本发明专利技术属于无线通信技术领域，具体涉及一种基于改进果蝇优化算法(IFOA,ImprovedFruitFlyOptimizationAlgorithm)的无线传感器网络覆盖优化技术。针对目前由于无线传感器网络内的传感器节点随机部署导致节点能量利用率低、网络覆盖率低的问题，提出了一种基于改进果蝇优化算法的无线传感器网络覆盖优化算法。该算法在传统果蝇优化算法的基础上，引入了混沌初始化、线性衰减步长和柯西变异使算法拥有更好的寻优能力，并利用得到的该算法对无线传感器网络进行覆盖优化，使网络具有更高的覆盖率。具有更高的覆盖率。具有更高的覆盖率。
【技术实现步骤摘要】
一种基于改进果蝇优化算法的无线传感器网络覆盖优化方法
[0001]本专利技术属于无线通信
，具体涉及一种基于改进果蝇优化算法的无线传感器网络覆盖优化技术。
技术介绍
[0002]目无线传感器网络由若干微型传感器节点组成，节点之间通过相互协作，实时进行数据的采集、分析、融合和传输，实现对环境或对象信息的实时监测、感知、采集和处理，并以无线多跳的通讯方式实现信息交互。作为一种目标区域监测和信息获取的重要技术，无线传感器网络在环境保护、智慧医疗、智能建筑、农业物联网等诸多领域发挥着重大作用。无线传感器网络的具体设计面临很多约束和挑战，而覆盖优化是无线传感器网络的一个重要的衡量指标。
[0003]覆盖优化是指在节点能量、无线通信带宽和硬件资源等普遍受限的条件下，根据不同的应用情况，通过优化节点的位置部署，达到延长网络生命周期、提高目标区域覆盖率等目的。覆盖率是无线传感器网络的一个重要的衡量指标，如何使用有限数量的传感节点最大范围的覆盖目标区域，一直是无线传感器网络研究的热点。因此，传感节点在待测区域的部署数量以及分布位置的合理性对于网络服务质量的影响显得尤为重要。网络覆盖优化主要是针对在无线传感中的节点在一定的受限条件下，通过对节点的设置位置以及网络路由的选择方法，从而在受限的无线网络中使得网络资源得到很好的配置。
[0004]为了达到较高的网络覆盖率，传统的方法是进行大规模的传感器节点部署，但是过多的传感器节点容易引起通信冲突。一些学者针对无线网络优化问题，提出了一些优化算法策略，如使用人工萤火虫算法对无线传感器网络节点进行优化，使得无线传感器节点分布均匀且覆盖率较高，但是边界盲区较多；混沌鱼群算法提高了无线传感器网络的优化稳定性，获得了较高的网络覆盖率，但是边界存在较多盲区，且中心冗余度很高；粒子群优化算法全局收敛能力较强，能够快速找到覆盖率较高的传感器节点的分布，但是算法优化后局部搜索能力较弱；遗传算法可获得无线传感器网络中最优覆盖集，从而以最少的节点数量和节点功耗来对监测区域内的所有目标进行覆盖，然而该算法容易陷入局部最优，不能保证覆盖集的质量。鉴于此，如何部署节点位置使网络具有更高的覆盖质量成为本领域技术人员亟待解决的问题。
技术实现思路
[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种基于改进果蝇优化算法的无线传感器网络覆盖优化算法，解决了上述
技术介绍
中所提出的问题。
[0007](二)技术方案
[0008]本专利技术为了实现上述目的具体采用以下技术方案：一种基于改进果蝇优化算法的无线传感器网络覆盖优化算法，包括如下步骤：
[0009]步骤1，将面积为L
×
W的二维监测区域离散化处理成L
×
W个待监测目标点，目标点集合为Q，并在监测区域内随机部署N个传感器节点，构成传感器节点集合U，每个无线传感器节点均保证相同的感知半径r和通信半径R；
[0010]步骤2，计算每个传感器节点感知目标点的概率，继而计算每个目标点处传感节点被整个无线传感器节点集合U感知的联合概率P；
[0011]步骤3，根据每个目标点处传感节点被整个无线传感器节点集合U感知的联合概率P，计算得到无线传感器网络的覆盖率R
cov
；
[0012]步骤4，对传统果蝇优化算法进行改进，加入混沌初始化、线性衰减步长和柯西变异策略，得到改进果蝇优化算法；
[0013]步骤5，将无线传感器网络的覆盖率作为改进果蝇优化算法的适应度函数；
[0014]步骤6，根据无线传感器节点的位置初始化果蝇种群，并利用适应度函数对种群的每个个体的适应度进行计算；
[0015]步骤7，以最大适应度为改进果蝇优化算法的优化目标，果蝇群体结合改进策略进行寻优操作，不断更新种群位置；
[0016]步骤8，在算法达到最大迭代次数时，保留群体最优位置和适应度，并输出最优节点分布位置和网络最优覆盖率，完成对监测区域的覆盖优化。
[0017]进一步地，所述步骤1中采用栅格法将连续的监测区域的二维平面离散化处理为L
×
W个目标点，目标点Q
j
的位置坐标为(x
j
，y
j
)；并在该离散化区域内随机分配N个传感器节点，构成节点集合U＝{u1，u2，...，u
N
}，其中任意第i个传感器节点u
i
的坐标位置为(x
i
，y
i
)；每个无线传感器网络节点均保证相同的感知半径和通信半径，且节点的通信半径为感知半径的2倍。
[0018]进一步地，所述步骤2中采用布尔感知模型，通过计算传感器节点与目标点间的欧式距离，得到目标点被感知的概率。
[0019][0020][0021]同一个目标点可能被多个传感器节点所感知，WSN对目标点的联合感知质量为：
[0022]p(U，Q
j
)＝1
‑
||[1
‑
p(u
i
，Q
j
)]#(3)
[0023]进一步地，所述步骤3中无线传感器网络对监测区域的覆盖率R
cov
定义为所有被传感器节点所感知的目标点数量与总目标点数量的比值，如下式所示：
[0024][0025]进一步地，所述步骤4中在传统果蝇优化算法的基础上加入混沌初始化、线性衰减步长和柯西变异策略，对果蝇算法进行改进得到改进果蝇优化算法。
[0026]具体实现步骤如下：
[0027]1.初始化果蝇种群，设置种群规模和搜索步长s；
[0028]2.对初始果蝇种群进行Tent映射，保证种群多样性，采用式(13)进行混沌初始化：
[0029][0030]3.采用线性衰减搜索步长策略，平衡全局搜索和局部搜索能力，搜索步长s的衰减公式为：
[0031][0032]其中s为搜索步长，s
max
和s
min
分别为步长的最大值和最小值，本专利技术取1和0.1，t为当前迭代次数，Tmax为最大迭代次数。
[0033]4.对算法当前的最优解进行柯西变异操作，标准柯西分布如下：
[0034][0035]利用公式(16)对当前的全局最优解进行位置更新：
[0036]X
newbest
＝X
best
+X
best
·
Cauchy(0，1)#(8)
[0037]X
newbest
为变异后的候选解，X
best
为当前全局最优解，Cauchy(0，1)为标准柯西分布的随机数。
[0038]进一步的，得到改进果蝇优化算法，以最大网络覆盖率为优化目标进行优化，输出最优覆盖率与最优节点分布。
[0039](三)有益效果
[0040]与现有技术相比，本专利技术提供了一种基于改进本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于改进果蝇优化算法的无线传感器网络覆盖优化算法，其特征在于：包括如下步骤：步骤1，将面积为L
×
W的二维监测区域离散化处理成L
×
W个待监测目标点，目标点集合为Q，并在监测区域内随机部署N个传感器节点，构成传感器节点集合U，每个无线传感器节点均保证相同的感知半径r和通信半径R；步骤2，计算每个传感器节点感知目标点的概率，继而计算每个目标点处传感节点被整个无线传感器节点集合U感知的联合概率P；步骤3，根据每个目标点处传感节点被整个无线传感器节点集合U感知的联合概率P，计算得到无线传感器网络的覆盖率R
cov
；步骤4，对传统果蝇优化算法进行改进，加入混沌初始化、线性衰减步长和柯西变异策略，得到改进果蝇优化算法；步骤5，将无线传感器网络的覆盖率作为改进果蝇优化算法的适应度函数；步骤6，根据无线传感器节点的位置初始化果蝇种群，并利用适应度函数对种群的每个个体的适应度进行计算；步骤7，以最大适应度为改进果蝇优化算法的优化目标，果蝇群体结合改进策略进行寻优操作，不断更新种群位置；步骤8，在算法达到最大迭代次数时，保留群体最优位置和适应度，并输出最优节点分布位置和网络最优覆盖率，完成对监测区域的覆盖优化。2.根据权利要求1所述的一种基于改进果蝇优化算法的无线传感器网络覆盖优化算法，其特征在于：所述步骤1中采用栅格法将连续的监测区域的二维平面离散化处理为L
×
W个目标点，目标点Q
j
的位置坐标为(x
j
,y
j
)；并在该离散化区域内随机分配N个传感器节点，构成节点集合U＝{u1，u2,
…
,u
N
},其中任意第i个传感器节点u
i
的坐标位置为(x
i
,y
i
)；每个无线传感器网络节点均保证相同的感知半径和通信半径，且节点的通信半径为感知半径的2倍。3.根据权利要求1所述的一种基于改进果蝇优化算法的无线传感器网络覆盖优化算法，其特征在于：所述步骤2中采用布尔感...
【专利技术属性】
技术研发人员：郑德辉，陈桂芬，陈广交，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。