WMSNs 中人工魚群和粒子群混合算法的覆蓋優(yōu)化研究.pdf

1、隨著人們對監(jiān)測環(huán)境的要求越來越高，需要感知的信息也的越來越復雜，比如像圖像、聲音等，于是無線多媒體傳感器網絡(Wireless MultimediaSensor Networks，WMSNs)應用而生，它是在傳統(tǒng)傳感器網絡的基礎上加入了圖像、聲音、視頻等多媒體信息的一種新型分布式傳感器網絡。覆蓋控制作為傳感器網絡的一個基本問題，是衡量傳感器網絡監(jiān)測性能的重要指標之一，也是保證后續(xù)研究質量的重要問題。對覆蓋問題進行研究的主要目的就在于通過

2、對在目標區(qū)域內的傳感器節(jié)點進行調節(jié)，來改善節(jié)點初始隨機分布帶來的覆蓋率較差和資源浪費的問題。
　　同無線傳感器網絡中的節(jié)點不同，WMSNs中的傳感器節(jié)點具有方向性和視角性，而且由于傳感器網絡通常對未知或不可達的地區(qū)進行監(jiān)測，所以在這些地區(qū)多采用隨機部署的方式。隨機部署的方式不能保證節(jié)點一次性分布位置合理，常常會產生較多的覆蓋重疊區(qū)和盲區(qū)，所以應采用覆蓋優(yōu)化算法保證對目標區(qū)域的覆蓋率，優(yōu)化網絡質量。針對這個問題，本文在WMSNs中研

3、究了人工魚群和粒子群的混合優(yōu)化覆蓋算法。
　　粒子群優(yōu)化算法具有較快的收斂速度，但是在迭代的末期，粒子的運動方向一致，都是向最優(yōu)方向移動，所以使得算法很容易陷入局部極小，引起顯著的早熟現象。人工魚群優(yōu)化算法能夠很好地跳出局部極值，并盡可能地搜索到其他的極值，最終向全局極值靠攏，但該算法后期收斂速度比較慢，能找到滿意的解的域，很難得到精確的最優(yōu)解?；谶@兩種算法各自的優(yōu)缺點，本文將兩種算法結合起來運用到WMSNs的覆蓋中，先用人工魚

4、群算法調整傳感器節(jié)點分布，使節(jié)點分布均勻，然后用粒子群算法進行快速的局部搜索，調節(jié)傳感器節(jié)點的位置和方向使監(jiān)控區(qū)域的達到最大化覆蓋。
　　在此基礎上，對粒子群算法的速度和位置更新公式進行改進。由于粒子群算法中速度更新公式中的三項內容存在耦合和沖突，即粒子的飛行慣性、歷史經驗和群體經驗這三項，這些會使節(jié)點出現偏差，從而使粒子的更新速度大大得到了減緩，導致了算法的性能降低。所以分別計算粒子按飛行慣性、歷史經驗和群體經驗飛行時的速度，在