基于免疫多目标优化的无线传感网络覆盖研究

发布时间：2017-05-12 13:16

  本文关键词：基于免疫多目标优化的无线传感网络覆盖研究，由笔耕文化传播整理发布。

【摘要】：无线传感器网络(简称WSN)是由微电子、集成电路、无线通信技术、嵌入式等多个学科交叉而成的一个新兴领域,随着物联网快速兴起,它被认为是本世界最具发展潜力的技术之一。凭借其功耗低、成本低、分布式和自组织等特点极大地推动了传感器技术的发展。由于传感器节点能量有限,覆盖范围和形状不稳定,在进行大规模高密度的随机性覆盖时,容易使传感器节点分布均匀性很差,节点间的信息交流受阻,重复覆盖,因此如何研究出合理的覆盖控制算法或者策略,激活尽量少的传感器节点获得高质量网络覆盖,成为当今无线传感网络研究中的关键课题。普遍研究的无线传感器模型有0-1感知、概率感知模型,但是前者不够准确,偏理想化,后者虽符合实际,但冗余较多,计算量偏大。本文采用了混合感知模型,通过搭建无线传感网络(WSN)的网格数学模型,然后用免疫约束多目标算法对其进行优化,理论分析和仿真结果表明该模型的可行性和优良的覆盖性能。本文的工作内容主要如下:第一,简单概括了无线传感网络的基本情况,包括其应用特点、关键技术、国内外研究现状,并且重点叙述了其他学者在无线传感网络的覆盖和节能方面的研究,指出了各自研究的特点及其存在的问题。第二,对无线传感网络节点模型进行了分析,综合几种模型的特点,采用了混合感知模型,结合了覆盖率和节点利用率两个重要因素,提出了以网格点为基本单元的无线传感网络数学模型,通过计算区域内每个网格点的联合感知概率,能得到更精确的覆盖率。通过网格化数学建模,将覆盖率和节点利用率转化为数学模型。简单介绍了无线网络覆盖的性能指标,并选取了覆盖率和节点利用率这两个矛盾的指标作为本文的优化目标。第三,为了协调好覆盖率和节点利用率的这两个矛盾的因素,提出了免疫克隆约束多目标算法(Immune clonal multi-objective constrained algorithm,简称ICAMA),算法对约束多目标函数进行了转化,使其变成一个约束程度随着迭代次数改变的函数,这样每一代的抗体-抗原等计算都会根据该函数进行调整,使算法从每一代的可行域内部和不可行域的边缘向着约束最优Pareto-前端逼近,更好地保证了所取得最优解较好的均匀性、较强的逼近性以及较广的分布。对算法中的参数进行分析,通过一系列仿真实验,确定了参数的取值,随后用测试函数进行了优化,并与IMCCMO算法进行对比,结果表明算法具有更加优秀的的收敛性、均匀性和宽广性。第四,将ICMCA算法和IMCCMO算法用于无线传感网络覆盖的节点利用率和覆盖率的优化,在约束覆盖率范围和无约束条件下分别用0-1感知模型和混合感知模型组成的无线传感网络进行仿真实验,随后又与参数调整后的结果进行对比分析,结果表明,混合感知模型组成的网络在节点利用率和覆盖率的优化方面表现的更好,ICMCA算法在处理多目标约束问题方面要优于IMCCMO算法,而且ICMCA算法可以同时对多个约束条件进行处理,这也是IMCCMO算法所不能及的。
【关键词】：无线传感网络 多目标 人工免疫 约束 覆盖
【学位授予单位】：宁波大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP212.9;TN929.5
【目录】：

• 摘要4-6
• Abstract6-10
• 引言10-12
• 1 绪论12-15
• 1.1 课题研究背景及意义12
• 1.2 国内外研究现状12-14
• 1.2.1 国外研究现状13
• 1.2.2 国内研究现状13-14
• 1.3 论文的主要工作和章节安排14-15
• 1.3.1 论文的主要工作14
• 1.3.2 论文的章节安排14-15
• 2 无线传感网络覆盖问题15-25
• 2.1 无线传感器节点组成及特点15-16
• 2.2 覆盖问题分类16-17
• 2.2.1 面覆盖16
• 2.2.2 线覆盖16
• 2.2.3 点覆盖16-17
• 2.3 感知模型分类17-20
• 2.3.1 感知原型17
• 2.3.2 0-1 感知模型17-18
• 2.3.3 概率感知模型18-19
• 2.3.4 混合感知模型19-20
• 2.4 节点的联合感知20-21
• 2.5 无线传感网络覆盖性能指标21
• 2.6 网格化平台及编码方案21-24
• 2.7 本章小结24-25
• 3 多目标优化算法25-39
• 3.1 多目标优化问题25-27
• 3.1.1 多目标优化问题的数学模型25-26
• 3.1.2 可行解与可行解集合26
• 3.1.3 Pareto-最优解与Pareto-最优解集26
• 3.1.4 Pareto-前端26-27
• 3.2 古典的多目标优化算法27-29
• 3.2.1 线性加权法27-28
• 3.2.2 约束法28-29
• 3.3 经典的多目标优化算法29-35
• 3.3.1 强度Pareto进化算法30-32
• 3.3.2 强度Pareto进化算法 232-34
• 3.3.3 带精英策略的非支配排序遗传算法（NSGA2）34-35
• 3.4 多目标优化算法的性能评价指标35-36
• 3.4.1 世代距离36
• 3.4.2 空间度量指标36
• 3.5 多目标优化算法的测试函数36-38
• 3.6 本章小结38-39
• 4 人工免疫多目标算法39-63
• 4.1 人工免疫系统基本知识39
• 4.2 人工免疫多目标算法的实现39-41
• 4.3 约束多目标算法41-44
• 4.3.1 常用的约束处理方法42
• 4.3.2 免疫记忆克隆约束多目标优化算法（IMCCMO）42-44
• 4.4 免疫克隆约束多目标算法44-62
• 4.4.1 算法的步骤流程45
• 4.4.2 免疫克隆操作45-48
• 4.4.3 免疫基因操作48-50
• 4.4.4 克隆选择操作和抗体群更新操作50
• 4.4.5 算法参数的选取50-54
• 4.4.6 测试函数的仿真54-58
• 4.4.7 WSN仿真58-62
• 4.5 本章小结62-63
• 5 总结与展望63-65
• 5.1 总结63
• 5.2 展望63-65
• 参考文献65-69
• 在学研究成果69

【参考文献】

中国期刊全文数据库 前1条

1 刘楠楠;史旭华;;基于抗体浓度的克隆选择多目标优化算法及其应用[J];宁波大学学报(理工版);2013年03期

中国硕士学位论文全文数据库 前1条

1 刘楠楠;克隆选择多目标优化算法及其应用研究[D];宁波大学;2013年

  本文关键词：基于免疫多目标优化的无线传感网络覆盖研究，，由笔耕文化传播整理发布。

本文编号：359884