[发明专利]基于多重覆盖的异构无线传感器网络节点调度方法

摘要

本发明公开了一种基于多重覆盖的异构无线传感器网络节点调度方法，采用参数自适应与自调节的二进制差分算法，在考虑监测目标非均匀分布以及调度节点感知半径、能量和每个工作周期消耗能量异构的情况下，对监测目标出现频繁的“热点”区域进行多重覆盖，其余的区域保持基本的覆盖，有效提高了目标的监测质量，同时减少了活动节点的数量和监测网络的容错性，减少了节点的能量消耗。本发明基于二进制差分算法对节点状态进行优化，同时采用了周期性侦听／休眠机制、睡眠唤醒机制，使得异构节点在面对目标非均匀分布的监测场合能够出色的完成检测任务，同时延长了网络的生命周期和降低了网络能耗。

主权项

1.一种基于多重覆盖的异构无线传感器网络节点调度方法，其特征在于按照以下步骤进行：步骤1，网络初始化，包括：步骤1-1：在二维监测区域内，按照有边界的帕累托分布布置Q个监测目标，同时随机部署n个传感器节点，将传感器节点记为s_i(i＝1,2,...,n)，利用M位二进制编码表示一个传感器节点在监测时间内各个时间片的工作状态，采用D位二进制编码t₁,t₂...t_D作为一个染色体表示n个传感器节点在监测时间内各个时间片的工作状态，即D＝n*M，由w个染色体组成一个种群，并记为P{P₁(g)，...，P_w(g)，0≤g≤G，其中g表示当前种群的迭代次数，G表示种群的最大迭代次数，M即为监测时间内的时间片个数；如果t_d＝1,(1≤d≤D且d＝(i*1)*M+k,1≤k≤M)，则表示第i个传感器节点的第k个时间片处于工作状态；如果t_d＝0,(1≤d≤D且d＝(i-1)*M+k,1≤k≤M)，则表示第i个传感器节点的第k个时间片处于休眠状态；步骤1-2：按照公式（1）生成初始辅助种群P′{P′₁(0),...,P_w′(0)}；P′_m,d(0)＝-5+10×rand，                                    （1）其中，P′_m,d(0)表示初始种群中第m个染色体的第d位二进制编码的辅助计算值，m＝1,2,…,w;d＝1,2,…,D,rand表示（0,1）之间的随机数；步骤1-3：按照公式（2）对初始种群进行初始化；其中，sig(x)＝1/(1+e^-x)，P_m,d(0)表示初始种群中第m个染色体的第d位二进制编码值；步骤2，解评价，包括：步骤2-1：按照公式（3）计算网络覆盖率Coverage；Coverage=NCNAll---(3)]]>其中，N_C表示有效覆盖的栅格数目，N_All表示二维监测区域的栅格总数，满足有效覆盖的标准为min{c_x,y(o_q)}≥c_th,(q＝1,2…Q)，c_x，y(o_q)按照公式（4）计算，用于表示监测目标o_q被n个异构传感器节点协同监测到的概率，c_th表示监测区域中每个目标节点o_q,(q＝1,2,...,Q)的监测阈值；cx,y(oq)=1-Πi=1n(1-cx,y(si,oq))---(4)]]>式中c_x，y(s_i,o_q)按照公式（5）计算；Cx,y(si,oq)=1ifd(si,oq)≤rs(si)-re(si)eλifrs(si)-re(si)<d(si,oq)<rs(si)+re(si)0ifrs(si)+re(si)≤d(si,oq)---(5)]]>其中，系数α₁,α₂,λ₁,λ₂,β₁,β₂均为每个传感器节点的预设参数，d(s_i,o_q)表示第i个传感器节点与目标节点o_q之间的欧式距离，r_s(s_i)表示传感器节点s_i的感知半径；r_e(s_i)表示是传感器节点s_i的测量误差半径；步骤2-2：统计计算活动节点数ActiveSensor；染色体P_m(g)(m＝1,2，...，w的活动节点数即为该染色体的二进制编码t₁,t₂...t_D中“1”的个数；步骤2-3：按照步骤2-1和步骤2-2的方法，分别计算第g次迭代后w个染色体P_m(g)(m＝1,2,...,w)的网络覆盖率Coverage和活动节点数ActiveSensor，依次记为：C_m(g)(m＝1,2,...,w)和A_m(g)(m＝1,2,...,w)；步骤3：二进制差分进化运算，包括：步骤3-1：设定交叉因子最大值CR_max，交叉因子最小值CR_min，设定当前迭代次数g，利用步骤2-3所得的C_m(g)(m＝1,2,...,w)、A_m(g)(m＝1,2,...,w)以及maximin算法分别计算第g次迭代后搜索种群P{P₁(g),...P_w(g)}中每个染色体的适应度，依次记为f₁,f₂,...,f_m,...,f_w，并求出所有个体中的最小适应度f_min和平均适应度f_aver；步骤3-2：按照公式（6）计算本次迭代中第m个染色体的缩放因子F_m;步骤3-3：按照公式（7）计算第g次迭代的自适应交叉因子CR_g；CRg=a×e(b×g2)---(7)]]>其中，b=1G2-1In(CRmaxCRmin),]]>a＝CR_min×e^-b；步骤3*4：按照公式（8）求出变异个体v_m,d(g+1)；v_m,d(g+1)＝P′_r1,d(g)+F_m(P′_r3,d(g)-P′_m,d(g))+F_m(P_r′_2,d(g)-P_r′_1,d(g))                    （8）其中，r1≠r2≠r3≠m,且1≤r1,r2,r3,m≤w；步骤3-5，按照公式（9）计算第g+1次迭代后搜索种群中第m个染色体的第d位二进制编码的辅助计算值；步骤3-6，按照公式（10）计算第g+1次迭代后搜索种群中第m个染色体的第d位二进制编码值；步骤4：判断循环是否结束；如果下一次迭代次数g+1超过最大迭代次数G，则循环结束，进入步骤5；否则，返回步骤2继续优化。步骤5：选择最优个体；利用步骤2所述的方法对经过G次迭代后的搜索种群进行解评价，选择网络覆盖率Coverage和活动节点数ActiveSensor最多的染色体作为最优个体，并根据最优个体中二进制编码所示工作状态控制各个传感器节点工作。