基于粒子群算法的无线传感网络覆盖问题优化策略研究

无线传感器网络(Wireless Sensor Networks,WSNs)覆盖控制是无线传感器网络应用的一个基本问题,它是研究在保证一定的服务质量条件下,如何实现网络覆盖范围的最大化,以提供可靠的监测和目标跟踪服务。有效的覆盖控制策略及算法的应用可以使WSNs的各种资源得到优化分配,有助于网络节点能量的有效利用、感知服务质量的提高和整体生存时间的延长。如何结合不同的应用环境需要,设计切实可行的覆盖策略,是该领域一个研究热点。 无线传感器网络是典型群体网络系统,其覆盖控制问题具有群体自组织的特征。本文基于群体智能建立无线传感器网络的覆盖优化策略。首先利用基本粒子群算法和粒子进化的多粒子群算法建立具体覆盖优化算法,并进行实验仿真,指出它们的不足之处;进而针对这两种算法的不足,提出基于及拟物力导向的粒子群覆盖优化算法,实验结果表明这种算法的有效性。论文的具体研究工作和成果如下: 1.利用基本粒子群算法和粒子进化的多粒子群算法分别设计了覆盖优化仿真实验,通过仿真结果分析各参数对覆盖性能的影响,把两种算法的覆盖优化效果进行比较分析,指出它们的不足之处,提出改进思路; 2.针对上述两种算法的不足,把基本粒子群算法和与拟物力算法相融合,设计出拟物力导向的无线传感网络覆盖优化策略。与上述两种算法在相同的条件下进行相同的仿真实验分析,把三种算法的覆盖优化效果进行比较,说明该改进后的组合算法具有更好的覆盖优化效果; 3.为进一步证明该算法的有效性,把上述三种算法与传统遗传算法(CGA)和新量子遗传算法(NQGA)两种算法在相同环境下的覆盖优化效果进行比较分析,实验结果证明该组合算法比基本粒子群算法、粒子进化的多粒子群算法、传统遗传算法(CGA)和新量子遗传算法(NQGA)具有更理想的优化效果。 4.本论文在基本粒子群算法和粒子进化的多粒子群算法的覆盖优化仿真实验的基础上,设计提出拟物力导向的粒子群无线传感网络覆盖优化策略,通过对不同优化算法在相同条件下的仿真结果进行比较和分析,证明改进后的优化算法能更好地改善无线传感网络的性能。