針對無線傳感器網(wǎng)絡在隨機部署移動節(jié)點時,存在分布不均勻導致的覆蓋率較低的問題,以網(wǎng)絡覆蓋率最大化為目標建立網(wǎng)絡覆蓋優(yōu)化模型,提出一種基于改進鯨魚優(yōu)化算法（IWOA）的網(wǎng)絡覆蓋優(yōu)化策略;首先,采用量子位Bloch球面坐標編碼初始化種群,提升種群多樣性,擴展搜索空間的遍歷能力;其次,提出一種基于步長改進的位置更新方式,平衡算法的全局探索和局部搜索能力;最后采用萊維飛行,對個體進行擾動更新,提高跳出局部最優(yōu)的能力。仿真結果表明,將改進后的鯨魚優(yōu)化算法應用在WSN覆蓋優(yōu)化中,與標準鯨魚優(yōu)化算法和其他文獻中的算法相比,有效減少了傳感器節(jié)點冗余,表現(xiàn)出更快的收斂速度和更高的覆蓋率,進而改善網(wǎng)絡監(jiān)測質量,延長網(wǎng)絡生存時間。 

【文章頁數(shù)】：8 頁

【文章目錄】：
1 WSN節(jié)點覆蓋模型
2 基本鯨魚算法
3 改進鯨魚優(yōu)化算法
    3.1 量子位Bloch球面初始化
    3.2 改進搜索獵物過程
    3.3 萊維飛行擾動策略
4 覆蓋優(yōu)化策略
5 仿真實驗與分析
    5.1 實驗環(huán)境
    5.2 實驗結果
        5.2.1 與文獻中算法對比
            ①與FA算法對比
            ②與EABC算法對比
            ③與DACQPSO算法對比
            ④與BPABC算法對比
        5.2.2 傳感器節(jié)點數(shù)目對覆蓋率的影響
6 結束語


【參考文獻】：
期刊論文
[1]基于改進鯨魚優(yōu)化策略的貝葉斯網(wǎng)絡結構學習算法[J]. 劉浩然,張力悅,范瑞星,王海羽,張春蘭.  電子與信息學報. 2019(06)
[2]鯨魚優(yōu)化支持向量機的短期風電功率預測[J]. 岳曉宇,彭顯剛,林俐.  電力系統(tǒng)及其自動化學報. 2020(02)
[3]貝葉斯預測蜂群算法在無線傳感器網(wǎng)絡優(yōu)化中的應用[J]. 付光杰,胡明哲.  重慶大學學報. 2018(05)
[4]自適應混沌量子粒子群算法及其在WSN覆蓋優(yōu)化中的應用[J]. 周海鵬,高芹,蔣豐千,余大為,喬焰,李旸.  計算機應用. 2018(04)
[5]求解大規(guī)模優(yōu)化問題的改進鯨魚優(yōu)化算法[J]. 龍文,蔡紹洪,焦建軍,唐明珠,伍鐵斌.  系統(tǒng)工程理論與實踐. 2017(11)
[6]外推人工蜂群算法在WSN部署優(yōu)化中的應用研究[J]. 于文杰,李迅波,羊行,黃波.  儀表技術與傳感器. 2017(06)
[7]無線傳感器網(wǎng)絡可生存性增強技術研究概述[J]. 鄧鑫,張樂君.  傳感器與微系統(tǒng). 2014(01)



本文編號：3665023