本文關(guān)鍵詞：基于免疫多目標(biāo)優(yōu)化的無線傳感網(wǎng)絡(luò)覆蓋研究，由筆耕文化傳播整理發(fā)布。

【摘要】：無線傳感器網(wǎng)絡(luò)(簡稱WSN)是由微電子、集成電路、無線通信技術(shù)、嵌入式等多個(gè)學(xué)科交叉而成的一個(gè)新興領(lǐng)域,隨著物聯(lián)網(wǎng)快速興起,它被認(rèn)為是本世界最具發(fā)展?jié)摿Φ募夹g(shù)之一。憑借其功耗低、成本低、分布式和自組織等特點(diǎn)極大地推動(dòng)了傳感器技術(shù)的發(fā)展。由于傳感器節(jié)點(diǎn)能量有限,覆蓋范圍和形狀不穩(wěn)定,在進(jìn)行大規(guī)模高密度的隨機(jī)性覆蓋時(shí),容易使傳感器節(jié)點(diǎn)分布均勻性很差,節(jié)點(diǎn)間的信息交流受阻,重復(fù)覆蓋,因此如何研究出合理的覆蓋控制算法或者策略,激活盡量少的傳感器節(jié)點(diǎn)獲得高質(zhì)量網(wǎng)絡(luò)覆蓋,成為當(dāng)今無線傳感網(wǎng)絡(luò)研究中的關(guān)鍵課題。普遍研究的無線傳感器模型有0-1感知、概率感知模型,但是前者不夠準(zhǔn)確,偏理想化,后者雖符合實(shí)際,但冗余較多,計(jì)算量偏大。本文采用了混合感知模型,通過搭建無線傳感網(wǎng)絡(luò)(WSN)的網(wǎng)格數(shù)學(xué)模型,然后用免疫約束多目標(biāo)算法對其進(jìn)行優(yōu)化,理論分析和仿真結(jié)果表明該模型的可行性和優(yōu)良的覆蓋性能。本文的工作內(nèi)容主要如下:第一,簡單概括了無線傳感網(wǎng)絡(luò)的基本情況,包括其應(yīng)用特點(diǎn)、關(guān)鍵技術(shù)、國內(nèi)外研究現(xiàn)狀,并且重點(diǎn)敘述了其他學(xué)者在無線傳感網(wǎng)絡(luò)的覆蓋和節(jié)能方面的研究,指出了各自研究的特點(diǎn)及其存在的問題。第二,對無線傳感網(wǎng)絡(luò)節(jié)點(diǎn)模型進(jìn)行了分析,綜合幾種模型的特點(diǎn),采用了混合感知模型,結(jié)合了覆蓋率和節(jié)點(diǎn)利用率兩個(gè)重要因素,提出了以網(wǎng)格點(diǎn)為基本單元的無線傳感網(wǎng)絡(luò)數(shù)學(xué)模型,通過計(jì)算區(qū)域內(nèi)每個(gè)網(wǎng)格點(diǎn)的聯(lián)合感知概率,能得到更精確的覆蓋率。通過網(wǎng)格化數(shù)學(xué)建模,將覆蓋率和節(jié)點(diǎn)利用率轉(zhuǎn)化為數(shù)學(xué)模型。簡單介紹了無線網(wǎng)絡(luò)覆蓋的性能指標(biāo),并選取了覆蓋率和節(jié)點(diǎn)利用率這兩個(gè)矛盾的指標(biāo)作為本文的優(yōu)化目標(biāo)。第三,為了協(xié)調(diào)好覆蓋率和節(jié)點(diǎn)利用率的這兩個(gè)矛盾的因素,提出了免疫克隆約束多目標(biāo)算法(Immune clonal multi-objective constrained algorithm,簡稱ICAMA),算法對約束多目標(biāo)函數(shù)進(jìn)行了轉(zhuǎn)化,使其變成一個(gè)約束程度隨著迭代次數(shù)改變的函數(shù),這樣每一代的抗體-抗原等計(jì)算都會(huì)根據(jù)該函數(shù)進(jìn)行調(diào)整,使算法從每一代的可行域內(nèi)部和不可行域的邊緣向著約束最優(yōu)Pareto-前端逼近,更好地保證了所取得最優(yōu)解較好的均勻性、較強(qiáng)的逼近性以及較廣的分布。對算法中的參數(shù)進(jìn)行分析,通過一系列仿真實(shí)驗(yàn),確定了參數(shù)的取值,隨后用測試函數(shù)進(jìn)行了優(yōu)化,并與IMCCMO算法進(jìn)行對比,結(jié)果表明算法具有更加優(yōu)秀的的收斂性、均勻性和寬廣性。第四,將ICMCA算法和IMCCMO算法用于無線傳感網(wǎng)絡(luò)覆蓋的節(jié)點(diǎn)利用率和覆蓋率的優(yōu)化,在約束覆蓋率范圍和無約束條件下分別用0-1感知模型和混合感知模型組成的無線傳感網(wǎng)絡(luò)進(jìn)行仿真實(shí)驗(yàn),隨后又與參數(shù)調(diào)整后的結(jié)果進(jìn)行對比分析,結(jié)果表明,混合感知模型組成的網(wǎng)絡(luò)在節(jié)點(diǎn)利用率和覆蓋率的優(yōu)化方面表現(xiàn)的更好,ICMCA算法在處理多目標(biāo)約束問題方面要優(yōu)于IMCCMO算法,而且ICMCA算法可以同時(shí)對多個(gè)約束條件進(jìn)行處理,這也是IMCCMO算法所不能及的。
【關(guān)鍵詞】：無線傳感網(wǎng)絡(luò) 多目標(biāo) 人工免疫 約束 覆蓋
【學(xué)位授予單位】：寧波大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP212.9;TN929.5
【目錄】：

• 摘要4-6
• Abstract6-10
• 引言10-12
• 1 緒論12-15
• 1.1 課題研究背景及意義12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 國外研究現(xiàn)狀13
• 1.2.2 國內(nèi)研究現(xiàn)狀13-14
• 1.3 論文的主要工作和章節(jié)安排14-15
• 1.3.1 論文的主要工作14
• 1.3.2 論文的章節(jié)安排14-15
• 2 無線傳感網(wǎng)絡(luò)覆蓋問題15-25
• 2.1 無線傳感器節(jié)點(diǎn)組成及特點(diǎn)15-16
• 2.2 覆蓋問題分類16-17
• 2.2.1 面覆蓋16
• 2.2.2 線覆蓋16
• 2.2.3 點(diǎn)覆蓋16-17
• 2.3 感知模型分類17-20
• 2.3.1 感知原型17
• 2.3.2 0-1 感知模型17-18
• 2.3.3 概率感知模型18-19
• 2.3.4 混合感知模型19-20
• 2.4 節(jié)點(diǎn)的聯(lián)合感知20-21
• 2.5 無線傳感網(wǎng)絡(luò)覆蓋性能指標(biāo)21
• 2.6 網(wǎng)格化平臺(tái)及編碼方案21-24
• 2.7 本章小結(jié)24-25
• 3 多目標(biāo)優(yōu)化算法25-39
• 3.1 多目標(biāo)優(yōu)化問題25-27
• 3.1.1 多目標(biāo)優(yōu)化問題的數(shù)學(xué)模型25-26
• 3.1.2 可行解與可行解集合26
• 3.1.3 Pareto-最優(yōu)解與Pareto-最優(yōu)解集26
• 3.1.4 Pareto-前端26-27
• 3.2 古典的多目標(biāo)優(yōu)化算法27-29
• 3.2.1 線性加權(quán)法27-28
• 3.2.2 約束法28-29
• 3.3 經(jīng)典的多目標(biāo)優(yōu)化算法29-35
• 3.3.1 強(qiáng)度Pareto進(jìn)化算法30-32
• 3.3.2 強(qiáng)度Pareto進(jìn)化算法 232-34
• 3.3.3 帶精英策略的非支配排序遺傳算法（NSGA2）34-35
• 3.4 多目標(biāo)優(yōu)化算法的性能評價(jià)指標(biāo)35-36
• 3.4.1 世代距離36
• 3.4.2 空間度量指標(biāo)36
• 3.5 多目標(biāo)優(yōu)化算法的測試函數(shù)36-38
• 3.6 本章小結(jié)38-39
• 4 人工免疫多目標(biāo)算法39-63
• 4.1 人工免疫系統(tǒng)基本知識39
• 4.2 人工免疫多目標(biāo)算法的實(shí)現(xiàn)39-41
• 4.3 約束多目標(biāo)算法41-44
• 4.3.1 常用的約束處理方法42
• 4.3.2 免疫記憶克隆約束多目標(biāo)優(yōu)化算法（IMCCMO）42-44
• 4.4 免疫克隆約束多目標(biāo)算法44-62
• 4.4.1 算法的步驟流程45
• 4.4.2 免疫克隆操作45-48
• 4.4.3 免疫基因操作48-50
• 4.4.4 克隆選擇操作和抗體群更新操作50
• 4.4.5 算法參數(shù)的選取50-54
• 4.4.6 測試函數(shù)的仿真54-58
• 4.4.7 WSN仿真58-62
• 4.5 本章小結(jié)62-63
• 5 總結(jié)與展望63-65
• 5.1 總結(jié)63
• 5.2 展望63-65
• 參考文獻(xiàn)65-69
• 在學(xué)研究成果69

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 劉楠楠;史旭華;;基于抗體濃度的克隆選擇多目標(biāo)優(yōu)化算法及其應(yīng)用[J];寧波大學(xué)學(xué)報(bào)(理工版);2013年03期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉楠楠;克隆選擇多目標(biāo)優(yōu)化算法及其應(yīng)用研究[D];寧波大學(xué);2013年

  本文關(guān)鍵詞：基于免疫多目標(biāo)優(yōu)化的無線傳感網(wǎng)絡(luò)覆蓋研究，，由筆耕文化傳播整理發(fā)布。

本文編號：359884