《电子技术应用》
您所在的位置:快乐赛车 > 测试测量 > 设计应用 > 一种无线传感器网络中的目标覆盖优化算法
一种无线传感器网络中的目标覆盖优化算法
2020年电子技术应用第7期
徐梦颖,卢 毅,周 杰
石河子大学 信息科学与技术学院,新疆 石河子832000
摘要: 为了优化无线传感器网络中成功监测到的目标个数,设计了目标覆盖模型,提出了改进的混沌免疫混合蛙跳算法(Improved Chaotic Immune Shuffled Frog Leaping Algorithm,ICISFLA)。该算法使用混沌序列对种群进行编码,从而增加种群的多样性;使用免疫算子将种群中适应度较高的个体保留至下一代;使用变异算子改进种群中适应度最低青蛙的学习机制,从而改善局部最优解和全局最优解。为了验证该算法的性能,将该算法与粒子群算法、遗传算法进行比较。仿真结果显示,与其他两种算法相比,ICISFLA的收敛速度更快,被成功监测到的目标数量显著增加。
中图分类号: TN925
文献标识码: A
DOI:10.16157/j.issn.0258-7998.200029
中文引用格式: 徐梦颖,卢毅,周杰. 一种无线传感器网络中的目标覆盖优化算法[J].电子技术应用,2020,46(7):94-98.
英文引用格式: Xu Mengying,Lu Yi,Zhou Jie. An optimization algorithm for target coverage in wireless sensor networks[J]. Application of Electronic Technique,2020,46(7):94-98.
An optimization algorithm for target coverage in wireless sensor networks
Xu Mengying,Lu Yi,Zhou Jie
College of Information Science and Technology,Shihezi University,Shihezi 832000,China
Abstract: In order to optimize the number of successfully monitored targets in WSNs, a target coverage model is designed and an improved chaotic immune shuffled frog leaping algorithm(ICISFLA) is proposed. The chaotic sequence is used to initialize the frogs to increases the diversity of the population. The immune operator is used to select individuals with higher fitness in the population to inherit to the next generation. The mutation operator is used to improve the learning mechanism of the frog with the lowest fitness in the population. Moreover, the local optimal solution and the global optimal solution can be improved. In order to verify the performance of the proposed algorithm, it is compared with the particle swarm optimization(PSO) and genetic algorithm(GA). The simulation results show that the proposed algorithm has a faster convergence speed than GA and PSO. The number of successfully monitored targets optimized by ICISFLA has increased dramatically.
Key words : wireless sensor networks(WSNs);target coverage;shuffled frog leaping algorithm;chaos;immune

0 引言

    目前环境监测对数据传输精度的要求越来越高,无线传感器网络(Wireless Sensor Networks,WSNs)逐渐成为了研究的热点[1]。节点的覆盖范围和监测能力决定了数据采集与传输的可靠性,节点的能耗和使用时长也影响着无线传感器网络的目标覆盖质量[2]

    WSNs现可用于监测地震、电磁、温度、压力、光强、心率、运动物体的大小、方向和速度等,可用于智能家居[3]、军事国防[4]、医疗事业[5]、智能交通[6]、环境保护[7]等各方面,在社会生活中发挥着重要的作用。

    目标覆盖问题是WSNs中的研究热点问题之一[8],WSNs中的节点具有成本低、体积小和数据处理能力快等特点,但是因为其监测能力、监测范围和能量有限,需要许多传感器节点相互合作来收集并处理信息。因此存在传感器节点覆盖范围重合、覆盖范围内无法同时监测所有对象和电量耗尽等缺陷,合理的目标覆盖方案可有效提高网络寿命[9]

    对于WSNs的目标覆盖问题,在传感器节点个数和能力有限的情况下,提高其监测目标的覆盖率和降低算法时间复杂度是提高无线传感器网络性能的关键所在。

    为了提升目标覆盖率,本文提出一种改进的混沌免疫混合蛙跳算法(Improved Chaotic Immune Shuffled Frog Leaping Algorithm,ICISFLA)。该方法在传统的蛙跳算法的基础上加入了混沌算子对二进制种群进行编码;通过免疫算子将种群中适应度较高的个体遗传至下一代;在更新种群的过程中,改变传统的青蛙跳跃的寻优方式,采用一种基于变异算子的组内最差个体寻优方式,通过一定的概率使组内最差青蛙不断向组内最优青蛙靠近,从而提高种群多样性,提高目标覆盖率。

    在实验中,将该算法与遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)进行了仿真对比,仿真结果表明,ICISFLA优化过的目标覆盖数量明显提升。




本文详细内容请下载:http://www.jganggini.com/resource/share/2000002911




作者信息:

徐梦颖,卢  毅,周  杰

(石河子大学 信息科学与技术学院,新疆 石河子832000)

此内容为AET网站原创,未经授权禁止转载。
上海时时乐 澳洲幸运10开奖结果 安徽快3走势 秒速时时彩 吉林快3开奖 韩国1.5分彩 快乐赛车平台 快乐赛车开奖 智慧彩票投注预测APP 福建快3开奖