[发明专利]基于粒子群的无线传感器网络移动节点覆盖优化方法

权利要求书

1.一种基于粒子群的无线传感器网络移动节点覆盖优化方法，其特征在于包括如下步骤：

步骤1：搜索空间为j维，种群规模为M，初始化粒子位置，随机产生每个粒子的位置和速度，同时设定节点的距离阈值，当节点与最近邻居节点之间的距离小于所设距离阈值，则远离；当这个距离大于距离阈值时，则靠近；

远离模块：节点A在n时刻的坐标为(x_n，y_n)，而离节点A最近的邻节点b在n时刻的坐标为(x_bn，y_bn)，节点A在n+1时刻的目标位置为(x_n+1，y_n+1)，设节点间距离阈值为L_th，单位时间的步长为d，传感半径R_s，通信半径R_c，其中L_th≤R_c-d，

可知

xn+1-xnxn-xbn=yn+1-ynyn-ybn=dLn---(1)]]>

其中，Ln=(xn-xbn)2+(yn-ybn)2]]>

根据式(1)计算出节点A远离节点b的情况下，节点A的目标位置：

xn+1yn+1=d·(xn-xbn)(xn-xbn)2+(yn-ybn)2+xnd·(yn-ybn)(xn-xbn)2+(yn-ybn)2+yn---(2)]]>

靠近模块：节点A和节点b之间大于距离阈值，在下一个时刻，节点A应向节点B的方向移动，同远离模块一样，建立类似的数学模型，节点A的目标位置：

xn+1yn+1=-d·(xn-xbn)(xn-xbn)2+(yn-ybn)2+xn-d·(yn-ybn)(xn-xbn)2+(yn-ybn)2+yn---(3)]]>

步骤2：计算整个区域的初始有效覆盖率，并初始化每个粒子的局部最优位置pbest，以及对应覆盖率最大时粒子的全局最优位置gbest；

步骤3：计算粒子i中各节点之间的距离，和设定的距离阈值比较，并根据公式(2)和(3)对节点间的位置进行调整，计算粒子i中节点与其最近节点的距离改变值

步骤4：根据公式(4)和(5)更新粒子位置和速度，并重新根据式(6)～(9)计算每个粒子更新位置后的网络覆盖率；

速度和位置更新公式如式(4)：

vijk+1=w(k)×vij(k)+c1r1j(pbestijk-xijk)+c2r2j(gbestgjk-xijk)+c3r3Δijk---(4)]]>

xijk+1=xijk+vijk+1---(5)]]>

其中，c₁为微粒自身加速度权重系数，c₂为全局加速度权重系数，c₃为位置调节的加速权重系数，r_1j和r_2j为0～1内的随机数，和分别为粒子i在第k次迭代中第j维的位置和速度，二者均被限制在一定范围内；是粒子i在第j维的个体极值的位置；是群体在第j维的个体极值的位置；w为惯性权重系数；是粒子i中节点与其最近节点的距离改变值；

设无线传感器网络中的节点s_i的坐标为(x_i，y_i)，一个二维平面监测区域中任意点p的坐标为(x_p，y_p)，则节点s_i对目标点p的检测概率为：

其中，d(s_i，p)为传感器节点s_i与目标点p的欧式距离；R_e(0<R_e<R_s)是传感节点测量可靠性参数；α₁=R_e-R_s+d(s_i，p)，α₂=R_e+R_s-d(s_i，p)；λ₁、λ₂、β₁、β₂是与传感节点特性有关的测量参数；

因此，整个二维平面监测区域内的n个传感器节点对目标点p的联合检测概率为：

Cp(sall,p)=1-Πi=n(1-Cp(si,p))---(7)]]>

其中，s_all为测量目标点的传感器节点集合；为了满足覆盖要求，通常要求联合检测概率不低于根据网络需求所设定的阈值c_th，则目标点能被有效检测到的条件为：

minxp,yp{Cp(sall,p)}≥Cth---(8)]]>

将待测区域划分成m×n个网格，再将单元格简化为像素点，网络覆盖率定义为满足式(7)要求的单元格数量占总的单元格数量的比例，即：

Cr=Σxp=1mΣyp=1nCp(sall,p)m×n---(9)]]>

步骤5：将每个粒子更新位置后的覆盖率与每个粒子的局部最优位置pbest对应的覆盖率比较，如果较大，则更新pbest；

步骤6：将群体中的每个粒子的个体最优pbest对应的覆盖率与gbest对应的覆盖率比较，如果较大，则更新gbest；

步骤7：如果达到预设的最大迭代数，则结束，并返回群体最优分布，否则返回步骤2。