[发明专利]一种基于人工蜂群算法的无线传感器网络链路可靠性优化算法

权利要求书

1.一种基于人工蜂群算法的无线传感器网络链路可靠性优化算法，其特征在于：具体包括以下步骤：

步骤一：将被监测三维区域划分为l×w×h个像素点形成点集R_a，在网络中总共部署|S|个传感器节点，满足网络的覆盖和连通需求，S为总体传感器节点集合，其为预置传感器节点集合S_p和增补传感器节点集合S_a的合集，即S＝S_p∪S_a；

步骤二：在网络先预置传感器节点集合S_p部署到点集R_a上，满足当前网络覆盖性及连通性需求再按照以下步骤基于人工蜂群算法进行增补节点S_a的部署使得网络平均链路正确性最大化；

步骤三：初始化人工蜂群算法的参数，种群数PS、问题维度D、最大循环次数Maxitr以及食物源未更新次数limit；其中，雇佣蜂和跟随蜂各占种群数量的一半为NP，侦察蜂设为1个，算法适应值设定为网络平均链路正确性；

步骤四：在S_p节点集部署的基础上，将D个传感器在监测区域内进行随机部署生成初始随机解，作为人工蜂群算法的初始食物源；

步骤五：将网络平均链路正确性f_anr作为食物源的适应值，计算如下：

其中，f_anr∈[0,1]，r_i是传感器i的可靠性，定义如下

其中，是在节点i和基站之间的点不交路的数量，是两个设备之间第k条不交路的跳数，err是本地信道误差；不交路算法是由Ford和Fulkerson提出的最大流算法所提供；

步骤六：雇佣蜂阶段，每个雇佣蜂采用下式进行候选解生成，并通过贪婪选择保留更好的解；

其中，φ_ij∈[-1,1]，均为随机变量，y为全局最优解，引入了问题的适应值，用来弹性调整算法搜索步长进而使算法适应于不同问题的变量，fit_i是第i个个体的适应值，fit_min是最小适应值，l＝Curitr/Maxitr是一个线性变化的参数，根据算法的迭代次数进行调整，Maxitr是算法迭代的最大次数，Curitr是算法当前所在的迭代次数；

步骤七：根据下式计算每个食物源将要被跟随蜂选择的概率；

步骤八：每个跟随蜂进行食物源探索时，首先随机产生一个随机数r∈[0,1)，将r同p_i进行比较，如果等于或大于，则采取步骤四中的方法进行食物源探索，即生成新的覆盖率，否则，由下一个跟随蜂进行探索，直到探索次数同整体跟随峰数量相同；

步骤九：侦查蜂阶段，当某个食物源多次被探索并且未更新的次数达到limit时，采用与步骤三相同的方式进行食物源初始化；

步骤十：记忆覆盖率最好的食物源的节点布局；

步骤十一：循环次数增加1；

步骤十二：如果超过循环次数，则返回最佳适应值，程序结束，否则回到步骤五；

步骤十三：结束。