【摘要】：隨著計(jì)算機(jī)技術(shù)網(wǎng)絡(luò)、自動(dòng)化控制、人工智能等學(xué)科的快速發(fā)展,獲取有效的信息數(shù)據(jù)越來(lái)越引起人們的關(guān)注,無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Network,WSNs)隨之發(fā)展起來(lái)。WSNs是一種在網(wǎng)絡(luò)環(huán)境中保持自適應(yīng)性,擁有一定的認(rèn)知能力并且能夠完成相對(duì)應(yīng)的任務(wù)目標(biāo)的智能網(wǎng)絡(luò)系統(tǒng),有著廣闊的研究空間和光明的應(yīng)用前景。當(dāng)今社會(huì),WSNs廣泛應(yīng)用在民用領(lǐng)域和軍用領(lǐng)域中,并且取得了十分好的效果,成為在信息技術(shù)領(lǐng)域中一個(gè)重要的研究方向。粒子群算法作為一種智能優(yōu)化算法,具有快速的求解速度和較強(qiáng)的搜尋最優(yōu)解的能力,在搜尋的過(guò)程中,會(huì)受到個(gè)體歷史搜索最優(yōu)位置的影響和整個(gè)群體所有個(gè)體的最優(yōu)位置兩方面的影響。本文將其應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)覆蓋問(wèn)題,通過(guò)對(duì)粒子群的研究分析后發(fā)現(xiàn)粒子群算法在多次迭代后依舊不能擺脫局部最優(yōu)而陷入死循環(huán),而無(wú)線傳感器網(wǎng)絡(luò)覆蓋率最優(yōu)化問(wèn)題尋優(yōu)過(guò)程較復(fù)雜,計(jì)算量較大,因此需要對(duì)算法進(jìn)行優(yōu)化和改進(jìn)。針對(duì)粒子群算法收斂速度較慢、容易陷于局部最優(yōu)等問(wèn)題,本文提出了一種基于人工勢(shì)場(chǎng)的粒子群算法(Virtual-Forced Particle Swarm Optimization,VFPSO),借鑒應(yīng)用于解決機(jī)器人的路徑規(guī)劃和障礙躲避的人工勢(shì)場(chǎng)算法的思想,針對(duì)粒子群算法中粒子迭代的尋優(yōu)過(guò)程,引入粒子間的虛擬力作用,使優(yōu)化問(wèn)題的初始解分布更加均勻,在迭代尋優(yōu)前期有更強(qiáng)的排斥力,后期增強(qiáng)錨節(jié)點(diǎn)的吸引力,從而加快算法收斂速度,獲得高精度的最優(yōu)解。針對(duì)粒子群算法精度低的問(wèn)題提出一種基于天牛須搜索策略的粒子群算法(Beetle Antennae Search Strategy Particle Swarm Optimization,BASPSO),將天牛須搜索策略與粒子群算法中自學(xué)習(xí)過(guò)程相結(jié)合,改變了粒子尋優(yōu)路徑,并對(duì)其進(jìn)行了函數(shù)測(cè)試,改善了實(shí)驗(yàn)效果。將兩種算法分別應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)覆蓋問(wèn)題中,通過(guò)多次實(shí)驗(yàn)調(diào)試,發(fā)現(xiàn)VFPSO算法能夠使粒子分布更加均勻,能夠避免粒子過(guò)于聚集而使算法陷入局部最優(yōu)解,但由于算法計(jì)算量較大,更適合于小規(guī)模的覆蓋問(wèn)題,能夠得到更好的布局。而B(niǎo)ASPSO算法由于算法復(fù)雜度較低,適用于更大范圍的覆蓋問(wèn)題,能夠得到相較于標(biāo)準(zhǔn)粒子群算法更優(yōu)的網(wǎng)絡(luò)布局。
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP212.9;TN929.5;TP18
【圖文】：

本文編號(hào)：2779816