[发明专利]基于差分进化算法的大规模工业无线传感器网络最优部署方法

摘要

本发明公开了一种基于差分进化算法的大规模工业无线传感器网络最优部署方法，通过对节点进行优化部署以保证系统可靠性，涉及工业无线传感器网络和智能计算两个领域。本方法首先根据工业现场实际空间、障碍物、无线传感器功率、精度要求，对空间进行自动坐标化，然后以总节点数和簇头负载标准差最小为目标，冗余需求为约束条件建立节点部署模型，“1”表示在对应网格点布置簇头，“0”表示不布置，并提出了一种新的二进制差分进化算法对该模型进行优化求解。本算法采用一种新的概率预测算子来生成二进制变异个体对种群进行更新。本方法通过对节点进行优化部署，可以在保证系统可靠性的同时降低系统构建成本，并平衡系统能耗，延长网络生命期。

主权项

1.一种基于差分进化算法的大规模工业无线传感器网络最优部署方法，其特征在于，该方法包括以下步骤：a.首先根据工业现场实际空间、障碍物大小及位置、无线传感器功率、精度要求，将监测区域划分为M×N×P三维网格，M、N、P分别对应横、纵、竖坐标上划分段数，传感器节点及簇头都分别部署在网格交叉点上，假设在监测区域内有N_S个传感器节点，则剩下的M×N×P-N_S个网格点可以用来布置簇头；b.解的表示：x＝[x₁，x₂，L x_n]，x_j∈{0，1}，这里n＝M×N×P-N_S表示可以用来布置簇头的网格总数，x_j＝1表示在第j个空网格点上布置簇头，x_j＝0表示不布置簇头；c.设定二进制差分进化算法的各个控制参数，包括种群规模NP，缩放系数F，交叉概率CR，实数区间[R_min，R_max]，并随机初始化二进制种群，设定种群计数器G＝0；d.假设传感器节点的通信半径为R_S，簇头的通信半径为R_CH，通常R_CH≥2R_S，当传感器节点与簇头之间的距离小于等于R_S，并且两者通讯链路之间不存在障碍物时，认为该节点可以与该簇头通讯，并将此节点作为该簇头的一个负载，否则认为其不能与该簇头通讯；另外，簇头之间也需通讯，当两个簇头间的距离小于等于R_CH时，则认为这两个簇头都作为彼此的负载，簇头的总负载为簇内与其通讯的传感器节点数与可通讯的簇头数之和；e.假设在监测区域内部署N_CH个簇头(N_CH≤n)，节点i可以与N_i个簇头通讯，簇头j的负载为L_j。为了延长网络的生存期，必须平衡簇头的能耗，使簇头负载的标准差L_CH最小化，定义为：LCH=Σj=1NCH(Lj-Σj=1NCHLjNCH)2NCH-1]]>f.为保证工业无线传感器网络的可靠性，要求N_i≥2，若不满足可靠性约束条件，则利用惩罚函数进行惩罚，惩罚项为其中p_c是惩罚系数；g.计算每个个体x的目标函数值，目标函数为：minf(x)＝w*N_CH+(1-w)*L_CH+P(x)s.t.N_i≥2，i＝1，2，L N_CH其中w，1-w分别是子函数N_CH，L_CH的权值；h.生成变异种群，公式为：其中r₁，r₂，r₃为[1，NP]内的随机整数，且r₁≠r₂≠r₃≠i，F是缩放系数且F＞0；i.采用概率预测算子来生成二进制变异个体，公式为：其中R_max，R_min分别是实数区间的上下限，且j.执行二进制交叉，生成候选个体，公式为：其中CR是交叉概率且0＜CR＜1，rdi是[1，NP]内的随机整数且对每个个体的不同维，rdi保持不变；k.选择算子：比较候选个体与其父代种群中对应个体的优劣，选择适应值更优的进入下一代G+1，公式为：l.如果达到了最大迭代次数，则停止迭代，否则返回步骤(8)继续迭代。