[发明专利]一种分层异构无线传感器网络三维优化部署方法

权利要求书

1.一种分层异构无线传感器网络三维优化部署方法，其特征在于，所述方法包括以下步骤：

步骤S1、获取无线传感器布置区域，并将该区域进行网格离散化处理，且进一步在网格离散化处理后的区域中部署相应的感知节点，以及设定三种类型障碍物及每一种类型障碍物对应的信号衰减值；

步骤S2、将汇聚节点的位置坐标x，y，z以及功率p均设置为计算变量；

步骤S3、定义4n个果蝇群体，分别对应优化模型中的4n个变量，每个果蝇种群的大小为S_p，算法寻优时的最大迭代次数为I_max；其中，

第k次迭代过程中，第j个果蝇群体的定义如下：

4n个果蝇群体中，每个个体的位置信息由公式(2)中对应的(X,Y)二维坐标给出：

其中，下标字母f代表果蝇优化中引入的变量；

初始化果蝇群位置，由下面的公式(3)、(4)和(5)计算得出：

其中，rand()为产生一个位于区间[0,1]上的随机数的函数；

步骤S4、第j个群体中的第l个果蝇通过嗅觉随机搜寻食物，利用公式(6)和(7)得到果蝇的新位置：

其中，σ₁为果蝇对应位置坐标更新的步长；σ₂为果蝇对应发射功率更新的步长；σ₁和σ₂均为自适应步长，定义如下：

其中t为1或2，分别表示对应节点坐标更新和功率更新的步长；为果蝇个体的最大更新步长；为果蝇个体的最小更新步长；k为当前的种群迭代次数；Imax为最大迭代次数；

第k次迭代时第j个种群中所有果蝇个体的位置由以下公式(9)计算：

根据果蝇新位置，利用公式(10)得到果蝇距离原点的距离，以及进一步根据果蝇距离原点的距离，利用公式(11)得到味道浓度判定值；

步骤S5、将所得到的味道浓度判定值代入目标函数(12)中，求解函数的适应度；

其中，η_l为不满足约束条件下的惩罚函数，其约束优化问题表示为

s.t.C_∑为汇聚层节点对感知层节点的覆盖率，且c(CN_i,SN_j)为第i个汇聚层节点CN_i对第j个感知层节点SN_j的覆盖率，且β为传播路径中的信号衰减，且为SN_j到CN_i的距离，γ为路径损耗指数，表示路径损耗随距离的增长率，它依赖于周围环境和建筑物类型；d₀为参考距离；α是基准距离d₀的功率；β_s是由障碍物引起的功率损耗，且当汇聚层节点与被关联的感知层节点之间跨障碍物时加上相应的障碍物衰减值；

步骤S6、根据所求解函数的适应度，利用公式(13)选择群体中具有最佳味道浓度值的果蝇及其相应的位置，并记录其味道浓度值：

步骤S7、判断果蝇的味道浓度值是否优于当前最优味道浓度值；

步骤S8、如果否，则返回步骤S4，直至达到最大迭代次数I_max为止；

步骤S9、如果是，则将果蝇的味道浓度设为最优味道浓度值，并利用公式(14)得到对应果蝇位置信息，群体中的其他果蝇均利用视觉飞向此位置后，返回步骤S4，直至达到最大迭代次数I_max为止：

步骤S10、输出最优味道浓度值果蝇的位置，即得到汇聚层节点最小的总功率以及相应的位置。