基于萤火虫群优化算法的无线传感器节点部署.docx

基于萤火虫群优化算法的无线传感器节点部署0引言随着无线通信、集成电路、传感器以及微机电系统等技术的飞速发展和日益成熟传感器信息获取技术已经从过去的单一化逐渐向集成化、微机化和网络化的方向发展无线传感器网络也因此孕育而生。无线传感器网络是由部署在检测区域内的大量的微型传感器节点通过无线电通信形成的具有多跳性的自组织网络可以实时协助感知、采集、处理和发布网络覆盖区域里检测对象的信息并且具有易于部署、通信灵活、低成本、低功耗等特点。因而被广泛地应用于环境检测、灾害预警、空间探测工业自动化等方面[1]。为了保证所采集信息的准确及详尽性除了要求无线传感器网络系统中所有节点都能有效可靠地工作之外还要对检测区域进行最大的检测覆盖并且保证含有有限电源能量[2]的节点的使用寿命。由此可见无线传感器网络的部署优良与否也间接影响了整个网络的性能和使用寿命。因此传感器网络部署问题一直是广大学者研究的热门问题。目前国内外对无线传感器节点部署研究主要集中在区域覆盖的确定性部署和随机部署以及目标覆盖的确定性部署和随机部署。确定性部署首先对检测区域进行网格划分再进行网络节点部署。何欣等[3]、郭秀明等[4]针对目标覆盖的确定性部署分别提出了基于多层交叠域和遗传算法的最优确定性部署和基于正方形网格扫描的部署算法。而Qin[5]、张云洲等[6]针对区域覆盖的确定性部署也分别提出了针对交通数据的区域流采集和针对含障碍物的确定性区域的节点部署方法。随机部署即随机抛洒节点重点是采用多种优化算法进行部署优化使其满足节点部署要求。目前常用的优化算法有快速虚拟力算法（FastVirtualForceAlgorithmFVFV）[7]、萤火虫群优化（GlowwormSwarmOptimizationGSO）算法[8]、模拟退火遗传算法[9]、微粒群优化（ParticleSwarmOptimizationPSO）算法[10]等。这些节点部署的研究主要集中在网络的覆盖问题、连通问题和能耗问题三个方面。在一定程度上文献[7-9]增加了覆盖区域的面积并可以保障网络的连通性但是覆盖面积仍然达不到对检测区域的完全覆盖并且部署稳定性较差。文献[10]的PSO算法将覆盖面积、连通性和能耗问题作为优化目标延长了网络生命期增强节点的容错能力和负载平衡但是仍然存在节点的冗余及死角覆盖问题。针对应用于检测的无线传感网络部署要求对覆盖区域进行无死角覆盖并可以根据情况的特殊性能对传感器节点进行调整部署对信息传递路径可进行进一步优化以增加网络覆盖的灵活性减少节点能量消耗。而且当需要部署大量传感器节点时应用广泛的虚拟力算法不能在有效次数内达到对检测区域的稳定覆盖。因此本文利用目前被广泛应用的GSO算法对大量传感器节点进行优化部署力求以最少的节点对检测区域进行最大面积的覆盖以致完全覆盖保证对目标检测区域内传感器节点的灵活使用。