基于Voronoi图的三维移动传感器网络自主部署算法

针对给定目标区域的节点自主部署问题,传统的虚拟力方法容易产生覆盖重叠和覆盖空洞,并且计算所需要的参数具有不确定性.文中提出了两种基于 Voronoi 图的三维移动传感器网络的自主部署算法 TDADA-Ⅰ和 TDADA-Ⅱ(Autonomous Deployment Algorithm of Three-dimensional Mobile Sensor Network Based on Voronoi Diagram).Voronoi图具有良好的邻近性、邻接性和快速划分区域的特性.该算法计算每个Voronoi区域的重心,使节点向Voronoi区域的重心移动,经过多次迭代构造Voronoi图使得节点移动到最佳位置,从而提高被监测区域的网络覆盖率.仿真实验结果表明,TDADA-Ⅰ和TDADA-Ⅱ有效的提高了被监测区域的网络覆盖率,TDADA-Ⅰ从85.27%提高到了96.04%,TDADA-Ⅱ从85.27%提高到了92.07%.实验结果证明了算法的有效性和正确性.     

改进的离散果蝇优化算法在WSNs覆盖中的应用

针对无线传感器网络( WSNs)随机部署产生的区域覆盖率低、节点利用率差问题,提出一种改进的离散果蝇优化算法( FOA)对WSNs覆盖进行优化.新算法引入自适应步长的分类嗅觉随机搜索和基于移民操作及精英库的多种群协同进化机制,提高了优化精度和效率.仿真实验结果表明:新算法有效解决了WSNs覆盖问题,在确保网络覆盖率最大化的同时节点利用率较大,延长网络寿命.     

改进人工蜂群算法在WSNs覆盖优化中的应用

为了改善无线传感器网络(WSNs)中节点分布不均匀、部署时间长、网络覆盖率低等缺点,提出了一种基于改进人工蜂群(ABC)算法的覆盖优化方法、通过引入覆盖因子改善观察蜂选择算子,结合反馈策略改进采蜜蜂搜索过程,采用基于当前最优值的自适应侦查策略,提高了算法的收敛速度与精度.仿真结果表明:方法通过较少的迭代次数达到传感器分布更加均匀,覆盖率更高的目的,有效减少了传感器节点冗余、降低了网络能耗,延长了WSNs的生命周期.     

混合WSNs中基于多目标优化的覆盖控制算法

针对无线传感器网络( WSNs)随机部署产生的区域覆盖率低、节点利用率差和能量不均衡的问题,引入移动传感器节点,将快速非支配排序遗传算法Ⅱ( NSGA-Ⅱ)运用到混合无线传感器网络覆盖控制部署并进行改进,采用分层编码策略,引入删除算子避免早熟,自适应改变交叉、变异概率提高局部搜索能力,获得较优解集后基于决策者信息偏好选择最优目标.仿真实验结果表明:有效解决了WSNs覆盖控制问题,可以在网络覆盖率最大化的同时,节点利用率较大且能耗系数较低,延长网络寿命.     

基于连通性的无线传感器网络覆盖优化算法

针对无线传感器网络(WSNs)的覆盖优化和连通性问题,提出了一种基于连通性的WSNs覆盖优化算法(CC-BCBS).在二维监测区域内,CC-BCBS以传感器节点间的通信半径作为限制条件,只对连通的传感器节点进行Voronoi图划分,根据节点对应泰森多边形的覆盖情况构造盲区图,将盲区重心作为候选优化位置,使节点尽可能最大化覆盖监测区域.节点通信半径影响着区域覆盖的冗余度,故针对划分时可能出现的3种不同连通情况,给出了相应措施.仿真结果表明:CC-BCBS在覆盖率,分布均匀性,平均连通个数与连通率方面相比BCBS等算法有明显优势.     

莱维飞行的粒子群优化算法在WSNs覆盖增强中的应用

为了提高无线传感器网络(WSNs)的覆盖率,减少冗余覆盖,延长网络生存时间,在粒子群优化(PSO)算法的基础上,提出一种莱维飞行(LF)与粒子群优化相结合的(LF-PSO)算法.该算法以提高覆盖率为优化目标,通过建立数学模型来描述WSNs节点覆盖优化问题,利用算法对数学模型求解,达到优化节点覆盖的目的.仿真结果表明:该算法的运算结果达到了预期效果,优化了工作节点的布局,提高了覆盖率,是一种高效可行的WSNs节点覆盖算法.该算法非常适合应用到WSNs节点覆盖优化中,能够大大的提高节点的覆盖率.     

改进萤火虫算法性能分析及其在WSNs网络覆盖中的应用

对改进萤火虫算法性能及其在WSNs网络覆盖优化中的应用问题进行了研究。分析了基本萤火虫算法的全局收敛性,针对其收敛效率低的缺陷,给出了算法改进策略,并证明了改进的萤火虫算法以概率1收敛于全局最优解,在此基础上,提出了基于萤火虫优化的网络覆盖算法,建立了以网络均匀度及网络覆盖率为准则的数学模型,推导了节点冗余度与网络覆盖率之间的关系,给出了节点休眠策略,并将节点部署划分成不同的阶段,在每个阶段,分别采用改进的萤火虫算法对模型进行求解,进而得到无线传感器网络最优覆盖,最后对经典测试函数和WSNs网络覆盖问题进行实验仿真,仿真结果表明改进的算法具有更加理想的运算结果,而且能有效地给出WSNs网络覆盖优化方案。     

改进QGA在WSNs节点部署中的应用

对含有障碍区域的无线传感器网络（WSNs）节点部署问题进行研究。建立节点探测模型和网络覆盖率评价方法,基于概率传感器模型提出一种部署方式,即对障碍区域进行随机布撒节点,确定区域采用量子遗传算法（QGA）寻找最优节点部署位置,实现对同构WSNs节点构成的目标区域的高效覆盖。仿真结果与GA,QGA相比：改进QGA有效提高了算法整体的搜索能力和收敛速度。     

WSN中能量有效的分层协作覆盖模型

针对传统网络覆盖模型仅以区域覆盖率作为评价标准,而未考察不同覆盖模型下节点能量有效性问题,在协作覆盖模型的基础上,提出了能量有效的分层协作覆盖模型EEHCCM(energy efficient hierarchical collaboration coverage model),并应用蚁群优化算法进行求解.该模型通过对目标区域进行分层,并优化各个层内的节点数目来实现节点能量的能耗均衡.提出了基于分层协作覆盖模型的启发式因子和全覆盖条件下节点数量的上下限的计算方法.通过Matlab仿真实验,其结果表明,应用EEHCCM模型实现目标区域节点的部署,在同等覆盖能力下,网络的生存时间可以得到较大的提升,与传统的覆盖算法相比,更适用于实际的节点部署.     

无线传感器网络移动信标节点路径优化策略

针对无线传感器网络(WSNs)节点定位技术中未知节点覆盖率低、成本高的问题,采用移动信标节点技术,提出对高斯-马尔可夫移动模型(GMM)规划路径的优化策略,使信标节点更有效地在待测区域移动,提高对未知节点的覆盖率,并分析了不同参数对未知节点覆盖率的影响.仿真结果表明:此方法覆盖迅速、覆盖率高,能很好地适应大规模随机布撒节点的应用需求.     

WSNs能量异构节点部署与区域覆盖优化

针对无线传感器网络（WSNs）的热点区域问题所导致的节点能量异构、能量空洞等问题,对网络进行重新部署以满足区域覆盖的要求。建立WSNs能量异构节点区域覆盖优化模型,以网络覆盖率为目标函数,节点位置作为决策变量,采用差分进化算法优化该目标,同时获得各节点的最佳位置。仿真实验表明：该模型能充分调度各节点的剩余能量,对热区问题导致的能量空洞进行重新部署,该策略能够延长网络的生命周期,提高网络的可靠性。     

一种多目标的覆盖优化策略在WSNs中的应用

针对目前无线传感器网络（WSNs）能量均衡覆盖策略大都基于节点静态感知能耗的不足,提出一种基于节点的动态能耗和网络覆盖率的多目标覆盖优化策略.该优化覆盖策略将动态路由协议引入到覆盖控制优化中,计算覆盖区域在不同节点分布下的动态通信能耗和网络的剩余能量,再结合区域覆盖率构成对覆盖和能量综合指数评价的优化函数.最后利用改进差分进化算法和差分进化算法对优化函数进行仿真,并利用覆盖结果验证策略的有效性.仿真结果表明：提出的覆盖优化策略既能使网络达到较高覆盖率,同时又能保证网络的能耗动态均衡,并将改进差分进化算法与常规差分进化算法比较,结果表明：前者克服了早熟现象,覆盖和能量的综合优化函数值更高,达到了6.184.     

关于无线传感器网络定位算法仿真

针对无线传感器网络(WSNs)节点定位的问题,提出了一种通过构建粒子群机制的量子神经网络模型优化距离矢量跳跃(DV-HOP)的定位算法(PSO-QNN),根据传统DV-HOP所得到的平均距离和实测节点距离构建量子神经网络模型,并通过粒子群算法对平均距离进行训练,从而得到较优平均值,实现了对DV-HOP算法的优化.算法缩短了传统人工神经网络的训练时间,并且加快了收敛速度.仿真结果表明:与传统DV-HOP算法相比,所提出的PSO-QNN算法能够减少约20%的定位误差,定位精度显著提高.     

基于虚拟力的LoRa浮标网络覆盖优化算法

无线传感网络（WSN）节点部署问题是目前无线传感网络应用研究的关键点。针对传统网络节点部署存在收敛速度慢、全局优化性能不强、感知角度受限的问题,提出一种虚拟力导向的全向感知覆盖算法（VFOPCA）。该算法在传统虚拟力算法的基础上提出热点区域与节点间的受力模型,并采用0/1圆盘覆盖模型,对网络节点部署进一步优化。实验仿真表明,虚拟力导向的全向感知覆盖算法能快速有效地实现网络节点全局优化部署,与VFA、DACQPSO等全向感知模型算法相比,该算法覆盖程度更好、收敛速度更快、能耗程度更低。     

无线传感器网络能量最优的QoS路由发现方法

针对无线传感器网络的动态网络环境和节点能源受限,且通常无法补充的能源特性等不利因素,提出了一种可以实现能量最优的QoS路由发现方法。该方法利用节点选择机制和节点邻居表来建立满足QoS带宽需求的可供选择的节点集合,从而减少路由发现过程中的所要监测的节点数量。所提方法还构建了无线传感器网络的能量评价模型和节点能耗权重模型,使用遗传算法从可供选择的节点集合中构建可实现能量最优的QoS路由,自适应的实现对节点调度,从而延长无线传感器网络的寿命。通过实验仿真与分析,给出了实现无线传感器网络能量最优的遗传算法控制参数的选择区间。实验结果显示:该方法对无线传感器网络具有更好的适应性,且能保证其有更长的寿命。     

A novel gossip-based sensing coverage algorithm for dense wireless sensor networks

Wireless sensor networks (WSNs) have been widely studied and usefully employed in many applications such as monitoring environments and embedded systems. WSNs consist of many nodes spread randomly over a wide area; therefore, the sensing regions of different nodes may overlap partially. This is called the “sensing coverage problem”. In this paper, we define a maximum sensing coverage region (MSCR) problem and present a novel gossip-based sensing-coverage-aware algorithm to solve the problem. In the algorithm, sensor nodes gossip with their neighbors about their sensing coverage region. In this way, nodes decide locally to forward packets (as an active node) or to disregard packets (as a sleeping or redundant node). Being sensing-coverage-aware, the redundant node can cut back on its activities whenever its sensing region is k-covered by enough neighbors. With the distributed and low-overhead traffic benefits of gossip, we spread energy consumption to different sensor nodes, achieve maximum sensing coverage with minimal energy consumption in each individual sensor node, and prolong the whole network lifetime. We apply our algorithm to improve LEACH, a clustering routing protocol for WSNs, and develop a simulation to evaluate the performance of the algorithm.