基于自适应差分优化的改进虚拟力导向粒子群算法研究

为提高节点在无线传感器网络中的自部署性能,本文以虚拟力导向粒子群算法为基石,在部署区域内,采用正方形网格划分方式,并引入一种改进的自适应差分进化策略,对原算法进行改进。改进算法引入了移动目的地对移动节点的引力作用,并通过自适应调整,有目的的向扩大网络覆盖率的目标进化,从而最大限度地优化节点的部署速度和网络的覆盖率。通过对该算法的性能进行了仿真与分析,在网络覆盖率、算法收敛速度以及部署时间等方面,相比于经典虚拟力算法及虚拟力导向粒子群算法,该算法具有更佳的部署性能。     

一种基于虚拟力导向微粒群的有向传感器网络覆盖增强策略

针对有向传感器网络的覆盖增强这个研究热点,提出一种虚拟力导向微粒群的有向传感器网络覆盖增强策略VFPSO。首先分析节点相互之间作用力,建立了一种节点所受的虚拟力和调整角度之间的关系模型,然后在微粒群算法速度更新过程中,通过这个关系模型,虚拟力影响微粒更新速度,加快粒子群算法的收敛速度。仿真实验表明,虚拟力导向微粒群的有向传感器网络覆盖增强算法能够更快地收敛至全局最优解,并且算法运行时间有效缩短。     

无线多媒体传感器网络中的覆盖增强算法

针对无线多媒体传感器网络节点感知范围的视角性和方向性,提出了基于虚拟力和粒子群算法的覆盖增强算法.该算法通过传感器节点之间存在着的大小不等的引力或者斥力的虚拟力作用,调整传感器节点的位置,使网络中节点的分布合理和均匀;通过粒子群优化算法调整有向传感器节点的工作方向以达到覆盖的最大化.仿真实验结果表明,基于虚拟力和粒子群算法的覆盖增强算法能很好的提高网络的覆盖率.     

混合无线传感器网络节点覆盖优化

为了解决混合无线传感器网络的节点覆盖率低的问题,提出了改进粒子群的混合无线传感器网络节点覆盖迭代优化算法.在该算法中,首先将混合无线传感器网络节点覆盖模型转化为在网络系统中动态的求覆盖率最大值的节点部署位置寻优问题;然后提出利用改进粒子群算法对节点覆盖优化方案进行粒子及其权值映射,并依据粒子粒距聚类度和粒子信息熵对粒子权值进行调整,再依据粒子适应度值对粒子局部最优值和全局最优值进行更新;最后迭代地对粒子的位置和速度进行计算,输出具有最优覆盖率的节点部署方案.仿真结果证明,该算法能够有效的提升网络覆盖率,且算法的收敛速度快.     

带有罚函数的无线传感器网络粒子群定位算法

无线传感器网络是一种没有基础设施的无线自组织网络,它在军事、环境检测和智能家居等诸多领域具有广泛的应用.在无线传感器网络的绝大多数应用中,只有当节点和被感知的物体的位置是可知的,节点获得的信息才有意义.因此,节点定位技术是无线传感器网络的关键技术之一.近年来,粒子群优化算法(particle swarm optimization,PSO)等智能算法被用于无线传感器网络节点定位技术的研究.在粒子群优化算法定位技术研究的基础上,提出的带有罚函数的无线传感器网络粒子群定位算法(particle swarm optimization with penalty function,PSOPF)利用罚函数来加快算法的收敛速度和提高定位算法的定位精度.实验结果表明,和原有的PSO定位算法相比较,PSOPF算法具有更高的定位精度和更快的收敛速度.     

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。     

无线传感器网络节点多目标安全优化部署

针对目前无线传感器网络节点优化部署方案中,没有考虑网络节点位置移动会破坏节点间的共享密钥而破坏的安全通信链路的问题,本文将Pareto多目标优化策略引入到无线传感器网络节点部署中,设计了一种多目标安全优化部署方案,建立多目标节点安全部署模型,并将节点安全连通度和网络覆盖率作为目标函数,兼顾解决网络安全性和网络覆盖质量的问题;通过惯性权重自适应的调整和结合虚拟力算法更新速度的方式改进多目标粒子群算法,采用精英档案策略来存储非劣解。仿真实验表明,本文方案能够提高节点的覆盖率,并且能够保持较大的节点安全连通度。     

网络节点覆盖优化仿真研究

为了提高无线传感器网络节点的覆盖率,延长网络生存时间,在分析基本粒子群优化算法缺陷的基础上,提出一种逃逸粒子群算法的网络节点覆盖优化方法.首先以网络覆盖率作为优化目标,然后采用逃逸粒子群算法进行求解,求解过程中,引入遗传算法交叉机制保持粒子群的多样性,防止“早熟”现象出现,并采用动量算法对粒子搜索轨迹进行平滑,加快收敛速度,最后通过仿真测试算法的性能.仿真结果表明,逃逸粒子群算法克服了基本粒子群算法存在的覆盖率低的缺陷,获得了更好无线传感器网络节点覆盖率优化效果.     

虚拟力导向群聚智能优化的无线传感器网络覆盖策略

针对在由固定骨干节点和移动传感器节点组成的无线传感器网络(WSNs)中,固定节点作用在移动节点的虚拟力,造成对移动节点位置移动的阻碍,在群聚智能优化思想的基础上,提出一种解决异构移动传感器网络的覆盖策略.该策略通过调整虚拟力距离阈值参数来改善固定节点作用在移动节点上的虚拟力;用虚拟力影响群聚智能算法中粒子速度和距离的进化,以节点有效覆盖率为适应值,指导微粒进化.仿真实验表明:虚拟力导向群聚智能策略能有效实现异构无线传感器网络节点布局优化,提高网络覆盖率,且收敛速度快.     

基于粒子群算法的WSN覆盖优化

为了提高无线传感器网络性能,针对节点的分布与覆盖方案进行了研究,将拟物力算法中的拟万有引力和拟库仑力与粒子群算法相结合,提出了一种基于惯性权重的拟物粒子群算法。增强了算法全局搜索能力,更快地收敛至全局最优解,减少算法时耗和重复覆盖。仿真结果证明新的算法比基本粒子群和基于惯性权重的标准粒子群算法的全局收敛速度更快,覆盖率更高,重复覆盖的比率更低。     

改进VFPSO算法于WSN节点随机部署中的应用

无线传感器网络（Wireless Sensor Network,WSN）节点的随机部署一直是WSN覆盖的核心问题之一。尽可能提升WSN的覆盖质量对延长网络的生命周期起着重要的作用。虚拟力-粒子群优化（Virtual Force Particle Swarm Optimization,VFPSO）算法因虚拟力的引入使PSO算法的优化性能有所提升,但PSO算法的早熟问题仍未得到有效改善。在VFPSO算法的基础上提出了一种维度选择机制,主要目的在于改善VFPSO算法中后期的优化能力。仿真结果表明,将采用维度选择机制后的VFPSO算法应用于WSN的覆盖优化中,覆盖率较其他优化算法有3%~5%的提升。     

基于改进蛙跳算法的WSN移动节点部署研究

针对传统无线传感移动节点部署方法存在节点分布不均匀、覆盖不完全等问题,提出一种基于改进混合蛙跳算法(SFLA)的移动节点部署方法。根据节点位置信息建立部署模型,利用改进SFLA算法求解该模型,将得到的解作为节点最终位置。仿真实验结果表明,相对于微粒群、虚拟力、基本混合蛙跳算法,改进SFLA算法可提高网络覆盖率和降低移动节点能耗。     

基于粒子群优化的改进加权质心定位算法

针对无线传感器网络低成本、高精度的要求,在采用接收信号强度测距的基础上,提出一种基于粒子群优化的改进加权质心定位算法。该算法易于实现,可调参数少,通过多次选代寻优提高定位精度。采用锚节点之间相互测距和定位补偿测距误差和定位误差。仿真结果表明,该算法与质心算法和加权质心定位算法相比,节点定位精度得到显著提高。     

一种非线性动态自适应的Agent联盟生产算法

代理(Agent)联盟是对无线传感器网络WSN(Wireless Sensor Network)进行管理的重要手段.引入粒子群算法PSO(Particle Swarm Optimization)并对其进行改进,使PSO的参数具有非线性动态自适应性.将改进的PSO用于求解Agent联盟生成问题,并针对WSN的特性设计了一种效益函数用于评价联盟的效益.采用基于非线性动态自适应PSO的Agent联盟生成算法,在联盟生成初期搜索范围较广,搜索后期在局部挖掘上表现出良好的性能.实验证明在解决Agent联盟生成问题中,基于PSO的算法在稳定性上优于其他算法,基于改进PSO的联盟生成算法可以加大搜索空间,更快的收敛到最优解,且该算法可以同时生成多个Agent联盟,支持并行多任务环境下的Agent联盟求解.     

基于PSO的无线传感器网络分簇路由协议

提出一种能量均衡的无线传感器网络两层分簇路由协议TL-EBC。该协议采用粒子群优化算法实现网络节点最优化组簇,设置总簇头负责收集、处理簇头数据并发送至基站,以均衡不同位置簇头间的能耗。仿真结果表明,TL-EBC能有效降低节点死亡速度,均衡网络能耗,延长网络生存周期。     

动态邻域混合粒子群优化算法

粒子群优化(PSO)算法对于多峰搜索问题一直存在早熟收敛问题。为在增强PSO算法全局搜索能力的同时提高收敛速度,提出一种动态邻域混合粒子群优化算法DNH_PSO,采用PSO局部模型,将随机拓扑和冯诺依曼拓扑相结合形成动态邻域,提高算法的全局搜索能力,为增强算法的局部搜索能力并加快收敛速度,使用粒子邻域全面学习策略,将拟牛顿法引入算法中。与其他PSO实验对比分析表明,该算法对于多峰搜索问题具有较好的全局收敛性。     

协同混合粒子群算法求解车间作业调度问题

针对如何有效解决车间作业优化调度问题,提出一种协同粒子群和引力搜索的混合算法。新算法在粒子群算法进化停滞时引入引力搜索算法,利用引力搜索算法进化后期快速寻优的能力,及时跳出局部最优,保证全局最优。同时采用协同原理简化算法结构,提高算法收敛速度。将提出算法对车间作业调度典型测试用例进行仿真,仿真结果表明该算法较PSO和GA等算法在求解车间作业调度问题上更具优越性。     

基于改进粒子群的农田WSN路由优化方法

农田无线传感器网络（WSN）应用环境复杂,影响网络传输的因素包括环境变化、作物生长等。路由协议作为网络数据采集过程中的重要环节,其能耗优化是近年来农田WSN领域的研究热点。传统的能耗优化路由算法多数只针对静态网络环境,难以适用于动态变化的农田监测场景。为此,提出一种基于改进粒子群（PSO）的路由优化算法RD-PSO。将不同的路由传输路径抽象为粒子,根据农田网络能耗、剩余能量、网络传输跳数、链路质量等关键因子构建适应度函数,以提高路径寻优的环境适应性。同时,针对PSO路由随机初始化时迭代效率低的问题,采用反向探测方法确定网络节点的初始化拓扑位置,缩短初始位置与最优解的距离,从而提高算法的收敛速度。实验结果表明,相较ELMR、EEABR和MR-PSO路由算法,RD-PSO算法具有更快的收敛速度,在网络生命周期、能耗均衡效果以及平均传输跳数等方面性能较优,其能提高路由算法在农田动态场景中的适配性。     

无线传感器网络中的覆盖优化算法

针对现有覆盖算法存在早熟、收敛性差以及易陷入局部搜索等缺点,结合三峡库区水质监测的应用环境,提出一种无线传感器网络覆盖优化算法。基于带收缩因子的粒子群优化模型,利用混沌Tent映射产生的混沌序列代替模型原有的随机参数,并将聚集度指标作为判定条件,实现参数的自适应调整。实验结果表明,该算法能提高网络覆盖率。     

位置加权的改进粒子群算法

针对基本粒子群算法具有后期收敛速度慢、容易陷入局部极值等缺陷,通过考虑粒子的位置之间的加权作用,对基本粒子群算法进行了改进,提出了一种位置加权的粒子群算法以减小搜索过程中的盲目性。测试函数结果表明,算法的收敛性以及收敛速度与粒子群算法位置加权因子有很大关系,通过选择合适的加权因子能有效提高算法的计算效率,算法适用于地球物理优化领域的波动方程反问题。