论文部分内容阅读
无线传感器网络(Wireless Sensor Network, WSN)是一种信息获取和处理技术,是国际信息领域的热点研究课题,在面向军事领域、环境监测和物联网等应用中具有传统技术不可比拟的优势。如何根据应用环境的需求,选择合理的覆盖部署策略是需要WSN解决的首要问题。由于构成WSN的节点体积小,导致其能量受限,因此降低能耗对于WSN至关重要。覆盖问题不仅反映了网络所能提供的“感知”服务质量,还可以通过合理的覆盖控制机制来优化网络空间资源,达到降低网络成本、能耗,延长网络寿命的目的。无线传感器网络现有覆盖控制的研究多是针对同构节点,并未考虑传感器节点普遍存在的异构性;同时,多数算法采用的感知模型为布尔模型,该模型没有考虑对检测目标感知的不确定性因素。另外,现有的一些异构无线传感器网络覆盖控制算法假设监测区域内目标事件发生的概率是均匀分布的,即整个监测区域的覆盖要求是相同的,这与实际应用中存在局部监测区域事件发生概率较高、数据采集任务频繁的“热点区域”是相悖的。本文针对存在不同覆盖要求的监测区域,采用概率感知模型,以区域覆盖率最大化和网络能耗最小化为优化目标,提出一种基于二进制粒子群算法的多目标优化异构无线传感器网络节点部署策略。本算法通过Pareto支配关系来构造非劣解集合,选取的非劣解集中的较好解保存在外部存储集中,采用动态ε-支配方式更新外部集合,同时采用非支配关系加入随机权重的适值分配方式选取个体极值,采用基于拥挤距离的方法选择全局极值,增加解的多样性。仿真结果表明,本算法无需关于目标函数的先验知识,可以对目标空间进行广泛搜索,不易陷入局部最优且具有较快的收敛速度,进而得到有效地异构无线传感器网络节点部署方案。运用本文算法,得到的子目标函数随节点数量变化的结果显示:随着节点数目的增加,函数均趋于收敛。最后,本文算法与基于NSGA-II的多目标优化算法相比,具有良好的收敛性,能有效地提高网络覆盖率并降低网络能耗。