[发明专利]基于改进离散差分算法的汇聚节点定位方法

摘要

本发明提供了一种基于改进离散差分算法的汇聚节点定位方法，充分考虑到实际工程中节点的异构性、路由路径的可靠性对汇聚节点位置的影响，在改进离散差分算法中引入自适应的缩放因子，能够使得算法初期保持较强的全局搜索能力，后期保持较强的局部搜索能力；引入自适应的变异机制，根据进化过程中种群演化的趋势，选择合适的变异策略，既能保持种群的多样性，避免陷入局部最优，从而提高离散差分算法的全局优化能力，又能使得算法快速收敛，解决了原有差分算法在解决离散变量优化时存在的“早熟”收敛和陷入局部最小值的技术问题，从而得到优化的汇聚节点定位部署，增强了数据通信的可靠性，提高了网络服务质量。

主权项

1.一种基于改进离散差分算法的汇聚节点定位方法，其特征在于，包括如下步骤：S1：网络环境设置及节点部署：在长度为L，宽度为W的二维平面监测区域中进行栅格划分，将传感器节点随机放置在栅格点上，其中，i＝1,2…,M，M为传感器的类型数，j＝1,2…,N，N为传感器的总数，若节点位于节点通信半径内，则节点能将数据传输至节点其中，i′,i1∈i；j′,j1∈j，节点到节点的数据链路的可靠性为(0，1)之间的随机数，汇聚节点的候选位置也设置在栅格点上，设汇聚节点位置的编码方式为(X,Y)，其中，X为汇聚节点横坐标，Y为汇聚节点纵坐标，X和Y取值范围为保证汇聚节点在监测区域内，若汇聚节点在节点通信半径内，则节点能直接将数据传输至汇聚节点，设定此时节点到汇聚节点的通信链路的可靠性为1；S2：解评价：利用公式来评价节点到汇聚节点sink的可靠性，式中，为代价，即运用Dijkstra算法求得节点到汇聚节点sink的最佳可靠性路径，n为最佳可靠性路径的跳数，r_k为从节点到汇聚节点sink最短路径中第k跳的可靠性，ln(r_k)表示对r_k取自然对数，所有节点到汇聚节点sink的可靠性为：S3：利用改进的离散差分算法对汇聚节点的位置进行优化：S31：种群及参数初始化：设置种群个体数目NP，最大迭代次数MAX_ITER，交叉因子CR，缩放因子F的最大值为FU，最小值为FL，对种群中的NP个个体进行初始化(Xi,Yi)，其中，Xi∈[Lmin,Lmax]，Yi∈[Wmin,Wmax]，Lmin为长度L的最小值，Lmax为长度L的最大值，Wmin为宽度W的最小值，Wmax为宽度W的最大值；S32：计算缩放因子F：式中，F(in)为迭代次数为in的缩放因子；exp()表示以自然常数e为底数的指数函数；S33：变异个体计算及其有效性检验：S331：变异后的新个体为：其中，式中，threshold为阈值，f_mean为种群中所有个体适应度的平均值，f_best为种群中适应度最好个体的适应度值，r₁,r₂,r₃∈{1,2,…,NP}且r₁≠r₂≠r₃，P_r1为种群中序号为r₁的个体，P_r2为种群中序号为r₂的个体，P_r3为种群中序号为r₃的个体，P_i为种群中序号为i的个体；S332：对变异后的个体Vi的每一维向下取整；S333：检验取整后新个体Vi的有效性，即检验新个体Vi的第一维值是否在[Lmin,Lmax]中，检验新个体Vi的第二维值是否在[Wmin,Wmax]中，若能满足有效性条件，则进入步骤S34，否则，跳转至步骤S334；S334：利用随机函数重新生成新个体，并跳转至步骤S332；S34：交叉操作：式中，i∈{1,2,…,NP}，j,jrand∈{1,2}，Vi,j表示变异后的个体Vi的第j维值，rand()为(0,1)之间的随机数；S4：判断迭代是否结束，若下一次迭代次数in+1大于最大迭代次数MAX_ITER，则迭代结束，进入步骤S5，否则，迭代次数in+1，跳转至步骤S32继续优化；S5：利用步骤S2对产生的解的质量进行评价，选择种群个体中C最小的个体，即为汇聚节点的部署位置。