基于自适应粒子群优化算法的无线传感器网络覆盖控制.pdf

为了解决无线传感器网络覆盖率控制收敛性较差、自适应能力不强的问题，提出了 网络覆盖问题假设，并根据网络有效覆盖率及任务节点数量，构建 网络覆盖控制问题模型以粒子群算法为基础，采用自适应粒子群优化算法获取最佳覆盖区域，在惯性权重系数中加入演变因子和聚合因子，改善粒子群算法的适应性，通过增加碰撞回弹策略，优化粒子群的多元性，实现 网络覆盖的最优控制 结果表明，所提方法自适应能力强，具有较高的覆盖率，可降低控制网络节点移动产生的耗能关键词：无线传感器网络；粒子群算法；演变因子；聚合因子；感知半径；惯性权重系数中图分类号：文献标志码：文章编号：（），（，）：，（），：；网络由多个传感器节点、路由器和协调者共同构成，这些网络节点可以实现对传感器节点的监控和数据的传递 网络覆盖是指在一定程度上，能够对被监控地区或者物体的实际情况进行识别 随着科技的发展，网络覆盖率问题受到广泛关注，在实际应用中存在网络覆盖率较低、无线传感器网络中节点耗能过快的问题 许多学者对无线传感器网络覆盖控制进行了研究 许道强等 利用局部覆盖算法对无线传感器网络进行节点覆盖，该算法适用于异构的传感器网络中，不具有全面性；徐钦帅等 运用蚁狮优化算法控制网络覆盖，该算法收敛速度慢，易出现局部最优问题，不能实现种群的多样性；王毅等 通过水波优化算法控制无线传感器网络的覆盖范围，该方法计算精度低，收敛速度慢自适应粒子群优化算法可有效改善粒子群算法的自适应能力，减小粒子在网络中的交叠面积，增加碰撞回弹流程 因此，本文提出了基于自适应粒子群算法的 网络覆盖控制方法 本文方法推算流程简单，易实现覆盖控制，收敛速度快，可通过实数进行求解，具有较高的实用性，并减少节点的能量消耗 无线传感器网络覆盖控制 网络覆盖 覆盖假设无线传感器 网络覆盖范围 是二维矩形平面，在覆盖范围内传感器网络节点随机分布，通过汇聚节点获取网络节点的位置信息 利用天线以节点为中心划分出节点的通信边界，范围的中央为圆心，以半径 划分出圆形通信区域，使网络具有连接性 设节点感知半径 为节点半径的 倍，在 网络覆盖时易出现连接问题：第 类相邻节点是在感知半径的节点；第 类相邻节点是在 倍和 倍感知半径两者之间的节点 若点 和节点 的距离 （，）小于或等于，则 覆盖点 ，传感器各节点间相互独立 无线传感器网络覆盖控制模型 网络覆盖控制问题是覆盖任务优化问题，网络任务节点集筛选的标准依据网络有效覆盖率和任务节点数量，参考 个依据设置适值函数及控制模型 ，其表达式分别为（）槡 （）（）（）式中：、为调节系数；为节点集有效覆盖率；为节点数量；和 分别为覆盖区域的长度和宽度；表示取整；槡 表示覆盖区域应用的节点数量最小为求解有效覆盖率，把覆盖区域分割成 个网络区域，网络覆盖率可采用网络中心的覆盖率描述，网络面积计算公式为（）式中，为矩形面积 节点 覆盖 网络（，）的概率为 （，）（其他）（）式中，（，）为 网络的中心点坐标 第 和 个节点间相互独立，其关系可表示为 珔珔 珔 珔（）利用节点间的独立特性，节点集覆盖 网络的概率可表示为 珔 （，）（）任务节点集的有效覆盖率为 节点集覆盖面积总面积 （）自适应粒子群优化算法网络覆盖控制 基础粒子群算法基础粒子群算法通过设置随机解控制粒子的速度，获取最佳覆盖区域 ，迭代的评估指标为目标函数值 设粒子群的粒子数量为 个，第 个粒子的区域矢量公式为（，）（）第 个粒子的飞行速度可表示为（，）（）粒子群获取的最佳区域可表示为（，）（）在进行迭代时，更新速度推算公式以及区域推算公式分别为 （）（）（）（）式中：，；为维数，；为迭代次数；和 为取值范围 ，内的任意数；和 为加速因子；为惯性权重，其表达式为 （）其中，和 分别为最大和最小权重；和 分别为最大迭代次数及当前迭代次数 标准粒子群算法流程如图 所示 自适应粒子群优化算法为改善粒子群算法的自适应能力，降低粒子在网络中的交叠面积，增加碰撞回弹过程，在惯性沈阳工业大学学报第 卷图 标准粒子群算法流程 权重系数中添加粒子群的演变和聚合程度，利用自适应粒子群算法进行 网络覆盖控制 ）演变及聚合因子 设粒子 完成第 次迭代的函数值为 （），局部和全局最佳函数值分别为 （）和 （）演变及聚合因子未设置时，对完成 次迭代的所有粒子的局部最佳值均值进行定义，其表达式为 （）（）（）对完成 次迭代的全部粒子函数值的均值进行定义，其表达式为 （）（）（）演变程度的影响因素有单个粒子局部最佳值的优化程度、粒子群局部最佳均值以及全局最佳控制程度 粒子 第 次迭代的控制度为（）（）（）为粒子完成迭代的演变程度，当 小于 时，粒子已获得最佳解；当 等于 时，粒子出现停滞现象 第 次迭代粒子群局部最佳值的均值控制度为 （）（）（）当 等于时，获取全局最佳值 第 次迭代粒子群全局最佳值寻优可表示为（）（）（）当 等于时，获取全局最佳值 在第 次迭代时，演变因子公式为 （）式中，、为系数，且 ，由于演变因子以全局最佳值为主导，则有 （，）粒子群的平均函数值与其局部平均最佳值的相似度称为聚合程度，其聚合因子的计算公式为 （）（）（）自适应惯性权重系数的控制 当粒子群算法的全局控制性能较好时，其惯性权重系数较大如惯性权重系数较小，则算法仍具有不错的局部控制性能；如演变因子数值较大，说明粒子群的演变程度不佳，可导致控制能力降低，需对惯性权重系数进行降低调整；如聚合因子数值较高，表示粒子群的聚合度较优，为提高算法的全局控制性能，可增大惯性系数 粒子群自适应控制惯性权重系数计算公式为 （）式中，、分别为惯性权重系数、和 的调节系数，在第 次迭代时，学习因子用 和 表示，粒子第 维的控制速度推算公式为 （）（）（）（）式中，范围为 ）碰撞回弹策略 完成第 次迭代粒子 和 两者间的 维欧式距离计算公式为（，）（）槡（）式中，且 ，设置 为粒子间距的最小阈值，（，）表明粒子 和 在 维搜索空间的间距过小，判定两个粒子出现碰撞，需对两个粒子进行回弹操作，对粒子 的 维回弹进行操作，其表达式为 （）（）（）（）根据以上步骤推算所有的粒子间距，若其距离小于阈值，则进行回弹控制 网络覆盖控制实现把 网络覆盖控制模型的目标函数最大化，输出控制后的覆盖率及节点坐标 在采用自适应粒子群算法进行网络覆盖控制数学模型求解时，网络全部节点以粒子的形式覆盖网络，传感器节点是粒子维数的 倍，第 个节点的横坐标是 的前一维，第 个节点的纵坐标是 所有粒子迭代后 网络最大覆盖面积为局部最佳值，该值也是粒子群的最大覆盖范围 在选取碰撞间距 时，对传感器节点间距均值平方的最小值 第 期聂文梅，等：基于自适应粒子群优化算法的无线传感器网络覆盖控制进行确定，如网络有 个节点，值可表示为 槡（）粒子间距小于等于 表明 网络节点覆盖率分布重叠率高，粒子间的距离太近无线传感器网络覆盖控制优化算法步骤如下：）初始化粒子获取粒子群函数，获取局部及全部的函数值）初始化最大迭代次数和速度）利用位置和速度更新粒子位置）通过碰撞回弹策略调整粒子位置，推算粒子群的迭代次数）判断 是否等于最大迭代次数 ，若 ，返回步骤 ）；若 ，输出全局最优解，算法计算完成无线传感器网络覆盖控制优化流程如图 所示图 优化控制流程图 实验结果与分析以某 网络为实验对象，采用本文方法对 网络覆盖进行控制 为验证本文方法控制后的覆盖效果，实验设置边长为 的正方形范围内有离散化 个栏格点，移动节点数为 个，节点移动位置时，剔除固定节点覆盖范围的空洞区域，传感器感知半径为 ，通信半径为 利用计算机对本文方法的覆盖控制进行仿真，观察网络原始节点分布和本文方法控制后的节点分布情况 节点原始分布图如图 所示 本文方法覆盖控制后节点分布图如图 所示由图 可知，网络节点原始分布不均匀，在空间范围内重复覆盖较多，有许多位置未覆盖上由图 可知，运用本文方法对节点的覆盖进行控制，节点分布均匀，均已覆盖实验区域，且重复覆盖面积较少 实验结果表明，本文方法对节点分布实现精准控制，全面覆盖实验区域，使节点均匀覆盖在空间内，且重复覆盖率低图 节点原始分布图 图 本文方法覆盖控制后节点分布图 为验证本文方法覆盖率控制的收敛性，采用基础粒子群算法和自适应粒子群算法对网络节点进行覆盖控制，观察覆盖率的收敛性，其变化如图 所示 由图 可知，网络原始覆盖率是 ，迭代 次时，基础粒子群算法网络覆盖率呈沈阳工业大学学报第 卷增长趋势，在 次迭代以后，其覆盖率收敛至稳定，保持在 ，无增长趋势 本文方法网络覆盖率在迭代次数为 时呈增长趋势，在 次迭代时，覆盖率增长至 ，此时达到收敛 本文方法相较于基础粒子群算法可以迅速地获取粒子群的最佳值，基础粒子群算法易陷入局部最佳 实验证明，本文方法可以增强全局控制能力，有效控制节点的覆盖，改善网络覆盖率图 覆盖率收敛变化图 为验证本文方法的覆盖控制性能，在原始节点分布不同的区域内进行 次控制实验，统计应用基础粒子群和自适应粒子群控制的覆盖率、耗时、均匀度以及移动距离均值，统计结果如表 所示 由表 可知，应用自适应粒子群算法进行网络覆盖控制时，在覆盖率方面比基础粒子群算法高出约 ，网络均匀度较基础粒子群算法低，表明本文方法控制后的节点分布均匀，节点耗能均衡，本文方法控制后所有节点的移动距离均值与基础粒子群算法的差值为 ，降低节点移动产生的能量耗损 实验证明，本文方法网络覆盖控制性能较好，节点覆盖均衡，可有效降低能量消耗表 覆盖性能比较数据 算法覆盖率耗时均匀度平均移动距离基础粒子群算法 自适应粒子群算法 为验证本文方法在 网络覆盖的实际控制效果，统计应用本文方法后某小区无线网络覆盖情况，并通过该小区无线网络管理系统展示控制后无线传感器网络覆盖情况，结果如图 所示由图 可知，采用本文方法后，该小区的 网络均已全部覆盖控制完成，重复覆盖率较少，覆盖均匀 实验结果表明，本文方法覆盖控制效果较好，小区均已达到全面覆盖图 网络覆盖分布图 结论本文设计了基于自适应粒子群优化算法的 网络覆盖控制方法，以粒子群算法为基础，将粒子群的演变和聚合水平加入惯性权重系数中，可提高粒子群算法的自适应能力，实现较好的 网络覆盖控制效果 实验结果表明，采用本文方法控制后的 网络节点覆盖效果好，覆盖率高，适应性能力强，在网络中节点分布均衡，网络节点移动时耗能较低参考文献（）：陆星家，陈志荣 能耗约束的无线传感器网络的目标覆盖和路由分配研究 传感技术学报，（）：（，（）：）康琳，韩亚君，高文华 基于渗流理论的三维无线传感网络的渗流密度与覆盖节点密度研究 计算机应用研究，（）：（，（）：）范兴刚，张哲铖，王晨浩，等 一种有向网络目标概率覆盖增强算法 传感技术学报，（）：（，（）：）许道强，吴波，龚贺，等 一种优化无线传感网络的覆盖算法 中国电子科学研究院学报，（）：（，第 期聂文梅，等：基于自适应粒子群优化算法的无线传感器网络覆盖控制 ，（）：）徐钦帅，何庆，魏康园 改进蚁狮算法的无线传感器网络覆盖优化 传感技术学报，（）：（，（）：）王毅，神显豪，唐超尘，等 基于水波优化算法的无线传感器网络覆盖研究 南京理工大学学报，（）：（，（）：）魏博篧，唐晓岚，陈文龙 无线传感器网络部分覆盖和数据收集算法 小型微型计算机系统，（）：（，（）：）司鹏举，吴成东，纪鹏，等 无线传感器网络栅栏覆盖改进 控制与决策，（）：（，（）：）刘半藤 基于能量粒子算法的无线自组织网络节点移动策略研究 传感技术学报，（）：（，（）：）丁知平，刘超，牛培峰 具有自适应行为的粒子群算法研究 统计与决策，（）：（，（）：）齐薇，虞慧群，范贵生，等 基于自适应粒子群的 覆盖优化 计算机科学，（）：（，（）：）张其文，尉雅晨 独立自适应调整参数的粒子群优化算法 计算机科学与探索，（）：（，（）：）王越，邱飞岳，郭海东 一种带变异算子的自适应惯性权重二进制粒子群优化算法 小型微型计算机系统，（）：（，（）：）张晓莉，王秦飞，冀汶莉 一种改进的自适应惯性权重的粒子群算法 微电子学与计算机，（）：（，（）：）张强，李盼池 一种自适应多策略行为粒子群优化算法 控制与决策，（）：（，（）：）许知博，段新 考虑网络吞吐量的异构无线传感器网络分簇路由算法 沈阳工业大学学报，（）：（，（）：）（责任编辑：钟媛英文审校：尹淑英）沈阳工业大学学报第 卷