有向传感器网络最大覆盖调度算法

与传统的全向传感器不同,有向传感器可以切换到不同的方向,并且每个方向覆盖有限角度的感应范围.针对有向传感器网络的区域覆盖问题,研究了“最大有向区域覆盖”MDAC(maximum directional area coverage)问题,期望通过调度传感器的工作方向,最大化覆盖区域面积.首先给出了MDAC 的问题定义,使用整数线性规划描述MDAC 问题,并且证明其是NP 完全的.然后提出一种分布式贪心算法DGreedy(distributed greedy algorithm)解决MDAC 问题.在此基础上,通过计算可能的覆盖贡献比例来反映网络拓扑信息.还提出了一种增强的算法PGreedy(distributed probability-enhanced greedy algorithm)使覆盖区域更大.证明了所提算法的收敛性,并通过详细的模拟实验验证了其有效性.     

一种新的有向传感器网络覆盖增强算法

针对现有有向传感器网络覆盖增强方法算法较复杂及覆盖率不够高等问题,提出了一种新的有向传感器网络覆盖增强算法。每次取一重覆盖区域面积最大的传感器节点及其传感方向,使得整个网络的一重覆盖区域较多,重叠区较少,可提高网络的覆盖率;同时考虑了冗余节点休眠的情况,当网络中有节点失效时,将其周围的休眠节点激活,并重新部署失效节点周围的节点,以此保证网络有较长的寿命和较好的覆盖效果。对比实验表明,与现有算法相比,本算法原理简单,且在相同节点数目和传感半径情况下,覆盖率分别提高了20%和15%左右。     

一种面向目标的有向传感器网络连通覆盖算法

针对传统的有向传感器网络目标覆盖算法只考虑网络覆盖率而不能保证网络连通性的问题,利用目标点部署圆内覆盖最多邻居目标点的候选节点集合和整数线性规划(ILP)模型设计了一种面向目标的连通覆盖算法(CTA)。该算法通过建立目标部署圆内覆盖最多邻居目标点的候选节点集合对随机部署的节点进行初步调度,在此基础上,通过ILP模型找出实现目标检测,并保证整个网络连通性的最少节点数和最佳位置的节点集合。仿真实验表明:CTA在保证目标覆盖率的前提下,不仅极大地降低了网络部署成本,而且保证了网络连通性。     

一种基于虚拟力的有向传感器网络低冗余覆盖增强算法

首先设计了一种方向可调感知模型,在此基础上提出了一种基于虚拟力的有向传感器网络低冗余覆盖增强算法(Fictitious Force Based Low Redundancy Coverage-Enhancing Algorithm,FFLRCA).传统基于虚拟力的覆盖增强算法只判断调整方向,节点的调整量为固定值,并且没...     

一种移动无线视频传感器节点的覆盖算法

在现有的无线传感器网络覆盖算法的研究中,缺乏对移动节点路径规划的研究,而针对具有视频传感器节点的网络仍使用普通传感器圆形覆盖区域的测量方法来计算覆盖面积,并不完全符合实际情况.基于这两方面的原因,本文提出了一种适用于无线视频传感器节点的最大覆盖算法,并提出一种对于视频传感器节点覆盖面积的计量方法.该算法能够使节点在保证网络连通性的前提下,达到最大的有效监测范围.此外,本文建立了相应的仿真实验模型,对该算法的有效性和覆盖面积进行了实验与分析.结果表明,本算法的节点监测面积大约为使用随机运动算法的节点监测面积的1.5倍左右,并可以保证网络的连通性.     

一种概率模型无线传感器网络覆盖算法*

针对传统覆盖算法在求解覆盖度时计算量较大、算法复杂度过高,从而导致算法效率过低,提出一种基于概率模型的覆盖算法。首先该概率模型通过调度覆盖区域内的节点状态来实现对覆盖区域监测,保证了所关注目标节点被传感器节点均匀覆盖的同时又优化了网络资源;其次对不同的覆盖区域利用概率期望值及相应定理求出满足覆盖条件下最少传感器节点数。仿真实验结果表明,该算法在保证网络覆盖质量要求时能够有效地减少活跃节点的数量,延长了网络的生存时间。     

无线传感器网络的覆盖控制

覆盖控制作为无线传感器网络中的一个基本问题,在国内外已经取得了一些研究成果。根据不同的性质,覆盖控制问题可以划分为不同的类型(如,静态覆盖和动态覆盖、确定性覆盖和随机性覆盖)。主要针对静态覆盖(区域覆盖、点覆盖、栅栏覆盖)问题中一些典型算法,分类进行了描述,并比较了它们之间的优缺点,最后,指出了需要进一步的研究工作。     

基于免疫算法的有向传感器网络目标覆盖研究

针对有向传感器网络的全目标覆盖问题,提出一种基于免疫算法的有向传感器网络目标覆盖方案。该方案采用免疫算法寻找最少数量的传感器,覆盖某一区域内全部的目标点。仿真实验结果证明,采用免疫算法后,搜索时间与目前的遗传算法相比降低1/3以上,并且算法性能更加稳定,寻优后所需的传感器数量有所减少。     

一种新的动态视觉传感器网络目标覆盖率算法*

动态视觉传感器网络目标覆盖研究中把目标点看成一个质心,而实际中存在物体直径可能大于视频节点半径、质心模型不适用的情况,针对此提出了一种新的动态视觉传感器目标物体覆盖率问题。基于此问题同时结合有向感知模型,提出有向线性感知模型,并基于该模型使用改进的粒子群优化算法对物体覆盖率进行仿真优化。仿真结果表明了该模型的有效性。     

无线视频传感器网络有向感知K覆盖控制算法研究

作为无线视频传感器网络的一个研究热点,有向覆盖控制理论引起了很多研究者的广泛关注,但是有向K覆盖问题还未得到深入研究.由于最大K有向覆盖问题属于NP-complete问题,所以难以在多项式时间内得到求解,因此设计了一种简单的分布式启发式算法,在一跳邻居范围内对传感器节点的感知方向进行协同调度,使得目标集合被有向K覆盖的时间最大.最后通过仿真比较了有向感知K覆盖DS-K-Coverage算法、贪婪算法Greedy-Algorithm、随机覆盖算法Random-Coverage的覆盖性能.     

改进的有向传感器网络多中心部署算法*

针对单个节点非均匀有向传感器网络部署的局限,提出了多中心的节点部署算法PFMCA(Potential Field based Multi-Center Algorithm)。在部署中心概念及移动策略的基础上,能够保证多个监测中心的覆盖质量,同时实现对其余区域的均衡且尽可能高效的覆盖。仿真实验表明,本文提出的算法实现了对多个重点监测区域的高覆盖质量,且在多中心点间的区域具有更好的覆盖均衡性。     

有向异构传感器网络覆盖优化算法

针对有向异构传感器网线随机部署产生覆盖重叠和盲区这一问题,受到虚拟势场算法的启发,提出了基于虚拟势场的有向异构传感器网络覆盖优化算法（PCADH）。以有向感知模型为基础,引入重叠质心、有效质心和虚拟边界质心的概念,对有向异构传感器网络进行虚拟受力优化、节点往复运动优化和边界优化处理。仿真结果表明：算法可以快速有效地提高有向异构无线传感器网络的覆盖率。     

基于优先级的有向传感器网络目标覆盖

区别于传统全向传感器,有向传感器可以根据目标位置旋转到任意方向,更有针对性地覆盖目标.针对有向传感器目标覆盖问题,加入目标优先级的约束条件,在粒子群算法上进行改进,融入疫苗接种机制,使在所有目标均满足优先级条件下所需传感器的集合规模最小.仿真结果表明:相对于目前针对此问题性能最好的遗传算法,改进粒子群算法大大降低了算法...     

基于虚拟势场的有向传感器网络覆盖优化算法

针对有向传感器网络中存在覆盖重叠区和盲区这一问题, 引入重叠质心和有效质心的概念, 提出了一种基于虚拟势场的有向传感器网络覆盖优化算法PCAFD。该算法通过重叠质心和有效质心相互作用, 使节点因受虚拟斥力而改变感知方向, 并针对边界情况和网络优化过程中的节点往复运动现象进行改进。算法快速地提高了网络覆盖率, 一系列仿真验证了该算法的有效性。     

基于激素调节的传感器网络覆盖算法*

人体内环境的平衡是由各种激素的相互作用来协同调节和控制的,根据抽象出的激素作用机理,提出了一种基于激素调节的传感器网络覆盖算法(HCA),该算法是完全分布式的,节能的传感器网络覆盖算法,算法中节点状态(sleep或active)的选择通过激素来调节和控制,即通过给邻居节点发送激活荷尔蒙或抑制荷尔蒙来刺激或抑制邻居节点成为active状态。仿真实验表明,与DELIC和UC算法相比,该算法既能有效地保证区域覆盖,又可以使得active状态的节点尽可能少。     

传感器网络中一种基于网格的密度控制算法*

在保证完全覆盖和网络连通的前提下,设计了一种基于网格的密度控制算法GDCA。仿真实验表明,与其他连通覆盖集求解算法相比,GDCA算法能够获得更小的连通覆盖集;且这种算法属于分布式算法,具有良好的扩展性,节点的传感区域可为任意凸形区域,更符合实际情况。     

扩展变异ADE算法的有向传感器网络覆盖增强

针对有向传感器节点大规模随机部署形成的感知重叠区和监测盲区,在节点位置不变、感知方向可调的前提下,协同调整节点感知方向使其覆盖范围从感知重叠区旋转到监测盲区以增强网络覆盖。将有向传感器网络覆盖增强问题转化为以区域覆盖率为目标函数、节点集感知方向为决策变量的最优化问题,提出了基于扩展变异模式的自适应差分进化算法求解该问题,即寻求一种节点感知方向分布方案最大化区域覆盖率。算法迭代前期采用DE/ rand/ 1/ bin变异策略以保证种群的多样性,后期采用扩展变异模式DE/ current-to-best/ 2/ bin加强算法的收敛速度以保证算法高效率地搜索全局最优解。与传统的有向传感器网络覆盖增强算法对比,仿真实验验证了算法的有效性。     

面向差异化覆盖的异构有向传感器节点调度算法

为延长异构有向传感器网络的寿命,提出一种基于改进珊瑚礁优化算法（ECRO）的面向不同监测目标有不同监测要求的节点调度算法。利用ECRO将传感器集合划分成符合覆盖要求的多个集合,通过集合间的调度达到延长网络寿命的目的。对珊瑚礁优化算法（CRO）的改进体现在四个方面：一是在珊瑚礁的雌雄同体繁殖过程中融入生物地理学优化算法中的迁移操作,保留原有种群的优秀解;二是在雌雄同体繁殖过程中采用一种带有混沌参数的差分变异因子,增强子代的优化能力;三是通过对最差个体执行随机反向学习,增强种群的多样性;四是通过CRO与模拟退火算法的结合,增强算法的局部搜索能力。对数值基准函数和节点调度进行了大量的仿真实验。在数值测试方面的结果表明,与遗传算法、模拟退火算法、差分进化算法及其改进算法相比,ECRO的优化能力更强;在传感器网络节点调度方面的结果表明,与贪婪算法、基于学习自动机的差分进化（LADE）算法和未改进的CRO相比,ECRO使网络寿命分别提高了53.8%、19.0%和26.6%,验证了所提算法的有效性。