而使算法有更好的搜索能力。仿真结果表明,本文提出的算法相对于改良惯性权重的粒子群算法、结合虚拟力的粒子群算法以及基本差分演化算法,具有更好的搜索能力,优化后的网络覆盖率更高。
【文章来源】：计算机与现代化. 2019,(08)
【文章页数】：7 页
【部分图文】：
初始数据的节点分布图
2019年第8期易文周:基于差分演化和粒子群优化的改进WSN覆盖算法37法的加速因子c1=c2=c3=2，差分演化的缩放因子F取0．3，交叉概率CＲ取0．4。5．2用作对比的算法1)第4章所述的本文提出的改良算法PSODE。2)第1．4节所述的基本差分演化算法DE。3)第2．3．2节所述的结合虚拟库仑力改良的粒子群算法VCFPSO。4)第2．3．1节所述的改良惯性权重的粒子群算法PPSO。5．3仿真实验结果随机部署20个传感器在100m×100m的区域内，也就是在100m×100m内随机产生20组坐标si(xi，yi)，如图1所示，把数据保存下来，作为4个算法优化前的原始数据，所有算法都从这份数据开始优化，迭代100次，最后比较优化的结果，4种算法优化后的结果如图2～图5所示。图1初始数据的节点分布图图2改良惯性权重的粒子群算法PPSO优化后的节点分布图3结合虚拟库仑力改良的粒子群算法VCFPSO优化后的节点分布图4基本差分演化算法DE优化后的节点分布图5本文提出的改良算法PSODE优化后的节点分布5．4仿真实验结果对比分析仿真结果如图6所示。1)从图6可以清晰看到，基本差分演化算法DE
2019年第8期易文周:基于差分演化和粒子群优化的改进WSN覆盖算法37法的加速因子c1=c2=c3=2，差分演化的缩放因子F取0．3，交叉概率CＲ取0．4。5．2用作对比的算法1)第4章所述的本文提出的改良算法PSODE。2)第1．4节所述的基本差分演化算法DE。3)第2．3．2节所述的结合虚拟库仑力改良的粒子群算法VCFPSO。4)第2．3．1节所述的改良惯性权重的粒子群算法PPSO。5．3仿真实验结果随机部署20个传感器在100m×100m的区域内，也就是在100m×100m内随机产生20组坐标si(xi，yi)，如图1所示，把数据保存下来，作为4个算法优化前的原始数据，所有算法都从这份数据开始优化，迭代100次，最后比较优化的结果，4种算法优化后的结果如图2～图5所示。图1初始数据的节点分布图图2改良惯性权重的粒子群算法PPSO优化后的节点分布图3结合虚拟库仑力改良的粒子群算法VCFPSO优化后的节点分布图4基本差分演化算法DE优化后的节点分布图5本文提出的改良算法PSODE优化后的节点分布5．4仿真实验结果对比分析仿真结果如图6所示。1)从图6可以清晰看到，基本差分演化算法DE
【参考文献】：
期刊论文
[1]基于遗传算法优化的WSN覆盖控制算法[J]. 李向峰,席志红,李爽. 无线电工程. 2018(06)
[2]基于改进自适应遗传算法的移动WSN覆盖方法[J]. 朱利民,赵丽. 计算机应用研究. 2019(05)
[3]基于改进粒子群算法的无线传感器网络覆盖优化[J]. 梁俊卿. 现代电子技术. 2017(17)
[4]差分进化融合混合虚拟力的有向传感器网络覆盖算法[J]. 关志艳,冯秀芳. 计算机应用. 2016(12)
[5]基于混沌量子粒子群算法的无线传感器网络覆盖优化[J]. 王伟,朱娟娟,万家山,乔焰,李旸. 传感技术学报. 2016(02)
[6]一种无线传感器网络的概率覆盖增强算法[J]. 范兴刚,杨静静,王恒. 软件学报. 2016(02)
[7]基于一种差分鱼群算法在WSN覆盖应用的研究[J]. 孙莉. 科技通报. 2015(09)
[8]一种结合粒子群和虚拟力的动态节点部署策略[J]. 周剑波,刘宏立,徐琨. 计算机工程与应用. 2016(10)
[9]改进VFPSO算法于WSN节点随机部署中的应用[J]. 宋明智,杨乐. 计算机工程与应用. 2016(02)
[10]异构无线传感器网络覆盖优化算法[J]. 杜晓玉,孙力娟,郭剑,韩崇. 电子与信息学报. 2014(03)
硕士论文
[1]基于进化算法的无线传感器网络覆盖优化问题研究[D]. 张亚桢.江南大学 2018
[2]无线传感网中基于粒子群算法的网络覆盖研究[D]. 居春伟.扬州大学 2018
[3]基于改进PSO算法的传感网覆盖问题研究[D]. 宋明智.江南大学 2014
本文编号：3118494
【文章来源】：计算机与现代化. 2019,(08)
【文章页数】：7 页
【部分图文】：
初始数据的节点分布图
2019年第8期易文周:基于差分演化和粒子群优化的改进WSN覆盖算法37法的加速因子c1=c2=c3=2，差分演化的缩放因子F取0．3，交叉概率CＲ取0．4。5．2用作对比的算法1)第4章所述的本文提出的改良算法PSODE。2)第1．4节所述的基本差分演化算法DE。3)第2．3．2节所述的结合虚拟库仑力改良的粒子群算法VCFPSO。4)第2．3．1节所述的改良惯性权重的粒子群算法PPSO。5．3仿真实验结果随机部署20个传感器在100m×100m的区域内，也就是在100m×100m内随机产生20组坐标si(xi，yi)，如图1所示，把数据保存下来，作为4个算法优化前的原始数据，所有算法都从这份数据开始优化，迭代100次，最后比较优化的结果，4种算法优化后的结果如图2～图5所示。图1初始数据的节点分布图图2改良惯性权重的粒子群算法PPSO优化后的节点分布图3结合虚拟库仑力改良的粒子群算法VCFPSO优化后的节点分布图4基本差分演化算法DE优化后的节点分布图5本文提出的改良算法PSODE优化后的节点分布5．4仿真实验结果对比分析仿真结果如图6所示。1)从图6可以清晰看到，基本差分演化算法DE
2019年第8期易文周:基于差分演化和粒子群优化的改进WSN覆盖算法37法的加速因子c1=c2=c3=2，差分演化的缩放因子F取0．3，交叉概率CＲ取0．4。5．2用作对比的算法1)第4章所述的本文提出的改良算法PSODE。2)第1．4节所述的基本差分演化算法DE。3)第2．3．2节所述的结合虚拟库仑力改良的粒子群算法VCFPSO。4)第2．3．1节所述的改良惯性权重的粒子群算法PPSO。5．3仿真实验结果随机部署20个传感器在100m×100m的区域内，也就是在100m×100m内随机产生20组坐标si(xi，yi)，如图1所示，把数据保存下来，作为4个算法优化前的原始数据，所有算法都从这份数据开始优化，迭代100次，最后比较优化的结果，4种算法优化后的结果如图2～图5所示。图1初始数据的节点分布图图2改良惯性权重的粒子群算法PPSO优化后的节点分布图3结合虚拟库仑力改良的粒子群算法VCFPSO优化后的节点分布图4基本差分演化算法DE优化后的节点分布图5本文提出的改良算法PSODE优化后的节点分布5．4仿真实验结果对比分析仿真结果如图6所示。1)从图6可以清晰看到，基本差分演化算法DE
【参考文献】：
期刊论文
[1]基于遗传算法优化的WSN覆盖控制算法[J]. 李向峰,席志红,李爽. 无线电工程. 2018(06)
[2]基于改进自适应遗传算法的移动WSN覆盖方法[J]. 朱利民,赵丽. 计算机应用研究. 2019(05)
[3]基于改进粒子群算法的无线传感器网络覆盖优化[J]. 梁俊卿. 现代电子技术. 2017(17)
[4]差分进化融合混合虚拟力的有向传感器网络覆盖算法[J]. 关志艳,冯秀芳. 计算机应用. 2016(12)
[5]基于混沌量子粒子群算法的无线传感器网络覆盖优化[J]. 王伟,朱娟娟,万家山,乔焰,李旸. 传感技术学报. 2016(02)
[6]一种无线传感器网络的概率覆盖增强算法[J]. 范兴刚,杨静静,王恒. 软件学报. 2016(02)
[7]基于一种差分鱼群算法在WSN覆盖应用的研究[J]. 孙莉. 科技通报. 2015(09)
[8]一种结合粒子群和虚拟力的动态节点部署策略[J]. 周剑波,刘宏立,徐琨. 计算机工程与应用. 2016(10)
[9]改进VFPSO算法于WSN节点随机部署中的应用[J]. 宋明智,杨乐. 计算机工程与应用. 2016(02)
[10]异构无线传感器网络覆盖优化算法[J]. 杜晓玉,孙力娟,郭剑,韩崇. 电子与信息学报. 2014(03)
硕士论文
[1]基于进化算法的无线传感器网络覆盖优化问题研究[D]. 张亚桢.江南大学 2018
[2]无线传感网中基于粒子群算法的网络覆盖研究[D]. 居春伟.扬州大学 2018
[3]基于改进PSO算法的传感网覆盖问题研究[D]. 宋明智.江南大学 2014
本文编号：3118494
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3118494.html
