基于改进布谷鸟搜索算法对水质监测无线传感器部署的优化

发布时间：2021-07-18 07:21

　　为解决传统传感器网络随机部署分布不均的问题,提出采用布谷鸟搜索算法（CS）进行节点部署优化。为改善CS算法的全局优化性能以提升传感器节点部署优化能力,受动量梯度下降法、均方根算法和Adam优化算法的启发,提出Momentum-CS、RMSprop-CS与Adam-CS三种改进算法,对CS算法中的步长控制量和淘汰概率进行优化调整。以网络覆盖率为优化目标,将3种算法用于长宽为100 m水域的水质监测无线传感器节点部署进行优化。仿真结果表明,Adam-CS算法能够在较少迭代次数获取更高的网络覆盖率,达到90.35%,对于指导水环境监测中无线传感器节点部署具有现实意义。 

【文章来源】：浙江农业学报. 2020,32(05)北大核心CSCD

【文章页数】：7 页

【部分图文】：

无线传感器部署示意图

3.1 动量梯度下降法动量梯度下降法的基本思想是计算梯度的指数加权平均数,并利用该梯度更新权重。采用动量梯度下降法改进布谷鸟搜索算法中莱维飞行步长,记作Momentum-CS。该算法中采用动量梯度下降思想更新莱维飞行步长,即每次步长的更新由前一步的步长变化和当前阶段的步长变化共同来决定,如式(12)所示:

图4为采用Adam-CS算法优化之后的传感器最优位置分布图。可以看出,优化后的传感器位置分布比较均匀,传感器重合度降低,覆盖率达到90.35%,根据优化得到的水质传感器位置部署传感器节点,可有效提高传感器网络的监测性能。图4 Adam-CS算法传感器优化部署

【参考文献】：
期刊论文
[1]基于改进正弦余弦算法的无线传感器节点部署优化[J]. 何庆,徐钦帅,魏康园.  计算机应用. 2019(07)
[2]加权质心鱼群算法在WSNs节点优化布置中的应用[J]. 何旭,彭珍瑞,董海棠,殷红.  传感器与微系统. 2018(10)
[3]布谷鸟搜索算法综述[J]. 张晓凤,王秀英.  计算机工程与应用. 2018(18)
[4]基于布谷鸟搜索算法的蛋白质能量优化[J]. 王庆喜,朱丽华.  浙江农业学报. 2017(07)
[5]水分传感器埋设位置对温室基质栽培番茄生长特性的影响[J]. 曹少娜,李建设,高艳明,吴素萍,刘梦锦,李娟.  浙江农业学报. 2017(06)
[6]改进的离散果蝇优化算法在WSNs覆盖中的应用[J]. 霍慧慧,李国勇.  传感器与微系统. 2016(02)
[7]无线传感器网络在农业中的应用进展[J]. 李士军,温竹,宫鹤,王艳梅.  浙江农业学报. 2014(06)
[8]改进的蚁群算法网络节点覆盖优化研究[J]. 彭丽英.  计算机仿真. 2011(09)
[9]基于混沌粒子群算法的无线传感器网络覆盖优化[J]. 刘维亭,范洲远.  计算机应用. 2011(02)
[10]一种通用的无线传感器网络监控平台[J]. 冯立波,李永战,吴银锋.  仪表技术与传感器. 2008(10)



本文编号：3289119