基于自适应粒子群的WSN覆盖优化

发布时间：2022-01-01 08:41

　　数据感知层的无线传感器网络覆盖范围对感知服务质量具有非常重要的意义。鉴于无线传感器网络初始部署的随机性所造成的覆盖冗余、覆盖空洞以及粒子群算法自身的早熟收敛等问题,提出一种基于二项感知覆盖的自适应虚拟力粒子群优化算法,以优化网络的有效覆盖率。该算法通过在网络中添加移动节点来进行位置调度的重部署分布,并计算种群进化程度和相对聚合程度以自适应调节惯性权重,同时利用适应度方差阈值判断当前状态是否需要引入虚拟力策略的干扰。文中重点分析了初始部署类别和移动节点占比对重部署覆盖性能的影响,并给出了相应的算法实现。仿真实验表明,相比ACPSO,DACPSO,DVPSO算法,改进的粒子群算法的覆盖率达到了98.33%,并且具有较高的移动效率,充分证明了该算法的有效性。 

【文章来源】：计算机科学. 2020,47(07)北大核心CSCD

【文章页数】：7 页

【部分图文】：

整体框架

初始随机部署

初始覆盖类别对重部署覆盖率的影响

【参考文献】：
期刊论文
[1]自适应混沌PSO算法在WSN覆盖优化中的应用[J]. 赵亚梅,陆安江.  通信技术. 2018(10)
[2]一种虚拟力导向遗传算法的无线传感器网络优化部署策略[J]. 崔频,王敏.  电子设计工程. 2017(07)
[3]基于Voronoi的无线传感器网络栅栏覆盖策略[J]. 党小超,马如仓,郝占军.  计算机工程与应用. 2018(02)
[4]随机分布的无线传感器网络中移动sink的路径规划[J]. 常捷,张灵.  计算机科学. 2017(02)
[5]基于改进粒子群算法的无线传感网络覆盖优化[J]. 冯琳,冉晓旻,梅关林.  太赫兹科学与电子信息学报. 2015(03)



本文编号：3562017