论文部分内容阅读
无线传感器网络（Wireless Sensor Networks,WSNs）由大量微小的、低功耗的传感器节点组成,凭借其易于部署以及较强的信息处理能力的优势,经常被应用在战场、边境等敏感区域,用来监测非法入侵者。在上述应用领域中,针对移动目标防入侵监测覆盖优化存在两种方案,一种是如何以最小的代价尽可能快速覆盖整片监测区域,使得非法闯入的移动目标从任何地点进入都能被及时监测到;而另一种则应用于某些特殊领域,针对WSNs覆盖的最差情况,充分考虑网络部署成本,利用最小曝光路径（Minimum Exposure Path,MEP）发现覆盖薄弱区域并进行改善,来防范未授权物体穿过监测区域。传统WSNs在第一种方案中存在诸多缺陷。首先,为了满足覆盖要求,通常使用大规模随机抛洒传感器节点的方式进行初始化部署,这不仅使得部署成本巨大,也导致节点分布不均匀,产生覆盖冗余以及覆盖空洞,从而威胁整个监测区域覆盖质量。如果移动目标进入这些监测盲区时,那么整个网络将失去对其的监测。其次,节点通过电池供电,所携带的能量非常有限,一旦节点能量耗尽,则监测区域会存在覆盖盲区、发生目标追踪和信息传递不及时的情况,导致网络瘫痪。因此,如何在保证覆盖效果较优的前提下,优化节点的覆盖效率和移动能耗,是本方案的研究重点。在另一种方案中,传统寻找MEP的研究,只涉及躲避实际障碍物,但未考虑如何避开节点监测覆盖程度高的区域,而这同样具有研究价值,且基于找寻MEP后的覆盖优化问题研究较少,部分学者提出的方案为基于寻找到的MEP直接添加传感器,但这不符合低成本的经济要求与WSNs部署环境恶劣,节点一经部署难以添加或更换的现实情况,因此,迫切需要适用性更强的理论突破。本文面向移动目标,针对两种不同的防入侵监测覆盖优化问题,分别提出了自适应虚拟力导向蝙蝠算法,基于蚁群算法的最小曝光路径确定算法和栅栏覆盖优化策略,本文的主要研究内容如下。（1）针对第一种全区域防入侵监测覆盖优化方案,本文采用生物式启发蝙蝠算法（Bat Algorithm,BA）来优化WSNs覆盖,为了保证更快的反应能力与更好的覆盖质量,加入虚拟力导向策略,加快算法收敛速度,引入莱维飞行策略,使得BA可以有效地跳出局部最优解。最终本文所提自适应虚拟力导向蝙蝠算法（Adaptive Virtual Force-guided Bat Algorithm,AVFBA）能提供更优、更快的节点部署方案,缩短时间成本,有效提升网络覆盖率与覆盖效率,减小平均移动距离,降低网络能耗。（2）针对第二种低成本防入侵监测覆盖优化方案,在寻找MEP阶段,构建蚁群算法（Ant Colony Optimization,ACO）与MEP问题之间的联系,创新地将寻找MEP转化为最短路径问题,针对不同数量的传感器节点,提出动态阈值策略,合理设置阈值,将监测区域中覆盖次数大于阈值的网格作为障碍物,寻找到的MEP成功避开覆盖程度高的区域。并通过在状态转移概率公式中,加入曝光度因子对蚁群算法进行改进。最终本文所提基于蚁群算法的最小曝光路径确定算法（Improved Ant Colony Optimization-based Minimum Exposure Path Determination,IACO-MEPD）能有效避开覆盖程度较高的区域,寻找MEP更为精准。（3）针对第二种低成本防入侵监测覆盖优化方案,在覆盖增强阶段,提出栅栏覆盖优化策略（Optimization Strategy of Barrier Coverage,OSBC）,通过设计三种冗余节点判定规则,识别最佳栅栏构建行里的冗余节点,并将其转移至距离最近的未覆盖网格点中心来构筑栅栏,使得监测区域MEP曝光度值增加,有效降低成本,提升网络的经济性,并且增强网络监测能力,减小网络被非法入侵的风险。最终实验结果表明,在全区域防入侵监测覆盖优化方案中,本文所提AVFBA算法能有效提升网络覆盖率与覆盖效率,降低节点平均移动距离。在低成本防入侵监测覆盖优化方案中,本文所提IACO-MEPD算法寻找的曝光度值更小,而OSBC算法能提升MEP曝光度值,减小网络部署成本。