分层分簇无线传感器网络汇聚层的多目标优化部署

发布时间：2021-11-19 10:49

　　分层分簇的无线传感器网络中,汇聚层节点的部署对于整个网络的性能是至关重要的。本文针对非均匀环境下,分层分簇无线传感器网络中汇聚层节点的优化部署进行研究,目标是以最少的节点和最低的总功率实现对感知层节点的全覆盖。这是一个典型的多目标优化问题。为此,提出了一种基于第二代快速非支配遗传算法（Non-dominated sorting genetic algorithm,NSGA-Ⅱ）的优化方案,以感知层节点全覆盖为前提,对汇聚层节点的数量和总功率进行联合优化。仿真结果表明,与常规均匀分布无线传感器的模型对比,本文所提出的部署方案能够在保证感知层节点全覆盖的前提下,显著减少汇聚层节点的数量,并降低了汇聚层节点的总功率,从而降低了部署成本,提高能量利用效率。 

【文章来源】：传感技术学报. 2020,33(04)北大核心CSCD

【文章页数】：8 页

【部分图文】：

变异操作

首先,不同于传统的遗传算法通过父代产生的子代直接进行选择操作,NSGA-Ⅱ的选择过程中,将父代Ppar与经历交叉、变异所产生的新种群Pnew结合在一起,组成一个临时的种群Ptemp,并对其进行选择操作。如图4所示。这样可以避免因前期因交叉变异操作后优良个性被滤去的情况。记临时种群Ptemp内个体数量为M。根据定义(1)、(2),首先将种群内个体两两对比,记录被个体ρi支配的其他个体的集合Si,以及支配个体ρi的其他个体的数目Vi。①创建空集Q,用于放置当前最高阶梯的个体;②将未被支配(即V为0)的个体放入集合Q,此时它们被评级为第一阶梯;③接下来选择次优的一批个体:将Ptemp-Q中的每个个体的V值减1;④此时筛选出V为0且未被排名的的个体(意味着它们是当前阶梯排名最靠前的一批个体),加入到集合Q;⑤重复执行上述中的第3步和第四步操作,直至种群Ptemp内每个个体都被排名。对于每一个处于第二或更次阶梯的个体,它最多可以支配M-1个其他个体,且需要比较2个优化目标,因此,该部分算法复杂度为O[2(M-1)];极端情况下,若种群内每个个体都为一个阶梯,则需要进行M-1次循环,因此该非支配排序的算法复杂度为O(2M2)。

本研究中模拟了大小为100 m× 100 m的待监测区域M,将其划分为20×20个网格,如图5所示。网格中央部署着感知层无线传感器节点,共计400个,由彩色小点表示。监测区域初始均匀放置36个汇聚层无线传感器节点,由红色三角形标识。障碍物分布亦如图5所示。在初始布局当中,倘若每个汇聚层节点功率缓慢增长,其覆盖率变化如图6所示,只有当每个节点功率达到为204.2 mW(23.1 dBm)时才能达到感知层节点全覆盖。可以得到,使用NSGA-Ⅱ优化前,达到全覆盖的最低平均功率为23.1 dBm。

【参考文献】：
期刊论文
[1]多汇聚节点无线传感网络充电路径多目标优化方法[J]. 夏静山,庄哲民,Alex Noel Josephraj,郑大为.  传感技术学报. 2019(03)
[2]基于能量均衡高效WSN的LEACH协议改进算法[J]. 黄利晓,王晖,袁利永,曾令国.  通信学报. 2017(S2)
[3]基于Q学习的多基站分簇拓扑控制算法[J]. 阎新芳,冯岩,王晓晓.  传感技术学报. 2016(04)
[4]考虑时延约束的无线传感器网络中继节点部署算法[J]. 马超凡,郑萌,梁炜.  中国科学:信息科学. 2015(06)
[5]基于位置服务器树的移动汇聚点的位置管理与路由协议[J]. 徐大庆,王田.  传感技术学报. 2011(12)



本文编号：3504884