基于注意力机制和策略梯度的多 ＭＣ 充电调度

为了提高无线传感器网络的生存时间、连通性以及网络中节点的活跃数,提出一种基于改进灰狼优化算法的分区多链无线传感器网络路由协议。该协议采用分区成链的方法,按网络中节点密度分布,以基站为圆心将整个网络空间划分为多个扇形环带区域,每个分区内的节点按位置分簇,每个分簇构造一条最优簇内链,同扇区各分簇间的簇头构造一条簇头链,最终通过这条链将采集到的信息沿基站方向传递。在后续迭代过程中,采用改进的灰狼优化算法进行簇头寻优,并根据狼群与猎物的距离以及系数向量对权重进行动态更新。MATLAB仿真表明:改进协议相比PEGASIS (Power-Efficient Gathering in Sensor Information Systems)在避免长链、均衡能耗、延长网络周期等方面均有提升,能有效提高无线传感器网络的性能。     

基于深度强化学习的WRSN动态时空充电调度

高效的移动充电调度是构建长生命期、可持续运行的无线可充电传感器网络(WRSN)的关键之一.现有基于强化学习的充电策略只考虑了移动充电调度问题的一个维度,即移动充电器(MC)的路径规划,而忽略了充电调度问题中的另一维度,即充电时长调整,因而仍然存在性能限制.提出一种基于深度强化学习的WRSN动态时空充电调度方法(SCSD),建立充电序列调度和充电时长动态调整的深度强化学习模型.针对移动充电调度中离散的充电序列规划和连续的充电时长调整问题,使用DQN为待充电节点优化充电序列,并基于DDPG计算并动态调整序列中待充电节点的充电时长.通过分别从空间和时间两个维度的优化,在避免节点缺电失效的同时,所提出的SCSD可实现充电性能的有效提高.大量仿真实验结果表明,SCSD与现有的几种有代表性的充电方案相比,其充电性能具有明显的优势.