资源描述：
《基于多目标优化的无线传感器网络覆盖控制算法①》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第35卷第1期西南大学学报(自然科学版)2013年1月Vol.35No.1JournalofSouthwestUniversity(NaturalScienceEdition)Jan.2013文章编号:16739868(2013)01015505基于多目标优化的无线传感器网络覆盖控制算法①李献礼长江师范学院数学与计算机学院,重庆涪陵408100摘要:针对随机部署的混合无线传感器网络覆盖性能及网络使用寿命的问题,在冗余节点检测策略基础上,提出基于邻域扰动的多目标粒子群算法控制移动节点的部署.每一个粒子表示所有可移动节点的一种部署,基于非支配排序策略定义最
2、优粒子的寻找方法,在经典粒子群算法基础上,引入自适应邻域扰动操作,从而有效避免陷入早熟陷阱.通过与其他算法的对比仿真实验,表明该优化算法能更有效地提高网络覆盖性能和降低网络能耗.关键词:无线传感器网络;覆盖;多目标优化;邻域扰动中图分类号:TP393文献标志码:A[1]由于无线传感器网络(wirelesssensornetworks,WSN)节点部署具有高密度或者随机部署的特点,故一方面部分节点间的覆盖区域大部分交叉重叠,若同时工作会造成能量浪费,缩短网络寿命,另一方面有些区域却是监测真空,因此,网络覆盖性是无线传感器网络的关键问题之一.本文针对人工难
3、于精确到达的危险待监测环境(如有毒化工区、放射区等),采用固定节点和移动节点相结合的方式构建混合无线传[2]感网络,研究了如何尽可能扩大无线传感器网络监测范围、提高网络覆盖性的网络部署策略.针对WSN的覆盖问题,文献[3-5]提出了一些控制算法.事实上,随机部署的无线传感网络除了尽可能提高网络覆盖率外,还有一个问题值得研究,那就是传感器随机部署会导致存在重叠覆盖区域,因此,在改变移动传感器位置的同时,还应尽可能发现重叠区域并使该区域的冗余传感器转入休眠状态,从而提高网络的使用寿命.本文在文献[5]的基础上,基于非支配排序策略,提出改进的多目标粒子群优化
4、算法,以粒子群中的粒子模拟移动节点位置,并结合冗余节点检测,对每次粒子迭代的结果采取基于加权适应值的自适应邻域扰动,从中选取较优粒子参与下次进化,从而达到提高无线传感网络的覆盖率和延长网络寿命的目的.1混合无线传感网络1.1问题建模目标区域A为被离散化成L×W个网格的二维矩形平面,每个网格代表一个待监测小区域.在区域A随机投放M个移动传感器节点和N个固定传感器节点构成混合无线传感器网络,在不影响问题本质的前提下,作以下假设:①固定传感器节点的能量不能补充,即当其能量耗尽时,该节点不能工作;②所有节点的无线通信范围是以节点为圆心、半径为Rc的圆形区域,节
5、点感知半径为Rs且Rc=2Rs;③所有节点均采用布尔感知模型;④各节点通信模型采用布尔通信模型;⑤每个节点具有工作、侦测和休眠3种状态.目标区域A内任一离散网格k,其中心坐标为(xk,yk),如果与最邻近传感器节点si(xi,yi)的距离22d(k,si)=(xk-xi)+(yk-yi)6、概率P(k,s)=1;否则,P(k,s)=0.在此基础上,将网格k(xk,yk)的覆盖[6]定义为该网格被处于工作状态的传感器节点集X={s1,…,sn}中至少一个感知到的概率,即:nI(k,X)=1-[1-P(k,si)](1)∏i=1因此,无线传感网络覆盖就是该网络中处于工作状态的传感器节点集X所覆盖网格点的总和,记为Cov(X),即:L×WCov(X)=∑I(k,X)(2)k=1Cov(X)P_Cov(X)=(3)L×WP_Cov(X)为混合无线传感网络对目标区域A的覆盖率.处于休眠状态的传感器数量记为:Sleep(X)=N+M-
7、X
8、(4)其中
9、
10、X
11、表示集合X的元素个数.混合无线传感网络的覆盖问题就是如何优化移动节点的位置,在保证网络全连通的前提下,使得处于[7]工作状态的传感器节点尽可能少,且目标区域被无线传感器网络覆盖的面积尽可能大.因此,混合无线传感网络的覆盖问题可以归结为满足网络全连通条件(即对于工作状态的任意传感器节点si(xi,yi),存在一个处于工作状态的传感器s(x,y),使得d(s,s)=(x)2jjjiji-xj+(yi-yj)12、得(x)22i-xj+(yi-yj)
