无线传感与激励网络中激励节点移动定位及路径优化算法

发布时间：2017-08-20 21:37

  本文关键词：无线传感与激励网络中激励节点移动定位及路径优化算法

  更多相关文章： 无线传感与激励网络 激励节点 路径规划 定位 DFS 算法 蚁群算法

【摘要】：无线传感与激励网络(Wireless Sensor and Actor Network,WSAN)作为无线传感器网络(Wireless Sensor Network,WSN)的下一代技术,它不仅可以接收传感器节点从外部环境中感知的数据信息,还可以对监测数据分析决策后及时采取行动并对事件加以操作,极大地提高了人们对感知环境信息的快速反馈能力,在理论研究和实际应用方面具有广泛而深远的意义。在WSAN中,由于我们需要知道事件发生的具体位置信息,所以定位技术依然是其中的核心技术。本文对现有的节点定位算法进行了分类概括和总结,利用WSAN中激励节点的移动性,来辅助未知节点进行定位。激励节点在移动过程中需要选取合适的虚拟信标节点,使既满足节点定位精度的需求又不耗费过多的能量。因此本文针对激励节点在移动过程中对虚拟信标的选取问题进行了论述和研究,进而对选取的虚拟信标节点进行了路径规划,使其最终形成一条最优移动路径。本文全面分析和介绍了WSAN的结构、特点及在研究过程中存在的问题,阐述了适用于WSAN的定位算法并对现有的静态及动态路径规划方法进行了归纳总结。首先,针对DFS路径规划算法中存在边缘节点重复遍历的问题,提出了一种基于禁忌搜索的DFS动态路径规划算法,用于选取激励节点的虚拟信标位置。该算法利用禁忌搜索原则和节点权重对激励节点选取的虚拟信标节点加以限制,解决了传统DFS算法中边缘节点重复遍历的问题。仿真结果表明:该算法和其他算法相比具有一定的优越性,在不同参数的影响下,激励节点选取的虚拟信标节点的数量均少于其他算法,并且改进DFS算法的可定位比例在一定通信范围内,均能达到60%以上。其次,系统地介绍了蚁群算法,重点叙述了蚁群算法的基本原理和算法模型,分析了蚁群算法存在的不足,提出了优化的蚁群路径规划算法,利用节点跳数和节点接收信号强度这两个因子对选择的路径加以限制,最终得到最优移动路径,解决了传统蚁群算法收敛速度慢,容易陷入局部最优解的问题。仿真实验表明,优化的蚁群路径规划算法得到的最优路径长度要小于传统蚁群路径规划算法得到的最优路径长度,说明了改进算法的有效性。
【关键词】：无线传感与激励网络 激励节点 路径规划 定位 DFS 算法 蚁群算法
【学位授予单位】：河北师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN929.5;TP212.9
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-17
• 1.1 无线传感与激励网络概述9-11
• 1.1.1 引言9-10
• 1.1.2 国内外研究现状10-11
• 1.2 WSAN的基本结构11-13
• 1.2.1 WSAN的体系结构11
• 1.2.2 WSAN的网络结构11-13
• 1.3 WSAN的主要特点13-14
• 1.4 WSAN面临的主要问题14-15
• 1.5 论文研究内容及结构15-17
• 1.5.1 论文研究内容15
• 1.5.2 结构安排15-17
• 2 无线传感与激励网络定位与路径规划技术17-28
• 2.1 无线传感与激励网络定位技术概述17-22
• 2.1.1 基本概念17-18
• 2.1.2 WSAN定位算法18-21
• 2.1.3 移动锚节点辅助定位技术21-22
• 2.2 WSAN路径规划技术22-27
• 2.2.1 静态路径规划技术22-25
• 2.2.2 动态路径规划技术25-27
• 2.3 本章小结27-28
• 3 基于无向图的激励节点路径优化28-37
• 3.1 基于DFS算法的路径规划28-30
• 3.1.1 DFS算法28-29
• 3.1.2 DFS算法在激励节点路径规划中的实现29-30
• 3.2 改进DFS算法的动态路径规划30-31
• 3.2.1 算法改进说明30
• 3.2.2 算法步骤30-31
• 3.3 仿真结果及性能分析31-36
• 3.3.1 传感器节点分布的影响31-33
• 3.3.2 激励节点通信半径的影响33-35
• 3.3.3 传感器节点密度的影响35-36
• 3.4 本章小结36-37
• 4 蚁群算法对信标位置的路径规划及其应用37-48
• 4.1 蚁群算法37-40
• 4.1.1 蚁群算法的基本原理37-38
• 4.1.2 蚁群算法模型38-40
• 4.2 改进的蚁群算法40-41
• 4.2.1 算法改进说明40
• 4.2.2 改进算法步骤40-41
• 4.3 改进蚁群算法的路径规划41-44
• 4.4 仿真结果及性能分析44-47
• 4.5 本章小结47-48
• 5 结论48-49
• 参考文献49-53
• 致谢53

【相似文献】

中国期刊全文数据库 前10条

1 邹汪平;;一种基于网络安全控制的蜂群算法应用研究[J];吉林师范大学学报(自然科学版);2013年04期

2 李向伟;曹博;;时间参数在HITS算法中的应用及改进[J];兰州工业高等专科学校学报;2006年02期

3 吴涛;彭笃学;;一种改进的直线段裁剪算法[J];湛江师范学院学报;2008年03期

4 张瑞子;南琳;胡琨元;田景贺;;基于EPC Class-1 Gen-2标准的防冲突算法与改进[J];计算机工程;2009年02期

5 黄超;周宁;倪佑生;;基于蚁群算法的攻击图分析[J];计算机工程;2009年18期

6 秦永彬;许道云;;警示传播算法的原理分析及算法改进[J];计算机工程与应用;2010年19期

7 郭毅可;韩锐;;云计算中的弹性算法:概要和展望[J];上海大学学报(自然科学版);2013年01期

8 牛玉静;唐棣;;双步圆的反走样生成算法[J];计算机工程与应用;2010年23期

9 肖璞;;XML索引更新算法的改进[J];南京工程学院学报(自然科学版);2010年03期

10 周骏;陈鸣;张佳明;;两类频繁项算法在网络流上的适用性评估[J];计算机工程;2011年16期

中国重要会议论文全文数据库 前10条

1 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会——2004年学术年会论文集[C];2004年

2 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会2004年学术年会论文集[C];2004年

3 符丽锦;覃华;邓海;孙欣;;一种改进的Apriori算法的研究[A];广西计算机学会2012年学术年会论文集[C];2012年

4 王东锋;王军民;陈英武;;模糊定性仿真理论研究与算法实现[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

5 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 刘启文;;可扩展的图形学算法演示系统的研究[A];’2004计算机应用技术交流会议论文集[C];2004年

7 佘智;蒋泰;朱延生;;基于Type C协议的防冲突改进算法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年

8 朱绍文;赵培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

9 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年

10 陈黎飞;姜青山;董槐林;;基于图形轮廓的快速聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

中国博士学位论文全文数据库 前10条

1 钟永腾;基于近场MUSIC算法的复合材料结构健康监测研究[D];南京航空航天大学;2014年

2 刘燕;入侵杂草优化算法在阵列天线综合中的应用[D];西安电子科技大学;2015年

3 苗义烽;突发事件下的列车运行调度模型与算法研究[D];中国铁道科学研究院;2015年

4 单美静;求解非线性实代数系统的混合算法研究[D];华东师范大学;2008年

5 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年

6 潘磊;若干社区发现算法研究[D];南京大学;2014年

7 陈俊波;频繁闭合项集挖掘算法及应用研究[D];浙江大学;2009年

8 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年

9 范洪博;快速精确字符串匹配算法研究[D];哈尔滨工程大学;2011年

10 寇晓丽;群智能算法及其应用研究[D];西安电子科技大学;2009年

中国硕士学位论文全文数据库 前10条

1 安世勇;命题逻辑中随机3-SAT问题算法研究[D];西南交通大学;2015年

2 毕晓庆;油气探矿权竞争性出让系统设计与实现[D];中国地质大学(北京);2015年

3 王明明;铁路大机与线路固定设施间距检测算法研究[D];西南交通大学;2015年

4 李静;基于视频图像序列的运动目标检测与跟踪算法研究[D];宁夏大学;2015年

5 刘贝玲;基于天地图的租房平台开发及其关键技术研究[D];西南交通大学;2015年

6 曹海锋;IDS中串匹配臭算法并行优化研究[D];西安建筑科技大学;2015年

7 周攀;基于蚁群算法的山区高速铁路隧道火灾应急疏散最优路径研究[D];西南交通大学;2015年

8 张路奇;基于改进蚁群算法的WSN路由协议的研究[D];中国地质大学(北京);2015年

9 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年

10 信琴琴;手势控制和识别算法研究[D];闽南师范大学;2015年

，

本文编号：709038