為了有效提高無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)覆蓋率,提出一種基于混合策略改進(jìn)蟻獅算法的網(wǎng)絡(luò)覆蓋優(yōu)化方法。首先,利用連續(xù)性邊界收縮因子提高算法的搜索遍歷性,加快收斂速度;其次,在精英化階段引入動(dòng)態(tài)權(quán)重系數(shù),以平衡算法的全局探索與局部開(kāi)發(fā)能力;然后,結(jié)合早熟收斂判斷機(jī)制與動(dòng)態(tài)混合變異方法,使算法能夠有效跳出局部最優(yōu)。通過(guò)在12個(gè)基準(zhǔn)函數(shù)上的對(duì)比實(shí)驗(yàn),驗(yàn)證了改進(jìn)策略的有效性。最后,將該算法應(yīng)用到無(wú)線(xiàn)傳感器網(wǎng)絡(luò)覆蓋優(yōu)化中。實(shí)驗(yàn)結(jié)果表明,相比其他文獻(xiàn)中的優(yōu)化算法,該算法提高了網(wǎng)絡(luò)覆蓋率,優(yōu)化節(jié)點(diǎn)分布更加均勻。 

【文章來(lái)源】：傳感技術(shù)學(xué)報(bào). 2019,32(02)北大核心CSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

優(yōu)化后節(jié)點(diǎn)分布

第2期徐欽帥，何慶等:改進(jìn)蟻獅算法的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)覆蓋優(yōu)化利用MS-ALO算法對(duì)該區(qū)域進(jìn)行20次覆蓋優(yōu)化，取平均覆蓋率對(duì)比。表7給出了ALO算法、MS-ALO算法與IGWO算法平均覆蓋率優(yōu)化結(jié)果對(duì)比。圖5和圖6分別為ALO算法和MS-ALO算法優(yōu)化后該區(qū)域節(jié)點(diǎn)分布圖和收斂曲線(xiàn)圖。表7覆蓋率優(yōu)化結(jié)果對(duì)比算法覆蓋率IGWO［3］94．28%ALO91．07%(Mean)MS-ALO96．45%(Mean)圖5優(yōu)化后節(jié)點(diǎn)分布圖6覆蓋優(yōu)化收斂曲線(xiàn)由表7可知，MS-ALO算法進(jìn)行20次覆蓋優(yōu)化的平均覆蓋率相比IGWO算法和ALO算法分別提高了2．17%和5．38%。在圖3所示節(jié)點(diǎn)分布中，ALO算法優(yōu)化后區(qū)域節(jié)點(diǎn)覆蓋盲區(qū)較大，MS-ALO算法優(yōu)化后節(jié)點(diǎn)分布更加均勻，改善了文獻(xiàn)［3］中IGWO算法節(jié)點(diǎn)區(qū)域聚集現(xiàn)象。在收斂速度方面，已知文獻(xiàn)［3］中IGWO算法在100代時(shí)已經(jīng)收斂，而由圖4可知，MS-ALO算法在100代時(shí)平均覆蓋率為91．52%，相比IGWO算法降低了2．76%，且在550代時(shí)收斂。雖然本文算法的收斂速度差于IGWO算法，但由于改進(jìn)的邊界收縮因子隨著算法迭代進(jìn)化而快速連續(xù)增大，從圖4可以看出，本文算法相比基本ALO算法提前了300代收斂，收斂速度有了較大提升。5．2．4與VF-CS算法對(duì)比參數(shù)設(shè)置與文獻(xiàn)［4］相同，如表8所示。表8參數(shù)設(shè)置參數(shù)取值區(qū)域面積S=100m×100m像素點(diǎn)數(shù)101×101節(jié)點(diǎn)數(shù)V=90，80，70，60，50，40感知半徑Ｒs=7m通信半徑Ｒc=14m利用MS-ALO算法對(duì)該區(qū)域進(jìn)行30次優(yōu)化，取平均覆蓋率對(duì)比。表9

S算法對(duì)不同傳感器節(jié)點(diǎn)數(shù)量的平均覆蓋優(yōu)化結(jié)果對(duì)比。圖7和圖8分別給出了ALO算法和MS-ALO算法優(yōu)化后該區(qū)域內(nèi)傳感器節(jié)點(diǎn)數(shù)為90和80的節(jié)點(diǎn)分布圖，圖9為相應(yīng)收斂曲線(xiàn)。表9覆蓋優(yōu)化結(jié)果對(duì)比算法平均覆蓋率(30runs)N=90N=80N=70VF-CS［4］98．99%96．55%93．39%ALO90．22%88．84%80．56%MS-ALO98．90%96．66%94．76%算法平均覆蓋率(30runs)N=60N=50N=40VF-CS［4］85．86%80．90%70．20%ALO76．71%72．29%63．48%MS-ALO83．98%81．17%71．63%圖7V=90時(shí)優(yōu)化后節(jié)點(diǎn)分布圖8V=80時(shí)優(yōu)化后節(jié)點(diǎn)分布由表9可知，在相同的監(jiān)測(cè)區(qū)域，隨著部署節(jié)點(diǎn)數(shù)的增加，覆蓋率也在逐漸提高。在節(jié)點(diǎn)數(shù)為80、70、50和40時(shí)，MS-ALO算法優(yōu)化的平均覆蓋率相372

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)灰狼優(yōu)化算法在WSN節(jié)點(diǎn)部署中的應(yīng)用[J]. 胡小平,曹敬.  傳感技術(shù)學(xué)報(bào). 2018(05)
[2]貝葉斯預(yù)測(cè)蜂群算法在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)優(yōu)化中的應(yīng)用[J]. 付光杰,胡明哲.  重慶大學(xué)學(xué)報(bào). 2018(05)
[3]自適應(yīng)Tent混沌搜索的蟻獅優(yōu)化算法[J]. 張振興,楊任農(nóng),房育寰,趙克新.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2018(05)
[4]基于改進(jìn)蟻獅算法的無(wú)人機(jī)三維航跡規(guī)劃[J]. 黃長(zhǎng)強(qiáng),趙克新.  電子與信息學(xué)報(bào). 2018(07)
[5]基于VF-CS的移動(dòng)傳感器網(wǎng)絡(luò)覆蓋優(yōu)化算法[J]. 李光輝,胡世紅.  通信學(xué)報(bào). 2018(03)
[6]融合改進(jìn)蟻獅算法和T-S模糊模型的噪聲非線(xiàn)性系統(tǒng)辨識(shí)[J]. 趙小國(guó),劉丁,景坤雷.  控制與決策. 2019(04)
[7]自適應(yīng)混沌量子粒子群算法及其在WSN覆蓋優(yōu)化中的應(yīng)用[J]. 周海鵬,高芹,蔣豐千,余大為,喬焰,李旸.  計(jì)算機(jī)應(yīng)用. 2018(04)
[8]精英免疫克隆選擇的協(xié)同進(jìn)化粒子群算法[J]. 劉朝華,李小花,章兢.  電子學(xué)報(bào). 2013(11)



本文編號(hào)：3239577