粒子群算法的改进研究及在无线传感器网络覆盖问题中的应用

发布时间：2020-08-03 15:20

【摘要】：随着计算机技术网络、自动化控制、人工智能等学科的快速发展,获取有效的信息数据越来越引起人们的关注,无线传感器网络(Wireless Sensor Network,WSNs)随之发展起来。WSNs是一种在网络环境中保持自适应性,拥有一定的认知能力并且能够完成相对应的任务目标的智能网络系统,有着广阔的研究空间和光明的应用前景。当今社会,WSNs广泛应用在民用领域和军用领域中,并且取得了十分好的效果,成为在信息技术领域中一个重要的研究方向。粒子群算法作为一种智能优化算法,具有快速的求解速度和较强的搜寻最优解的能力,在搜寻的过程中,会受到个体历史搜索最优位置的影响和整个群体所有个体的最优位置两方面的影响。本文将其应用于无线传感器网络覆盖问题,通过对粒子群的研究分析后发现粒子群算法在多次迭代后依旧不能摆脱局部最优而陷入死循环,而无线传感器网络覆盖率最优化问题寻优过程较复杂,计算量较大,因此需要对算法进行优化和改进。针对粒子群算法收敛速度较慢、容易陷于局部最优等问题,本文提出了一种基于人工势场的粒子群算法(Virtual-Forced Particle Swarm Optimization,VFPSO),借鉴应用于解决机器人的路径规划和障碍躲避的人工势场算法的思想,针对粒子群算法中粒子迭代的寻优过程,引入粒子间的虚拟力作用,使优化问题的初始解分布更加均匀,在迭代寻优前期有更强的排斥力,后期增强锚节点的吸引力,从而加快算法收敛速度,获得高精度的最优解。针对粒子群算法精度低的问题提出一种基于天牛须搜索策略的粒子群算法(Beetle Antennae Search Strategy Particle Swarm Optimization,BASPSO),将天牛须搜索策略与粒子群算法中自学习过程相结合,改变了粒子寻优路径,并对其进行了函数测试,改善了实验效果。将两种算法分别应用于无线传感器网络覆盖问题中,通过多次实验调试,发现VFPSO算法能够使粒子分布更加均匀,能够避免粒子过于聚集而使算法陷入局部最优解,但由于算法计算量较大,更适合于小规模的覆盖问题,能够得到更好的布局。而BASPSO算法由于算法复杂度较低,适用于更大范围的覆盖问题,能够得到相较于标准粒子群算法更优的网络布局。
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP212.9;TN929.5;TP18
【图文】：

本文编号：2779816