基于自然选择粒子群算法的WSN覆盖优化策略

崔丽珍; 李晓宇; 胡海东; 史明泉

Chinese

您当前的位置：

首页 >

文章列表页 >

基于自然选择粒子群算法的WSN覆盖优化策略

更新时间：2026-09-04

- 基于自然选择粒子群算法的WSN覆盖优化策略
- Coverage Optimization Strategy in Wireless Sensor Networks Based on Natural Selection Particle Swarm Optimization Algoritnm
- 微电子学与计算机 2018年35卷第4期页码：73-78
- 作者机构：
  
  内蒙古科技大学机构信息工程学院,内蒙古,包头,014000
- 作者简介：
- 基金信息：
  
  内蒙古自治区科技计划项目 201502013-1内蒙古自治区自然基金项目 2015MS0623国家自然科学基金项目 61761038
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
崔丽珍, 李晓宇, 胡海东, 史明泉. 基于自然选择粒子群算法的WSN覆盖优化策略[J]. 微电子学与计算机, 2018, 35(4): 73-78.

CUI Li-zhen, LI Xiao-yu, HU Hai-dong, et al. Coverage Optimization Strategy in Wireless Sensor Networks Based on Natural Selection Particle Swarm Optimization Algoritnm[J]. 2018, 35(4): 73-78.
崔丽珍, 李晓宇, 胡海东, 史明泉. 基于自然选择粒子群算法的WSN覆盖优化策略[J]. 微电子学与计算机, 2018, 35(4): 73-78. DOI：

CUI Li-zhen, LI Xiao-yu, HU Hai-dong, et al. Coverage Optimization Strategy in Wireless Sensor Networks Based on Natural Selection Particle Swarm Optimization Algoritnm[J]. 2018, 35(4): 73-78. DOI：

摘要

在由静态节点和少量移动节点构成的混合无线传感器网络中

针对节点初始覆盖不均匀导致网络覆盖率低下的问题

提出了一种自然选择粒子群算法的覆盖优化方法.首先建立节点的Neyman-Pearson感知模型

将监测区域网格化并定义求解网络覆盖率的目标优化函数; 其次采用融入自然选择思想的粒子群算法对目标函数进行优化

实验结果表明

该算法可以有效提高网络覆盖率

改善网络监测质量

延长网络生存时间.

Abstract

In the hybrid wireless sensor networks composed of stationary nodes and mobile nodes

aim at the problem of low coverage in networks

due to the uneven initial deployment of nodes

proposed a coverage optimization algorithm based on natural selection particle swarm optimization. Firstly

build the Neyman-Pearson nodes sensor model

meshing the monitoring area and define the objective optimization function of networks coverage rate; Then

adopted the PSO algorithm blended in natural selection idea to optimize the objective function

Experimental results show that the algorithm can increase the coverage rate effectively

improve monitoring quality

prolong the survival time of networks.

关键词

Keywords

references

Kukunuru N, Rajyalakshmi D, Damodaram A. Hybrid approach for detecting and healing the coverage-hole in wireless SensorNetwork[C]// International Conference on Signal Propagation and Computer Technology. IEEE, 2014: 110-115.

温正. 精通MATLAB智能算法[M]. 北京: 清华大学出版社, 2015.

吴成东. 智能无线传感器网络原理与应用[M]. 北京: 科学出版社, 2011.

周剑波, 刘宏立, 徐琨. 一种结合粒子群和虚拟力的动态节点部署策略[J]. 计算机工程与应用, 2016, 52(10): 118-123, 156. DOI: 118

Thai M T, Wang F, Du D H, et al. Coverage problems in wireless sensor networks: designs and analysis[J]. International Journal of Sensor Networks, 2015, 3(3): 191-200. DOI: 191

穆天圆, 乔学工, 张敏. 基于Voronoi图的蜂群优化算法在WSN覆盖中的应用[J]. 传感技术学报, 2015, 28(10): 1525-1530. DOI: 1525

吴意乐, 何庆, 徐同伟. 改进自适应粒子群算法在WSN覆盖优化中的应用[J]. 传感技术学报, 2016, 29(4): 559-565. DOI: 559

李明, 石为人. 虚拟力导向差分算法的异构移动传感网络覆盖策略[J]. 仪器仪表学报, 2011, 32(5): 1043-1050. DOI: 1043

Beghdad R, Khalil A. Distributed algorithm for coverage and connectivity in Wireless sensor networks[J]. computer simulation, 2015, 456: 442-453. DOI: 442

Sun Z, Wu W, Wang H, et al. An optimized strategy coverage control algorithm for WSN[J]. International Journal of Distributed Sensor Networks, 2014, 2014(3): 1-12. DOI: 1

刘洲洲, 王福豹, 张克旺. 基于改进萤火虫优化算法的WSN覆盖优化分析[J]. 传感技术学报, 2013, 26(5): 675-682. DOI: 675

王明亮, 闵新力, 薛君志. 基于改进人工鱼群算法的WSN覆盖优化策略[J]. 微电子学与计算机, 2015, 32(6): 78-81. DOI: 78

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

双层协调多粒子群优化算法研究

融合类无标度粒子群算法的图像检索研究

具有自适应逃逸的环状全互连结构粒子群算法

基于混合机制算法的WSN节能优化策略

基于量子粒子群算法的移动节点覆盖优化