物联网、大数据、云计算是未来科技的发展趋势和研究热点,无线传感器网络(WSN)是物联网和大数据的基础设施,也称为物联网的雏形,它由大量具有无线通信与计算能力的无线传感器节点组成,具备信息采集、传送、处理于一体的分布式网络系统,并具有灵活性、自组织、动态性、以数据为中心的特点。WSN的这些特点与物联网、大数据的特点非常相似,因此对WSN的研究具有较强的实际意义和广阔的发展前景。无线传感器网络的部署实施需要考虑节能性和覆盖性,这些需求使得WSN中存在诸多复杂优化问题,例如WSN最长生存时间问题、覆盖问题、最优路径问题等。这些优化问题多数为NP难题,为解决此类复杂优化问题,研究人员发现用大自然为蓝本的模型和象征,以达尔文进化论为基础的进化算法在求解此类问题时表现出较好的效果。微分进化属于进化算法的新兴分支,是一种基于种群的并行迭代优化算法,其性能主要由变异因子,交叉概率因子和种群规模等决定,具有结构简单、收敛迅速、鲁棒性强等优点而受到了广泛的关注和研究,并已应用于模式识别、生物信息、工程优化、组合优化等问题。但是,标准微分进化存在早熟收敛和搜索停滞的缺陷,因此需要对其研究和改进。本文主要研究基于微分进化的无线传感器网络的若干优化问题。首先,为解决WSN中的最优路径问题,研究了微分进化算法中的交叉策略,使用基于优劣个体的交叉策略(SI)对原始算法进行改进。其次,针对WSN中的两目标覆盖问题,对多目标微分进化中的非支配排序、拥挤距离计算进行研究,改进了非支配解排序和拥挤距离计算方法,提出了快速的多目标微分进化算法(FMODE)。然后,基于上述研究成果对WSN的若干优化问题进行研究,包括使用标准微分进化算法研究WSN中的最大生存时间问题；基于优劣交叉策略的微分进化研究WSN中最优路径问题；利用提出的快速多目标微分进化研究WSN中两目标覆盖问题。本文主要研究工作如下(1)微分进化算法中优劣交叉策略的研究为解决无线传感器网络中最优路径问题,对微分进化的交叉策略进行研究。针对算法进化中后期,种群多样性降低,过度聚集的个体无法产生更优解的现象。从提高种群多样性,增大搜索空间考虑,本章介绍一种基于微分进化的优劣交叉策略(SI)。具体而言,种群多样性非常小时,使用优秀与劣质个体之间的交叉,提高种群多样性,增大搜索空间。反之,采用优秀与优秀个体间交叉,提高开发能力,产生更优解。提出的策略在交叉操作之前执行,它只是调整部分目标个体和变异个体的位置。此外,还给出了优劣交叉策略提高种群多样性的理论基础,同时考虑参数选择对性能的敏感性,尝试提出一种自适应的优劣交叉策略。实验结果表明,在24个数值优化问题上,提出的交叉策略在传统微分进化算法和其变体的性能上都有所改善。(2)多目标微分进化中非支配解排序及拥挤距离的研究为解决无线传感器网络中的两目标覆盖优化问题,对多目标微分进化进行研究。首先分析多目标进化算法NSGAⅡ,发现在非支配解等级排序时存在冗余。经典NSGAⅡ的非支配解排序需要对所有个体计算,且是在所有个体分配等级之后,排序操作才完成。而后,再根据所有等级中的个体,按等级由高到低依次选取个体进入下一代。为解决这个不足,介绍一种快速的非支配解排序方法,方法每次只处理当前种群中最高等级个体,且在分配等级的同时,可选择个体进入下一代,下一代个体被选足时,即结束程序,进入下一轮进化。该方法减少了非支配解排序时处理个体数量,较大降低时间复杂度。另外,引入一种均匀的拥挤距离计算方法,最后将快速非支配解排序、均匀拥挤距离计算和微分进化结合,提出基于非支配解排序的快速多目标微分进化算法(FMODE)。采用标准最小化两目标优化问题ZDT1-ZDT4和ZDT6进行仿真实验,结果表明,提出算法能够降低计算等级时的处理时间,并在收敛性和多样性指标上明显优于对比算法,实验也确定了FMODE算法的参数。(3)基于单目标微分进化研究无线传感器网络中最大生存时间问题研究使用微分进化算法求解无线传感器网络中的最大生存时间问题。首先介绍一种WSN中覆盖问题部署生成方法,为此类研究提供测试集数据和环境。以找出WSN中最多完全覆盖子集的角度来实现其生存时间最长,提出基于微分进化的满覆盖子集计算算法,算法两个重要特点是重组操作和适应度计算。重组操作保证至少一个关键目标点所对应的传感器被分配到不同的子集中,它能较大提高初始种群解的质量。适应度计算方法,不但考虑完全覆盖子集的个数,也考虑了未完全覆盖子集覆盖的百分率。实验结果表明,提出的算法不差于两个经典的对比算法,特别在收敛速度上,提出的算法明显优于两个对比算法,需要最少的进化代数即可找到理论最优解。(4)基于单目标微分进化研究无线传感器网络中最优路径问题研究基于优劣交叉策略的微分进化解决无线传感器网络中最优路径问题。首先分析无线传感器网络中的路径优化问题,并建立优化模型。然后使用微分进化算法作为搜索工具,求解路径优化模型中的最小能量消耗,即最优路径问题。染色体表示采用十进制编码方式,由于信息传递路径长度不统一,每个染色体的长度可变。在变异时采用集合的差、并运算,类似于微分进化中的差分、求和运算,使用二项式交叉策略。变异交叉后需执行修正操作,将存在环路和非法路径的染色体修正成合法染色体,从而保证种群中所有个体都是从源节点到目的节点的合法路径。最后,与此类经典算法GA、PSO和标准DE进行对比实验,结果显示,使用基于优劣交叉策略微分进化算法,在求解该问题的性能优于或不差于几个对比算法,验证了提出方法的有效性。(5)基于多目标微分进化研究无线传感器网络中两目标覆盖问题研究使用提出的快速多目标微分进化(FMODE)求解无线传感器网络中的两目标覆盖问题。首先介绍该两目标覆盖问题的背景并建立数学模型,使用标准多目标微分进化和提出的FMODE算法来解决该问题。然后,针对该问题建立染色体的编码方式,同时给出适应度函数的设计、非支配解排序、算法总体框架。在求解该问题时,使用重组操作保证了至少一个关键目标所对应的传感器被分配到不同的子集中,从而提高找到满覆盖子集上限的概率。为验证提出方法的有效性,对比实验在6个给定的测试集中完成。从最优解集中最高等级解的个数和质量,提出的算法都优于对比算法。同时又从不同的参数组合、变异方式、取整方式来进行仿真测试,得到合适的参数设置,从而验证了提出算法FMODE的有效性。