[发明专利]基于改进差分进化算法的传感器网络节点优化部署方法

说明书

本发明公开了基于改进差分进化算法的传感器网络节点优化部署方法，并成功应用于无线传感器网络的节点优化部署，通过设置混沌映射群体初始化，提升了初始种群的多样性；使用精英群体实现对变异向量的引导，加快种群全局的寻优速度；使用参数自适应调整机制增强算法对节点的适应能力。本发明的优点：与基本差分进化算法相比，改进后的算法在节点覆盖率和收敛速度上均有较大程度的提升，同时能够有效应对节点可能出现的突发状况，增强了算法的适应能力；改进的差分进化算法有效避免了种群陷入局部最优，提高了算法的寻优能力。对比改进前的差分进化算法提升了5％左右的网络覆盖率，满足了监测区域的覆盖要求，并加快了收敛速度，而且改进后的算法具有较强的适应性。

技术领域

本发明涉及基于改进差分进化算法的传感器网络节点优化部署方法，特别涉及一种提高无线传感器节点的有效覆盖率的改进的差分进化算法。

背景技术

无线传感器网络是由部署在监测区域内的传感器节点形成的自组织网络，具有体积小、低成本、低功耗等特点，可以实时协助感知、采集和处理监测对象的信息，因而被广泛应用于环境检测、灾害预警等方面。无线传感器网络节点部署位置是否适当对网络性能和网络生命周期产生直接影响。节点的部署密度会影响网络覆盖率，部署密度高虽能获得较高的覆盖率，但会产生大量冗余节点，降低网络整体性能。因此，传感器网络节点的部署优化一直是学者们研究的热点问题。近年来，智能优化算法在传感器网络覆盖优化中得到广泛应用。但是现有技术中算法复杂度较高且不够稳定。

发明内容

本发明要解决的技术问题，在于提供基于改进差分进化算法的传感器网络节点优化部署方法及其应用。

本发明通过下述方案实现：基于改进差分进化算法的传感器网络节点优化部署方法，其包括以下步骤，

步骤一：开始，初始化参数，混沌映射群体初始化，得到初始种群；

步骤二：筛选精英群体计算变异因子集；

步骤三：以精英群体中的个体为基向量，引导产生变异向量；

步骤四：计算交叉因子集，个体与变异向量交叉重组产生试验向量；

步骤五：比较种群个体及对应试验向量的适应度，择优成为下一代种群个体；

步骤六：是否达到最大迭代次数，若是进入步骤七，若否则返回步骤二；

步骤七：结束并输出结果。

基于改进差分进化算法的传感器网络节点优化部署方法，包括输入和输出，输入包括种群规模，变异因子，交叉概率因子，最大迭代次数，维度，输出包括节点的最终位置和覆盖率。其包括以下步骤，

步骤一：混沌映射初始化，产生初始种群；

步骤二：计算种群中每个个体的适应值，并按从小到大依次排列；

步骤三：根据公式计算P_elite的值，取种群中前P_elite个体组成精英群体；

步骤四：根据公式和计算出变异因子集合；

步骤五：根据公式计算种群中每个个体的变异向量；

步骤六：根据公式计算出交叉因子集合；

步骤七：根据公式计算出种群中每个个体的试验向量；

步骤八：根据公式比较种群个体以及对应试验向量的适应度值，保留适应值更好的个体构成下一代种群；

步骤九：检查是否达到最大迭代次数，若没有，则返回步骤二，若达到最大迭代次数，则结束并输出结果。

改进的差分进化算法在无线传感器网络的节点优化部署上的应用。