針對在不確定情況下如何保證傳感器布局取得最優(yōu)效果問題,本文在初始部署節(jié)點(diǎn)時考慮節(jié)點(diǎn)存在的不確定性,采用基于CVaR的子模效益模型來最小化這種不確定性對傳感器網(wǎng)絡(luò)布局效果的影響,為了快速有效獲得該模型下的最優(yōu)傳感器布局,對傳統(tǒng)貪婪算法進(jìn)行改進(jìn),根據(jù)模型中存在的參數(shù)τ對全局最優(yōu)解進(jìn)行有序搜索,同時引入lazy evuluation減少算法的時間復(fù)雜度.仿真實(shí)驗(yàn)表明,在不確定情況下對傳感器進(jìn)行布局時,CVaR模型可以有效提高網(wǎng)絡(luò)布局的魯棒性,與改進(jìn)的貪婪算法相結(jié)合,可以快速獲得保證較高信息增益下的布局點(diǎn)集.

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 基于CVaR的子模效益模型
    2.1 離散子模效益最大化模型
    2.2 Conditional Value at Risk(CVaR)
    2.3 基于CVaR的子模效益模型
3 改進(jìn)的貪婪算法
    3.1 算法流程
    3.2 算法性能分析
4 仿真實(shí)驗(yàn)與分析
    4.1 實(shí)驗(yàn)步驟
    4.2 參數(shù)τ和α對解集的影響
    4.3 不同算法下信息增益的對比
    4.4 不同模型下?lián)p失的對比
    4.5 不同算法時間復(fù)雜度的對比
5 結(jié)束語



本文編號：3849785