资源描述:
《基于量子粒子群优化算法的无线传感器网络节点优化》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、32传感器与微系统(TransducerandMicrosystemTechnologies)2010年第29卷第2期基于量子粒子群优化算法的无线传感器网络节点优化112王艳萍,张惠敏,刘新贵(1.郑州铁路职业技术学院信息工程系,河南郑州450052;2.解放军信息工程大学测绘学院,河南郑州450052)摘要:针对无线传感器网络感知节点的分布优化问题进行了研究,提出了一种基于量子粒子群优化(QPSO)算法的分布优化机制。仿真实验结果表明:QPSO算法在优化性能上优于传统遗传算法(GA)和量
2、子遗传算法(QGA),能够有效提高网络整体的感知能力,该方法用于传感器节点优化部署是可行的。关键词:无线传感器网络;节点;优化;部署;量子粒子群中图分类号:TP393文献标识码:A文章编号:10009787(2010)02003203Optimizationofwirelesssensornetworksnodesbasedonquantumparticleswarmoptimalalgorithm112WANGYanping,ZHANGHuimin,LIUXingui(1.DepartmentofI
3、nformationEngineering,ZhengzhouRailwayVocationa&lTechnicalCollege,Zhengzhou450052,China;2.InstituteofSurveyingandMapping,PLAInformationEngineeringUniversity,Zhengzhou450052,China)Abstract:Thedistributionoptimizationproblemsofnodeawareofwirelesssensornetworksarestu
4、died.Adistributedoptimizationmechanismispresentedbasedonquantumparticleswarmoptimization(QPSO)algorithm.SimulationresultsshowthatQPSOalgorithmissuperiortothetraditionalgeneticalgorithm(GA)andquantumgeneticalgorithm(QGA),caneffectivelyimprovenetworkcapacityoftheover
5、allperception.Themethodusedtooptimizethedeploymentofsensornodesisfeasible.Keywords:wirelesssensornetworks(WSNs);node;optimization;deployment;quantumparticleswarmoptimization(QPSO)0引言1传感器节点优化部署量子粒子群优化(QPSO)算法是孙俊等人从量子力学假设监测区域可被划分为很多网格,每个网格用其中[1]间的网格点表示,这样,整个监测区域就可
6、以离散化为网格的角度提出一种新的PSO算法,认为粒子具有量子行为,每一个粒子在搜索空间移动时,存在着一个以Pbest为点的集合。网格的粒度(网格大小)需要根据目标检测的中心的DELTA势阱。由于在量子空间中的粒子满足聚集具体应用确定,以满足其精度要求。传感器节点可以部署态的性质完全不同,粒子移动时没有确定的轨迹,这使粒子在任意网格点之上,以监测感知范围内的所有网格点。为可以在整个可行解空间中进行探索寻找全局最优解,QPSO了便于讨论,目标检测系统中的传感器使用0/1检测模型,算法调整参数少,容易实现,收敛能力强,实现时间短[
7、2]。即当某一网格点在传感器节点的感知范围之内时,就一定因而,QPSO算法的全局搜索能力远远优于经典的PSO算可以检测到,而当其在传感器节点的感知范围之外时,就一法[3]。定检测不到.如果监测区域的任何网格点都可以至少被一本文针对无线传感器网络感知节点的分布优化问题进个传感器节点的感知范围所覆盖,则称此区域是完全覆盖[4,5]的。在这样的系统中,出现在任何网格点上的目标都行了研究,提出了一种基于QPSO算法的分布优化机制。能够被检测到。图1就是一个完全覆盖的监测区域。为了仿真实验结果表明:QPSO算法在优化性能上优于传统遗便
8、于表述,可用检测向量来描述某一网格点被传感器节点传算法(GA)和量子遗传算法(QGA),能够有效提高网络覆盖的情况,检测向量的每一位分别对应一个传感器,其值整体的感知能力。收稿日期:20090828第2期王艳萍,等:基于量子粒子群优化算法的无线传感器网络节点优化