基于差分演化和粒子群優(yōu)化的改進(jìn)WSN覆蓋算法
發(fā)布時(shí)間:2021-04-04 21:09
動(dòng)態(tài)部署傳感器節(jié)點(diǎn)隨機(jī)性大,無法保證特定目標(biāo)區(qū)域的覆蓋質(zhì)量,引入智能優(yōu)化算法后有效提高了節(jié)點(diǎn)動(dòng)態(tài)部署的質(zhì)量,但一般的智能優(yōu)化算法在動(dòng)態(tài)部署時(shí)存在"早熟"等缺陷。為了進(jìn)一步提高節(jié)點(diǎn)動(dòng)態(tài)部署的質(zhì)量,針對(duì)節(jié)點(diǎn)的覆蓋問題進(jìn)行研究,結(jié)合粒子群優(yōu)化和差分演化的優(yōu)點(diǎn),前期用粒子群優(yōu)化算法,發(fā)揮粒子群擅長(zhǎng)前期搜索收斂較快的特點(diǎn),后期用差分演化算法,發(fā)揮差分演化擅長(zhǎng)局部搜索的特點(diǎn),這樣取雙方所長(zhǎng),克服雙方所短,從而使算法有更好的搜索能力。仿真結(jié)果表明,本文提出的算法相對(duì)于改良慣性權(quán)重的粒子群算法、結(jié)合虛擬力的粒子群算法以及基本差分演化算法,具有更好的搜索能力,優(yōu)化后的網(wǎng)絡(luò)覆蓋率更高。
【文章來源】:計(jì)算機(jī)與現(xiàn)代化. 2019,(08)
【文章頁數(shù)】:7 頁
【部分圖文】:
初始數(shù)據(jù)的節(jié)點(diǎn)分布圖
2019年第8期易文周:基于差分演化和粒子群優(yōu)化的改進(jìn)WSN覆蓋算法37法的加速因子c1=c2=c3=2,差分演化的縮放因子F取0.3,交叉概率CR取0.4。5.2用作對(duì)比的算法1)第4章所述的本文提出的改良算法PSODE。2)第1.4節(jié)所述的基本差分演化算法DE。3)第2.3.2節(jié)所述的結(jié)合虛擬庫(kù)侖力改良的粒子群算法VCFPSO。4)第2.3.1節(jié)所述的改良慣性權(quán)重的粒子群算法PPSO。5.3仿真實(shí)驗(yàn)結(jié)果隨機(jī)部署20個(gè)傳感器在100m×100m的區(qū)域內(nèi),也就是在100m×100m內(nèi)隨機(jī)產(chǎn)生20組坐標(biāo)si(xi,yi),如圖1所示,把數(shù)據(jù)保存下來,作為4個(gè)算法優(yōu)化前的原始數(shù)據(jù),所有算法都從這份數(shù)據(jù)開始優(yōu)化,迭代100次,最后比較優(yōu)化的結(jié)果,4種算法優(yōu)化后的結(jié)果如圖2~圖5所示。圖1初始數(shù)據(jù)的節(jié)點(diǎn)分布圖圖2改良慣性權(quán)重的粒子群算法PPSO優(yōu)化后的節(jié)點(diǎn)分布圖3結(jié)合虛擬庫(kù)侖力改良的粒子群算法VCFPSO優(yōu)化后的節(jié)點(diǎn)分布圖4基本差分演化算法DE優(yōu)化后的節(jié)點(diǎn)分布圖5本文提出的改良算法PSODE優(yōu)化后的節(jié)點(diǎn)分布5.4仿真實(shí)驗(yàn)結(jié)果對(duì)比分析仿真結(jié)果如圖6所示。1)從圖6可以清晰看到,基本差分演化算法DE
2019年第8期易文周:基于差分演化和粒子群優(yōu)化的改進(jìn)WSN覆蓋算法37法的加速因子c1=c2=c3=2,差分演化的縮放因子F取0.3,交叉概率CR取0.4。5.2用作對(duì)比的算法1)第4章所述的本文提出的改良算法PSODE。2)第1.4節(jié)所述的基本差分演化算法DE。3)第2.3.2節(jié)所述的結(jié)合虛擬庫(kù)侖力改良的粒子群算法VCFPSO。4)第2.3.1節(jié)所述的改良慣性權(quán)重的粒子群算法PPSO。5.3仿真實(shí)驗(yàn)結(jié)果隨機(jī)部署20個(gè)傳感器在100m×100m的區(qū)域內(nèi),也就是在100m×100m內(nèi)隨機(jī)產(chǎn)生20組坐標(biāo)si(xi,yi),如圖1所示,把數(shù)據(jù)保存下來,作為4個(gè)算法優(yōu)化前的原始數(shù)據(jù),所有算法都從這份數(shù)據(jù)開始優(yōu)化,迭代100次,最后比較優(yōu)化的結(jié)果,4種算法優(yōu)化后的結(jié)果如圖2~圖5所示。圖1初始數(shù)據(jù)的節(jié)點(diǎn)分布圖圖2改良慣性權(quán)重的粒子群算法PPSO優(yōu)化后的節(jié)點(diǎn)分布圖3結(jié)合虛擬庫(kù)侖力改良的粒子群算法VCFPSO優(yōu)化后的節(jié)點(diǎn)分布圖4基本差分演化算法DE優(yōu)化后的節(jié)點(diǎn)分布圖5本文提出的改良算法PSODE優(yōu)化后的節(jié)點(diǎn)分布5.4仿真實(shí)驗(yàn)結(jié)果對(duì)比分析仿真結(jié)果如圖6所示。1)從圖6可以清晰看到,基本差分演化算法DE
【參考文獻(xiàn)】:
期刊論文
[1]基于遺傳算法優(yōu)化的WSN覆蓋控制算法[J]. 李向峰,席志紅,李爽. 無線電工程. 2018(06)
[2]基于改進(jìn)自適應(yīng)遺傳算法的移動(dòng)WSN覆蓋方法[J]. 朱利民,趙麗. 計(jì)算機(jī)應(yīng)用研究. 2019(05)
[3]基于改進(jìn)粒子群算法的無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化[J]. 梁俊卿. 現(xiàn)代電子技術(shù). 2017(17)
[4]差分進(jìn)化融合混合虛擬力的有向傳感器網(wǎng)絡(luò)覆蓋算法[J]. 關(guān)志艷,馮秀芳. 計(jì)算機(jī)應(yīng)用. 2016(12)
[5]基于混沌量子粒子群算法的無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化[J]. 王偉,朱娟娟,萬家山,喬焰,李旸. 傳感技術(shù)學(xué)報(bào). 2016(02)
[6]一種無線傳感器網(wǎng)絡(luò)的概率覆蓋增強(qiáng)算法[J]. 范興剛,楊靜靜,王恒. 軟件學(xué)報(bào). 2016(02)
[7]基于一種差分魚群算法在WSN覆蓋應(yīng)用的研究[J]. 孫莉. 科技通報(bào). 2015(09)
[8]一種結(jié)合粒子群和虛擬力的動(dòng)態(tài)節(jié)點(diǎn)部署策略[J]. 周劍波,劉宏立,徐琨. 計(jì)算機(jī)工程與應(yīng)用. 2016(10)
[9]改進(jìn)VFPSO算法于WSN節(jié)點(diǎn)隨機(jī)部署中的應(yīng)用[J]. 宋明智,楊樂. 計(jì)算機(jī)工程與應(yīng)用. 2016(02)
[10]異構(gòu)無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化算法[J]. 杜曉玉,孫力娟,郭劍,韓崇. 電子與信息學(xué)報(bào). 2014(03)
碩士論文
[1]基于進(jìn)化算法的無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化問題研究[D]. 張亞楨.江南大學(xué) 2018
[2]無線傳感網(wǎng)中基于粒子群算法的網(wǎng)絡(luò)覆蓋研究[D]. 居春偉.揚(yáng)州大學(xué) 2018
[3]基于改進(jìn)PSO算法的傳感網(wǎng)覆蓋問題研究[D]. 宋明智.江南大學(xué) 2014
本文編號(hào):3118494
【文章來源】:計(jì)算機(jī)與現(xiàn)代化. 2019,(08)
【文章頁數(shù)】:7 頁
【部分圖文】:
初始數(shù)據(jù)的節(jié)點(diǎn)分布圖
2019年第8期易文周:基于差分演化和粒子群優(yōu)化的改進(jìn)WSN覆蓋算法37法的加速因子c1=c2=c3=2,差分演化的縮放因子F取0.3,交叉概率CR取0.4。5.2用作對(duì)比的算法1)第4章所述的本文提出的改良算法PSODE。2)第1.4節(jié)所述的基本差分演化算法DE。3)第2.3.2節(jié)所述的結(jié)合虛擬庫(kù)侖力改良的粒子群算法VCFPSO。4)第2.3.1節(jié)所述的改良慣性權(quán)重的粒子群算法PPSO。5.3仿真實(shí)驗(yàn)結(jié)果隨機(jī)部署20個(gè)傳感器在100m×100m的區(qū)域內(nèi),也就是在100m×100m內(nèi)隨機(jī)產(chǎn)生20組坐標(biāo)si(xi,yi),如圖1所示,把數(shù)據(jù)保存下來,作為4個(gè)算法優(yōu)化前的原始數(shù)據(jù),所有算法都從這份數(shù)據(jù)開始優(yōu)化,迭代100次,最后比較優(yōu)化的結(jié)果,4種算法優(yōu)化后的結(jié)果如圖2~圖5所示。圖1初始數(shù)據(jù)的節(jié)點(diǎn)分布圖圖2改良慣性權(quán)重的粒子群算法PPSO優(yōu)化后的節(jié)點(diǎn)分布圖3結(jié)合虛擬庫(kù)侖力改良的粒子群算法VCFPSO優(yōu)化后的節(jié)點(diǎn)分布圖4基本差分演化算法DE優(yōu)化后的節(jié)點(diǎn)分布圖5本文提出的改良算法PSODE優(yōu)化后的節(jié)點(diǎn)分布5.4仿真實(shí)驗(yàn)結(jié)果對(duì)比分析仿真結(jié)果如圖6所示。1)從圖6可以清晰看到,基本差分演化算法DE
2019年第8期易文周:基于差分演化和粒子群優(yōu)化的改進(jìn)WSN覆蓋算法37法的加速因子c1=c2=c3=2,差分演化的縮放因子F取0.3,交叉概率CR取0.4。5.2用作對(duì)比的算法1)第4章所述的本文提出的改良算法PSODE。2)第1.4節(jié)所述的基本差分演化算法DE。3)第2.3.2節(jié)所述的結(jié)合虛擬庫(kù)侖力改良的粒子群算法VCFPSO。4)第2.3.1節(jié)所述的改良慣性權(quán)重的粒子群算法PPSO。5.3仿真實(shí)驗(yàn)結(jié)果隨機(jī)部署20個(gè)傳感器在100m×100m的區(qū)域內(nèi),也就是在100m×100m內(nèi)隨機(jī)產(chǎn)生20組坐標(biāo)si(xi,yi),如圖1所示,把數(shù)據(jù)保存下來,作為4個(gè)算法優(yōu)化前的原始數(shù)據(jù),所有算法都從這份數(shù)據(jù)開始優(yōu)化,迭代100次,最后比較優(yōu)化的結(jié)果,4種算法優(yōu)化后的結(jié)果如圖2~圖5所示。圖1初始數(shù)據(jù)的節(jié)點(diǎn)分布圖圖2改良慣性權(quán)重的粒子群算法PPSO優(yōu)化后的節(jié)點(diǎn)分布圖3結(jié)合虛擬庫(kù)侖力改良的粒子群算法VCFPSO優(yōu)化后的節(jié)點(diǎn)分布圖4基本差分演化算法DE優(yōu)化后的節(jié)點(diǎn)分布圖5本文提出的改良算法PSODE優(yōu)化后的節(jié)點(diǎn)分布5.4仿真實(shí)驗(yàn)結(jié)果對(duì)比分析仿真結(jié)果如圖6所示。1)從圖6可以清晰看到,基本差分演化算法DE
【參考文獻(xiàn)】:
期刊論文
[1]基于遺傳算法優(yōu)化的WSN覆蓋控制算法[J]. 李向峰,席志紅,李爽. 無線電工程. 2018(06)
[2]基于改進(jìn)自適應(yīng)遺傳算法的移動(dòng)WSN覆蓋方法[J]. 朱利民,趙麗. 計(jì)算機(jī)應(yīng)用研究. 2019(05)
[3]基于改進(jìn)粒子群算法的無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化[J]. 梁俊卿. 現(xiàn)代電子技術(shù). 2017(17)
[4]差分進(jìn)化融合混合虛擬力的有向傳感器網(wǎng)絡(luò)覆蓋算法[J]. 關(guān)志艷,馮秀芳. 計(jì)算機(jī)應(yīng)用. 2016(12)
[5]基于混沌量子粒子群算法的無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化[J]. 王偉,朱娟娟,萬家山,喬焰,李旸. 傳感技術(shù)學(xué)報(bào). 2016(02)
[6]一種無線傳感器網(wǎng)絡(luò)的概率覆蓋增強(qiáng)算法[J]. 范興剛,楊靜靜,王恒. 軟件學(xué)報(bào). 2016(02)
[7]基于一種差分魚群算法在WSN覆蓋應(yīng)用的研究[J]. 孫莉. 科技通報(bào). 2015(09)
[8]一種結(jié)合粒子群和虛擬力的動(dòng)態(tài)節(jié)點(diǎn)部署策略[J]. 周劍波,劉宏立,徐琨. 計(jì)算機(jī)工程與應(yīng)用. 2016(10)
[9]改進(jìn)VFPSO算法于WSN節(jié)點(diǎn)隨機(jī)部署中的應(yīng)用[J]. 宋明智,楊樂. 計(jì)算機(jī)工程與應(yīng)用. 2016(02)
[10]異構(gòu)無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化算法[J]. 杜曉玉,孫力娟,郭劍,韓崇. 電子與信息學(xué)報(bào). 2014(03)
碩士論文
[1]基于進(jìn)化算法的無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化問題研究[D]. 張亞楨.江南大學(xué) 2018
[2]無線傳感網(wǎng)中基于粒子群算法的網(wǎng)絡(luò)覆蓋研究[D]. 居春偉.揚(yáng)州大學(xué) 2018
[3]基于改進(jìn)PSO算法的傳感網(wǎng)覆蓋問題研究[D]. 宋明智.江南大學(xué) 2014
本文編號(hào):3118494
本文鏈接:http://www.sikaile.net/kejilunwen/sousuoyinqinglunwen/3118494.html
最近更新
教材專著