發(fā)布時間：2023-06-01 19:53

　　隨著科學技術的不斷發(fā)展,無線傳感器網絡(Wireless sensor network,WSN)作為熱門研究內容,已經廣泛應用在車輛跟蹤、森林監(jiān)測、地震觀察和建筑監(jiān)測以及水資源監(jiān)測等領域中。無線傳感器網絡覆蓋則是無線傳感器網絡關鍵技術之一,而在實際環(huán)境部署大規(guī)模傳感器網絡時,往往采用隨機部署方式,導致覆蓋率不高。因此,如何通過優(yōu)化算法調整無線傳感器節(jié)點位置,使無線傳感器網絡實現(xiàn)覆蓋優(yōu)化性能指標更好,具有重要研究意義。本文針對動態(tài)無線傳感器網絡覆蓋優(yōu)化和混合無線傳感器網絡覆蓋優(yōu)化分別進行了深入研究,目的就是在使用一定數(shù)量的傳感器節(jié)點時,使其覆蓋范圍最大化,實現(xiàn)覆蓋優(yōu)化性能指標更好。主要的研究成果和創(chuàng)新如下:對于動態(tài)無線傳感器網絡覆蓋優(yōu)化方面的研究,目前已有的研究主要是通過應用群智能算法來獲取最優(yōu)節(jié)點位置,但是由于已有的群智能算法搜索能力相對不足,從而導致節(jié)點分布不均勻、覆蓋率較低等問題。本文將搜索能力更強的嵌入萊維飛行的灰狼優(yōu)化算法(Lévy-embedded Gray Wolf Optimization,LGWO)應用到無線傳感器網絡覆蓋優(yōu)化中,為使節(jié)點分布更加均勻,在LGWO算法的基...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 無線傳感器網絡覆蓋優(yōu)化的研究和發(fā)展現(xiàn)狀
        1.2.1 動態(tài)無線傳感器網絡覆蓋優(yōu)化的研究和發(fā)展現(xiàn)狀
        1.2.2 混合無線傳感器網絡覆蓋優(yōu)化的研究和發(fā)展現(xiàn)狀
    1.3 本文的主要研究內容及章節(jié)安排
第二章 無線傳感器網絡覆蓋優(yōu)化的基本理論
    2.1 無線傳感器網絡概述
    2.2 無線傳感器網絡覆蓋相關基礎
        2.2.1 無線傳感器網絡覆蓋分類
        2.2.2 傳感器節(jié)點感知模型
        2.2.3 無線傳感器網絡覆蓋評價指標
    2.3 無線傳感器網絡覆蓋優(yōu)化相關算法
        2.3.1 改進虛擬力算法
        2.3.2 PSO-DAC算法
        2.3.3 灰狼優(yōu)化算法
        2.3.4 布谷鳥算法
    2.4 本章小結
第三章 VFLGWO的無線傳感器網絡覆蓋優(yōu)化算法
    3.1 嵌入萊維飛行的灰狼優(yōu)化算法
    3.2 VFLGWO的無線傳感器網絡覆蓋優(yōu)化算法內容及步驟
        3.2.1 修改LGWO算法
        3.2.2 改進虛擬力算法與LGWO算法的結合
        3.2.3 VFLGWO的無線傳感器網絡覆蓋優(yōu)化算法的步驟
        3.2.4 算法復雜度分析
    3.3 仿真分析
        3.3.1 網絡模型假設
        3.3.2 實驗參數(shù)設置
        3.3.3 VFLGWO算法參數(shù)設置依據(jù)
        3.3.4 VFLGWO算法仿真實驗
        3.3.5 不同環(huán)境下VFLGWO算法與對比算法的仿真實驗
    3.4 本章小結
第四章 FCM貪婪交換混合無線傳感器網絡覆蓋優(yōu)化算法
    4.1 FCM算法
        4.1.1 FCM算法內容
        4.1.2 FCM算法步驟
    4.2 FCM貪婪交換混合無線傳感器網絡覆蓋優(yōu)化
        4.2.1 WSN應用FCM覆蓋優(yōu)化算法的理由
        4.2.2 FCMGECO算法內容
        4.2.3 FCMGECO算法步驟
        4.2.4 算法復雜度分析
    4.3 仿真分析
        4.3.1 網絡模型假設
        4.3.2 實驗參數(shù)設置
        4.3.3 不同移動節(jié)點比例的仿真實驗
        4.3.4 三種算法一次優(yōu)化后的節(jié)點位置和覆蓋圖
        4.3.5 不同迭代次數(shù)T時的仿真實驗
    4.4 本章小結
第五章 總結與展望
    5.1 研究總結
    5.2 研究展望
參考文獻
作者簡介及科研成果
致謝



本文編號：3826939