论文部分内容阅读
万物互联、人物互动的物联网(Internet of Things,IoT)时代已经来临,感知物联无处不在。作为物联网的技术支撑和“神经末梢”,无线传感器网络(Wireless Sensor Network,WSN)是连接物理世界和信息世界的桥梁,是实现人与物互动的核心技术,具有广泛的应用前景和巨大的研究价值。WSN的应用服务取决于网络的覆盖质量,无线传感器网络的覆盖问题一直是被广泛研究的核心问题之一。受客观条件的限制,传感器节点通常采用随机撒播的方式进行部署,但采用这种部署方式的WSN往往存在节点分布不均、冗余度高以及存在覆盖盲区等缺陷。部署动态节点,通过覆盖优化算法对初始部署的节点位置进行优化和调整可以取得较好效果。本文主要对随机部署WSN的网络覆盖优化问题进行研究,保持WSN的连通性、持久性和稳定性,减少网络冗余度和监测盲区,提高网络覆盖率,延长网络生存时间,最终提高WSN的服务质量(Quality of Service,QoS)是本文研究的目标。随机部署的WSN覆盖优化问题往往是一个不确定性优化问题,满足一定条件的多目标约束优化问题和组合优化问题通常是NP-hard完全问题,给传统优化方法带来巨大挑战。群体智能算法给解决WSN的覆盖优化带来了新思路,粒子群优化算法作为一种典型的群体智能算法,具有控制参数少、计算简单及易于实现等特点,已经被应用于WSN覆盖优化问题的研究中,并取得一定成果。然而,粒子群算法仍存在收敛精度低、鲁棒性较差以及易陷入局部极值等方面的不足。为了提高WSN的覆盖性能,本文做了如下工作:(1)针对粒子群优化算法的不足,本文在量子粒子群优化算法(Quantum-Behaved PSO,QPSO)的基础上,提出了一种动态自适应混沌量子粒子群优化算法DACQPSO。该算法引入了度量种群多样性的种群分布熵和平均粒距这两个数量指标,利用种群分布熵控制算法关键参数——收缩扩张系数α的进化,以提高算法的全局搜索能力,体现了自适应性。此外,结合混沌搜索的特点和优势,以平均粒距作为判别条件,进行混沌精细化搜索,以提高局部搜索能力,同时产生混沌扰动,增加了种群多样性。将DACQPSO算法应用到WSN的覆盖优化中,实验结果表明,与其他算法相比在网络覆盖率和节点利用率方面取得了一定的改善,具有更好的覆盖效果。(2)将云模型引入粒子群优化算法的改进中,提出了一种基于正态云模型的自适应量子粒子群优化算法CMAQPSO。该算法利用X条件云发生器计算各粒子的隶属度,自适应调整收缩扩张系数α。利用Y条件云发生器构建云变异算子,增加种群多样性。并且提出了量子势阱中心的自适应调整策略。仿真结果表明,相比于其他算法,CMAQPSO算法在全局寻优能力、搜索精度和收敛速度方面具有明显优势。将CMAQPSO算法应用于WSN的覆盖优化中,实验验证了算法的有效性。