PSO算法是提高WSN覆蓋的一種全局優(yōu)化算法。針對(duì)布爾感知模型與實(shí)際情況有所差別,且存在粒子搜索速度變慢的問題。提出了一種尋優(yōu)能力增強(qiáng)型越界免疫粒子群算法（optimized ability enhancement and out of bounds immune PSO,OAEBI-PSO）,采用概率感知模型,在粒子越界和粒子更新兩方面做出了改進(jìn),得到了更高的覆蓋率,并且避免陷入局部最優(yōu)。仿真表明,該算法能夠平均提高11%的覆蓋率,并且通過50次的蒙特卡羅實(shí)驗(yàn),表明該算法具有較強(qiáng)的穩(wěn)定性。 

【文章來源】：太原科技大學(xué)學(xué)報(bào). 2019,40(02)

【文章頁數(shù)】：7 頁

【部分圖文】：

布爾感知模型Fig．1Booleanperceptionmodel

其中d(s，z)為感知區(qū)域內(nèi)任意一點(diǎn)z到節(jié)點(diǎn)s的歐幾里德距離。圖2概率感知模型Fig．2Probabilityperceptionmodel圖2為概率感知模型，在監(jiān)測區(qū)域內(nèi)，任意一點(diǎn)z處產(chǎn)生的數(shù)據(jù)能夠被傳感器節(jié)點(diǎn)s感知到的概率為:p(s，z)=0，d(s，z)rs－1≥θλ2exp(－λ1αB11αβ22)，－θ$d(s，z)rs－1＜θλ2，d(s，z)rs－1＜－θ(2)其中d(s，z)為感知目標(biāo)z與感知節(jié)點(diǎn)的歐幾里德距離，λ1，λ2，β1，β2是和傳感器物理特性有關(guān)的參數(shù)，α1，α2為輸入?yún)?shù)，其取值與rs和d(s，z)有關(guān)，關(guān)系式如下:α1=rs(θ－1)+d(s，z)α2=rs(θ－1)－d(s，z{)(3)事實(shí)上，任何一個(gè)節(jié)點(diǎn)對(duì)目標(biāo)的感知概率都小于1，所以需要多個(gè)傳感器節(jié)點(diǎn)協(xié)同感知目標(biāo)。那么可以得出這樣的結(jié)論:監(jiān)測區(qū)域當(dāng)中的所有傳感器節(jié)點(diǎn)能夠同時(shí)檢測到z的概率為:Cz(sall，z)=1－∏i∈n(1－p(s，z))(4)其中sall表示監(jiān)測區(qū)域當(dāng)中傳感器節(jié)點(diǎn)的集合，n為節(jié)點(diǎn)數(shù)。1．2區(qū)域覆蓋率為了更直觀地反映性能，本文把測試區(qū)域劃分成了(m×n)的網(wǎng)格，并將其離散成相應(yīng)的點(diǎn)。將區(qū)域覆蓋的問題轉(zhuǎn)化為點(diǎn)覆蓋問題。節(jié)點(diǎn)集C的覆蓋面積和測試區(qū)域的總面積之間的比值，就是節(jié)點(diǎn)集C的區(qū)域覆蓋率P(C)．則節(jié)點(diǎn)集C的區(qū)域覆蓋率為［17］:P(C)=∑Cz(sall，z)m×n(5

(0，1)之間的隨機(jī)實(shí)數(shù)，K為粒子探索的范圍，L為搜索空間的長度，Grid是網(wǎng)格粒度。式(11)是一種遞減的加權(quán)方式，初期的時(shí)候，由于K取值較大，獲得了更為廣泛的搜索范圍，使得全局搜索能力得到了提高，加快了算法的收斂;到了迭代后期，K取值較小，增強(qiáng)了局部搜索的能力，更利于精細(xì)搜索，尋找更優(yōu)解。對(duì)比式(9)可以看出，此方法不僅具有方向隨機(jī)性，并且探索的長度也作了限制，免去了無謂的探索，提高了能量利用率。2．3OAEBI-PSO算法步驟OAEBI-PSO算法的流程圖如圖3所示，過程如:a)初始化種群參數(shù);b)適應(yīng)度值檢測;c)全局最優(yōu)和局部最優(yōu)更新;d)檢查是否達(dá)到最大迭代次數(shù)，如滿足則結(jié)束，否則進(jìn)行下一步;e)粒子速度和位置更新;f)檢查粒子是否越界，如越界，對(duì)越界粒子按照式(8)處理，并跳轉(zhuǎn)下一步，如沒有越界，直接進(jìn)行下一步;g)依據(jù)式(10)進(jìn)行尋優(yōu)，產(chǎn)生p個(gè)探索粒子，比較這p個(gè)探索粒子和PSO粒子的適應(yīng)度值，選取更優(yōu)的粒子;h)轉(zhuǎn)入步驟c，繼續(xù)運(yùn)行。經(jīng)過上述步驟，OAEBI-PSO算法在粒子越界和粒子尋優(yōu)兩方面做出主要改進(jìn)，在不喪失粒子多樣性的前提下，增強(qiáng)了粒子的尋優(yōu)能力，節(jié)約了時(shí)間，提高了效率。圖3算法流程圖Fig．3Algorithmflowchart3仿真分析本文根據(jù)OAEBI-PSO算法進(jìn)行了MATLAB仿第40卷第2期李強(qiáng)，等:尋優(yōu)能力增強(qiáng)型越界免疫粒子群算法59

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)DPSO算法在數(shù)據(jù)采集系統(tǒng)信道選擇中的應(yīng)用[J]. 高文華,劉利民,董增壽,薛彬.  太原科技大學(xué)學(xué)報(bào). 2017(03)
[2]基于改進(jìn)PSO算法的傳感器網(wǎng)絡(luò)覆蓋優(yōu)化[J]. 楊永建,樊曉光,甘軼,禚真福,王晟達(dá),趙鵬.  系統(tǒng)工程與電子技術(shù). 2017(02)
[3]混合型無線傳感器網(wǎng)絡(luò)覆蓋空洞修復(fù)算法[J]. 劉洲洲,張雷雷.  電子測量與儀器學(xué)報(bào). 2016(07)
[4]基于混沌小生境狼群算法的高密度無線傳感器網(wǎng)絡(luò)高能效分簇方法[J]. 周杰,田敏,鐘福如.  甘肅科技. 2016(11)
[5]基于改進(jìn)離散粒子群算法的傳感器優(yōu)化配置[J]. 馬羚,李海軍,王成剛,李國峰.  電子學(xué)報(bào). 2015(12)
[6]改進(jìn)二分粒子群優(yōu)化算法的陣列方向圖綜合[J]. 禚真福,楊永建,樊曉光,王晟達(dá),南建國,王久崇.  系統(tǒng)工程與電子技術(shù). 2015(11)
[7]逐維判斷PSO算法值的WSN覆蓋優(yōu)化[J]. 馮琳,冉曉旻,孫韜.  計(jì)算機(jī)應(yīng)用研究. 2015(12)
[8]多傳感器優(yōu)化部署下的機(jī)動(dòng)目標(biāo)協(xié)同跟蹤算法[J]. 劉欽,劉崢,劉韻佛,謝榮.  系統(tǒng)工程與電子技術(shù). 2013(02)
[9]基于改進(jìn)粒子群算法的WSN覆蓋優(yōu)化策略[J]. 馮智博,黃宏光,李奕.  計(jì)算機(jī)應(yīng)用研究. 2011(04)
[10]無線傳感網(wǎng)絡(luò)布局的虛擬力導(dǎo)向微粒群優(yōu)化策略[J]. 王雪,王晟,馬俊杰.  電子學(xué)報(bào). 2007(11)



本文編號(hào)：2969967