[发明专利]基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法

说明书

本发明公开了一种基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，将待测区域离散化为若干个像素点；计算每个像素点处的传感器节点被传感器节点集合感知的联合概率，结合传感器节点覆盖效率以及网络能耗均衡得到无线传感网络覆盖问题的适应度函数初始化种群，利用所述优化问题的适应度函数，对种群每个个体进行适应度计算，以适应度最大为优化目标，在随后的帝王蝶算法的迁移算子中通过融合粒子群算法扩大搜索策略，并改进调整算子以增加种群多样性，加快种群全局的寻优速度，不断更新种群位置，对待测区域内所有传感节点进行覆盖优化，使得网络的覆盖率和节点的利用率得到明显提高，同时降低了网络消耗，延长了网络的生命周期。

技术领域

本发明属于无线网络技术领域，涉及一种无线传感器网络覆盖方法，具体涉及一种基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法。

背景技术

无线传感器网络由若干微型传感器节点组成，节点之间通过相互协作，实时进行数据的采集、分析、融合和传输，实现对环境或对象信息的实时监测、感知、采集和处理，并以无线多跳的通讯方式实现信息交互。作为一种目标区域监测和信息获取的重要技术，无线传感器网络在环境保护、智慧医疗、智能建筑、农业物联网等诸多领域发挥着重大作用。无线传感器网络的具体设计面临很多约束和挑战，而覆盖优化是无线传感器网络的一个重要的衡量指标。

覆盖优化是指在节点能量、无线通信带宽和硬件资源等普遍受限的条件下，根据不同的应用情况，通过优化节点的位置部署，达到延长网络生命周期、提高目标区域覆盖率等目的。覆盖率是无线传感器网络的一个重要的衡量指标，如何使用有限数量的传感节点最大范围的覆盖目标区域，同时尽可能的延长网络生存时间，一直是无线传感器网络研究的热点。因此，传感节点在待测区域的部署数量以及分布位置的合理性对于网络服务质量的影响显得尤为重要。网络覆盖优化主要是针对在无线传感中的节点在一定的受限条件下，通过对节点的设置位置以及网络路由的选择方法，从而在受限的无线网络中使得网络资源得到很好的配置。

针对无线传感器网络覆盖优化问题，群体智能算法在这方面的研究越来越广泛，国内外学者们相继提出了基于遗传算法、蚁群算法、粒子群优化算法、人工蜂群算法、人工鱼群算法、蛙跳算法以及相关算法的改进组合等的无线传感器网络覆盖优化算法。这些算法均能够有效提高覆盖率，并使整个网络节点的分布更加均匀。但通常考虑的优化目标比较单一，使得传感器节点冗余度较高，节点能量损耗较快，网络的生存周期比较短，同时算法本身也有着不足之处，均存在收敛速度较慢、容易陷入局部最优解等问题。

发明内容

本发明目的在于提出一种基于粒子群优化帝王蝶算法的无线传感器网络覆盖优化方法，克服标准群体智能算法容易陷入局部最优，覆盖效果较差等缺陷，提高网络有效覆盖率和节点利用率的同时，降低不必要的节点能量消耗，延长整个网络的生存周期。

本发明所采用的技术方案是：一种基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法，包括以下步骤：

步骤1：将连续的待监测区域离散化处理为m×n个像素点，并在该离散化区域内随机分配N个无线传感器节点，构成无线传感器节点集合G；每个无线传感器网络节点均保证相同的感知半径r和通信半径；

步骤2：计算每个传感器节点感知像素点的概率，继而计算每个像素点处传感节点被整个无线传感器节点集合G感知的联合概率P；

步骤3：根据每个像素点处传感节点被整个无线传感器节点集合G感知的联合概率P，计算得到无线传感器网络的覆盖率λ(P)；

步骤4：结合无线传感器网络覆盖率得到无线传感器网络覆盖优化问题的适应度函数f＝ω₁λ(P)+ω₂θ+ω₃η，其中；θ为传感器网络节点覆盖效率，η为网络能耗均衡系数；ω₁，ω₁和ω₁为权值系数，满足ω₁+ω₂+ω₃＝1；