基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113905389A(43)申请公布日2022.01.07(21)申请号202111253027.8(22)申请日2021.10.27(71)申请人湖北文理学院地址441053湖北省襄阳市隆中路296号(72)发明人张勇乐英高曹莉鲁小兰(74)专利代理机构武汉科皓知识产权代理事务所(特殊普通合伙)42222代理人肖明洲(51)Int.Cl.H04W16/18(2009.01)H04W84/18(2009.01)G06N3/00(2006.01)H04W4/38(2018.01)权利要求书3页说明书7页附图9页(54)发明名称基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法(57)摘要本发明公开了一种基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，将待测区域离散化为若干个像素点；计算每个像素点处的传感器节点被传感器节点集合感知的联合概率，结合传感器节点覆盖效率以及网络能耗均衡得到无线传感网络覆盖问题的适应度函数初始化种群，利用所述优化问题的适应度函数，对种群每个个体进行适应度计算，以适应度最大为优化目标，在随后的帝王蝶算法的迁移算子中通过融合粒子群算法扩大搜索策略，并改进调整算子以增加种群多样性，加快种群全局的寻优速度，不断更新种群位置，对待测区域内所有传感节点进行覆盖优化，使得网络的覆盖率和节点的利用率得到明显提高，同时降低了网络消耗，延长了网络的生命周期。CN113905389ACN113905389A权利要求书1/3页1.一种基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于，包括以下步骤：步骤1：将连续的待监测区域离散化处理为m×n个像素点，并在该离散化区域内随机分配N个无线传感器节点，构成无线传感器节点集合G；每个无线传感器网络节点均保证相同的感知半径r和通信半径；步骤2：计算每个传感器节点感知像素点的概率，继而计算每个像素点处传感节点被整个无线传感器节点集合G感知的联合概率P；步骤3：根据每个像素点处传感节点被整个无线传感器节点集合G感知的联合概率P，计算得到无线传感器网络的覆盖率λ(P)；步骤4：结合无线传感器网络覆盖率得到无线传感器网络覆盖优化问题的适应度函数f＝ω1λ(P)+ω2θ+ω3η，其中；θ为传感器网络节点覆盖效率，η为网络能耗均衡系数；ω1，ω1和ω1为权值系数，满足ω1+ω2+ω3＝1；步骤5：根据无线传感器节点的初始位置初始化粒子群算法种群，设置种群大小，迭代次数；利用所述优化问题的适应度函数f，对种群每个个体进行适应度计算；以适应度最大为优化目标，进行每个种群个体的位置以及速度更新；筛选出粒子群的最佳粒子，通过群体对最佳个体的学习，更新每个粒子的信息，同时记录个体最优位置Pbest和群体最优位置Pg；步骤6：根据无线传感器网络中N个节点的初始覆盖位置初始化种群，利用所述优化问题的适应度函数f，对种群每个个体进行适应度计算；以适应度最大为优化目标，在随后的帝王蝶算法的迁移算子中通过融合粒子群算法扩大搜索策略，并改进调整算子以增加种群多样性，加快种群全局的寻优速度，不断更新种群位置，对待测区域内所有传感节点进行覆盖优化。2.根据权利要求1所述的基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于：步骤1中，采用栅格法将连续的待监测区域的二维平面离散化处理为m×n个像素点，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G＝{g1,g2,…,gN}，其中任意第i个传感器节点gi的坐标位置为(xi,yi)；每个无线传感器网络节点均保证相同的感知半径r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所述的基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于：步骤2中，采用传感器二元概率感知模型，通过计算传感器节点与像素点之间的欧式距离，获得每个传感器节点感知像素点的概率；其中，gi为无线传感器节点集合G中第i个传感节点，第i个传感器节点gi的坐标位置为(xi,yi)；H是任意像素点，位置为(xH,yH)；传感器节点gi感知像素点H的概率为p(gi,H)；d(gi,H)为像素点H到传感器节点gi的距离；每个像素点处传感节点被整个无线传感器网络节点集合感知的联合概率为：2CN113905389A权利要求书2/3页其中，P(G,H)为像素点H处的传感节点被无线传感器网络的无线传感器节点集合G感知的联合概率。4.根据权利要求1所述的基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，其特征在于：步骤3中，所有传感器节点对待监测区域的覆盖率函数为：其中：P(G,H)为像素点H处的传感节点被无线传感器网络的无线传感器节点集合G感知的联合概率。5.根据权利要求1所述的基于粒子群优化帝王蝶算法的无