一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法

本发明涉及无线通信，具体为一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法。

背景技术：

1、无线传感器网络(wireless sensor network，wsn)是由部署在检测区域内的分布式传感器节点构成的，通过无线通信方式自组织而成的一个多跳网络系统，具有体积小、低功耗、低成本等特点。随着嵌入式技术、分布式信息处理技术、无线通信技术等的发展，wsn已经在军事、医疗卫生、环境检测、灾害预警等方面得到了广泛的应用，并且具有难以替代的作用。无线传感器网络覆盖优化的目标是实现检测区域内的无间隙完全覆盖。为了满足覆盖要求，经常需要将传感器节点随机抛洒在检测区域，由此可能导致部分区域形成覆盖盲区或者高密度节点覆盖的情况。覆盖盲区会直接影响监测质量，而节点密度过大则会在节点接收、处理和转发数据时造成信道堵塞以及数据干扰，造成能耗和成本的大量浪费。因此，需要对无线传感器网络中传感器节点进行自适应的调整部署，使其在检测区域分布更加均匀、覆盖率更高，从而合理分配网络空间资源。另外，在多数情况下，待测区域的环境都比较恶劣，例如火山区域、核辐射区域、军事战场等，这些区域都难以通过手动方式进行确定性部署，因此，只有动态节点才能满足测试区域的复杂环境要求。然而，动态节点部署方式的随机性较大，无法保证目标区域完全覆盖，难以达到预期的覆盖质量，而利用群智能优化算法可以有效提高动态网络的覆盖率。

2、近年来，许多学者利用粒子群算法、萤火虫算法、遗传算法、人工蜂群算法等对wsn节点覆盖优化进行了探索与研究，但这些算法存在结构复杂、早熟收敛、覆盖率低和精度不高等问题。樽海鞘群算法(salp swarm algorithm，ssa)是mirjalili等于2017年提出的一种新型的群智能优化算法。该算法模拟了海洋里樽海鞘链的群体行为，是一种比较新颖的群智能优化算法。该算法具有参数设置简单、计算量小、鲁棒性强的特点。虽然樽海鞘群算法在求解大部分优化问题时体现了优越性，但是和其他群智能优化算法一样，也存在求解精度不高、收敛速度慢和容易陷入局部最优的问题。对于ssa算法在优化问题中存在的计算精度不足、早熟收敛、收敛速度不够等问题，为了更好地应用于wsn覆盖优化，本文提出了一种改进的樽海鞘群算法mssa(modified swarm algorithm，mssa)。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法，解决了上述背景技术中所提出的问题。

3、(二)技术方案

4、本发明为了实现上述目的具体采用以下技术方案：

5、一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法，包括以下步骤，

6、s1、针对固定范围的目标网络监测区域，以该目标网络监测区域内传感器节点数量、传感器节点部署位置、以及传感器节点统一的感知半径与传感半径作为输入，以目标网络监测区域的网络覆盖率作为输出，构建基于概率感知的传感器节点联合感知模型；

7、s2、采用改进的tent映射产生d个混沌序列，再进行逆映射，产生樽海鞘初始化种群；

8、s3、计算各个体的覆盖率rcov，将最大覆盖率的个体的位置确定为食物源位置foodposition；

9、s4、计算自适应权重因子w和正余弦算法的步长搜索因子s，更新领导者位置；

10、s5、计算非均匀高斯变异算子得到新的追随者位置，与原位置进行比较，较优则保留；否则舍弃得到的新位置；

11、s6、对全局最优位置进行变异，计算更新位置后最优个体的覆盖率rcov，与原位置进行比较，较优则保留；否则舍弃得到的新位置；

12、s7、判断当前迭代次数是否达到预设迭代次数，若达到，则输出全局最优解，即最优覆盖率和对应节点部署的位置坐标；否则进行下一次迭代。

13、进一步地，所述s1中，构建基于概率感知的传感器节点联合感知模型包括以下子步骤:

14、通过概率感知模型研究无线传感器网络覆盖率的问题，模型设定节点si对目标点p的监测概率cp(si,p)为：

15、

16、整个监测区域的传感器节点对p的联合监测概率cp(sall,p)为：

17、

18、进一步地，所述s2中，在tent映射表达式中加入一个随机变量改进后的tent映射的数学表达式为：

19、

20、进一步地，所述s3中，wsn节点覆盖率rcov定义为覆盖的网格数量与监测区域网格总数之比，即：

21、

22、进一步地，所述s4中，本文采用正余弦函数，作为惯性权重的非线性调整策略，自适应权重因子的公式如下：

23、

24、

25、在领导者位置更新公式中，参数c1其公式如下：

26、

27、综合以上几节，领导者的位置依据下面公式进行更新：

28、

29、进一步地，所述s5中，在原先追随者位置基础上添加了非均匀高斯变异算子：

30、

31、进一步地，所述s6中，为让个体能够更好地寻到最优解，将柯西变异策略融入到樽海鞘算法中，数学表征如下：

32、

33、(三)有益效果

34、与现有技术相比，本发明提供了一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法，具备以下有益效果：

35、本发明，通过优化传统的樽海鞘算法，以最大化网络覆盖率为优化目标，提出一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法。改进mssa算法能寻优速度快、能力强且不容易陷入局部收敛，可以很好地应对高维复杂问题通过mssa算法，实现网络有效覆盖率的提高，完成对节点进行快速覆盖。

技术特征：

1.一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法，其特征在于：所述s1中，构建基于概率感知的传感器节点联合感知模型包括以下子步骤:

3.根据权利要求1所述的一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法，其特征在于：所述s2中，在tent映射表达式中加入一个随机变量改进后的tent映射的数学表达式为：

4.根据权利要求1所述的一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法，其特征在于：所述s3中，wsn节点覆盖率rcov定义为覆盖的网格数量与监测区域网格总数之比，即：

5.根据权利要求1所述的一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法，其特征在于：所述s4中，本文采用自适应权重因子，作为惯性权重的非线性调整策略，自适应权重因子与正余弦算法的步长搜索因子的公式如下：

6.根据权利要求1所述的一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法，其特征在于：所述s5中，在原先追随者位置基础上添加了非均匀高斯变异算子：

7.根据权利要求1所述的一种基于樽海鞘优化算法的无线传感器网络覆盖优化方法，其特征在于：所述s6中，为让个体能够更好地寻到最优解，将柯西变异策略融入到樽海鞘算法中，数学表征如下：

技术总结
本发明属于无线通信技术领域，尤其为一种基于樽海鞘优化算法的无线传感器网络覆盖方法，包括以下步骤，针对固定范围的目标网络监测区域，以该目标网络监测区域内传感器节点数量以及节点的感知半径与传感半径作为输入，以目标网络监测区域的网络覆盖率作为输出，构建基于概率感知的传感器节点联合感知模型。本发明改善传感器节点随机分布时的不合理部署问题以提高网络覆盖率，提出一种相对较优的无线传感器网络覆盖算法。针对樽海鞘优化算法局部搜索能力存在不足的问题，对算法搜索步骤加入了自适应变化权重因子和正余弦搜索因子的混合策略，实现了算法的全局搜索和计算精度之间的平衡，实现网络有效覆盖率的提高，对节点实现快速覆盖。

技术研发人员：欧小鹏,杨絮
受保护的技术使用者：长春理工大学
技术研发日：
技术公布日：2024/4/8