法律状态公告日
法律状态信息
法律状态
2022-07-05
授权
发明专利权授予
技术领域
本发明涉及无线传感器网络技术领域，具体涉及一种增强型麻雀搜索算法的无线传感器网络优化覆盖方法。
背景技术
随着互联网技术，人工智能和5G技术的不断发展，物联网已经成为当下科技领域热门的研究对象，而无线传感器网络作为物联网的核心支撑技术之一，对物联网起到支撑作用，无线传感器网络WSN(Wireless Sensor Network)是由大量的静止或移动的传感器以自组织和多跳的方式构成无线网络，以协作的感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给网络的所有者，因为无线传感器网络技术能够满足快速移动、自组织和方便快捷等需求，且无线传感器网络技术发展也日渐成熟，因此，无线传感器网络被广泛的应用到军事、航空、救灾、环境、医疗、保健、工业、商业等领域，近年来提出的智慧交通，智能家居，智慧城市等领域，同样取得了很大规模的应用，但是随着无线传感器网络的普及，无线传感器网络自身的不足开始被逐渐重视，尤其是网络服务质量和网络应用的稳定性方面，而对于解决这两个问题来说，覆盖优化问题又是一个必须先解决的基本问题，WSN的覆盖优化问题可描述为在规定监测区域内，保证传感器网络连通情况下的节点部署问题，为了满足覆盖要求，人们通常直接随机抛洒大量传感器节点，由于受到传感器节点电量和稳定性等性能约束，往往会造成比较大的覆盖盲区或者节点冗余现象，进而缩短网络使用寿命，降低网络可靠性，在能耗与成本上造成大量的资源浪费，因此需要对无线传感器网络中传感器节点进行自适应的调整部署，使其在检测区域分布更加均匀，覆盖率更高，从而增长网络使用寿命，提高网络可靠性，因此，设计出一种增强型麻雀搜索算法的无线传感器网络优化覆盖方法，对于目前无线传感器网络技术领域来说是迫切需要的。
发明内容
本发明提供一种增强型麻雀搜索算法的无线传感器网络优化覆盖方法，以解决现有技术存在的问题。
为了实现上述目的，本发明实施例提供如下技术方案：
根据本发明的实施例，一种增强型麻雀搜索算法的无线传感器网络优化覆盖方法，包括麻雀、探索者和追随者，在无线传感器网络中，感知半径及通信半径分别为R和R
监测点mj被节点si感知的概率为：
所有传感器节点对点mj的联合感知概率为：
式中S
所求问题描述如下：
f(I)＝Max(C
假设2R＝R
S
其中n为传感器节点数目，若S
其中n是麻雀的数量，d表示要优化的变量的维数，然后，所有麻雀的适应度值可以用以下向量表示：
其中n表示麻雀的数量，F
其中，t代表当前迭代数，iter
其中，X
其中，X
进一步地，所述探索者的比例因子pd是一个固定值，其值为0.2，这与算法的早期和后期策略相同，因此不灵活，导致算法收敛速度慢，为了提高算法的搜索效率，提出了一个收敛因子∝来约束原比例因子，其数学描述如下：
其中，T是最大迭代次数，t是当前迭代次数，∝的值从1非线性减小到0，在迭代的早期，∝值较大，即探索者个数较多，有利于全局优化搜索，加快算法的收敛速度，在迭代的后期，∝值较小，即探索者个数较少，集中于理论最优值附近，有利于局部寻优，从而提高解的精度。
本发明具有如下优点：
该增强型麻雀搜索算法的无线传感器网络优化覆盖方法有效提高了无线传感器网络的节点覆盖率，通过引入非线性收敛因子，平衡算法全局寻优和局部探索能力，使麻雀个体受局部极值点约束力下降，能够快速跳出局部最优，采用一种新颖的越界处理方法，更加合理的处理麻雀个体越界重定位问题，该算法在无线传感器网络覆盖优化中，有效提高了网络覆盖率，有效减少了节点冗余，优化节点分布更加均匀。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
本发明提供一种技术方案：
一种增强型麻雀搜索算法的无线传感器网络优化覆盖方法，包括麻雀、探索者和追随者，在无线传感器网络中，感知半径及通信半径分别为R和R
监测点mj被节点si感知的概率为：
所有传感器节点对点mj的联合感知概率为：
式中S
所求问题描述如下：
f(I)＝Max(C
假设2R＝R
S
其中n为传感器节点数目，若S
其中n是麻雀的数量，d表示要优化的变量的维数，然后，所有麻雀的适应度值可以用以下向量表示：
其中n表示麻雀的数量，F
其中，t代表当前迭代数，iter
其中，X
其中，X
本发明中：所述探索者的比例因子pd是一个固定值，其值为0.2，这与算法的早期和后期策略相同，因此不灵活，导致算法收敛速度慢，为了提高算法的搜索效率，提出了一个收敛因子∝来约束原比例因子，其数学描述如下：
其中，T是最大迭代次数，t是当前迭代次数，∝的值从1非线性减小到0，在迭代的早期，∝值较大，即探索者个数较多，有利于全局优化搜索，加快算法的收敛速度，在迭代的后期，∝值较小，即探索者个数较少，集中于理论最优值附近，有利于局部寻优，从而提高解的精度。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
