基于CVaR子模效益模型的传感器布局优化

发布时间：2023-10-02 01:01

　　针对在不确定情况下如何保证传感器布局取得最优效果问题,本文在初始部署节点时考虑节点存在的不确定性,采用基于CVaR的子模效益模型来最小化这种不确定性对传感器网络布局效果的影响,为了快速有效获得该模型下的最优传感器布局,对传统贪婪算法进行改进,根据模型中存在的参数τ对全局最优解进行有序搜索,同时引入lazy evuluation减少算法的时间复杂度.仿真实验表明,在不确定情况下对传感器进行布局时,CVaR模型可以有效提高网络布局的鲁棒性,与改进的贪婪算法相结合,可以快速获得保证较高信息增益下的布局点集.

【文章页数】：6 页

【文章目录】：
1 引言
2 基于CVaR的子模效益模型
    2.1 离散子模效益最大化模型
    2.2 Conditional Value at Risk(CVaR)
    2.3 基于CVaR的子模效益模型
3 改进的贪婪算法
    3.1 算法流程
    3.2 算法性能分析
4 仿真实验与分析
    4.1 实验步骤
    4.2 参数τ和α对解集的影响
    4.3 不同算法下信息增益的对比
    4.4 不同模型下损失的对比
    4.5 不同算法时间复杂度的对比
5 结束语



本文编号：3849785