[发明专利]基于网格化及改进粒子群算法的无线传感网覆盖增强算法

权利要求书

1.一种基于网格化及改进粒子群算法的无线传感网覆盖增强算法，其特征在于，包括以下步骤：

步骤一：初始化粒子群规模、粒子初始速度、粒子坐标，初始化每个粒子维度；

步骤二：初始化区域目标大小，根据计算量确定合适的网格化程度；

步骤三：计算每个网格点被覆盖概率以及整个目标区域的覆盖率；

其中节点与网格点之间的距离为：

其中，c_i为假设的任意一个传感器节点；l指代的是区域被分为l个网格点；x和y分别为网格点坐标；x_i和y_i分别为任意一个传感器的节点c_i的坐标；

目标区域被覆盖的概率P_l为：

因此目标区域的覆盖率CR为：

其中，R为目标区域范围，A为目标区域所划分的网格点规模；

步骤四：开始整个粒子群的迭代过程，更新每个粒子的速度及位置；

其中，假设一个由M个粒子组成的群体在D维的搜索空间以一定的速度运动，D维的搜索空间是节点最佳部署的解维数；粒子i在第d维t时刻的状态属性设置如下：

v_id(t+1)＝ω(t)*v_id(t)+c₁r₁*(p_id(t)-x_id(t))+c₂r₂*(p_gd(t)-x_id(t))

x_id(t+1)＝x_id(t)+v_id(t+1)

式中1≤d≤D；x_id(t)和v_id(t)代表粒子i在t时刻的位置和速度；ω为惯性权重，代表粒子对前一轮迭代的自我继承程度；r₁和r₂是均匀分布在(0,1)区间的随机数；c₁和c₂是学习因子，分别代表向自我以及最优粒子的学习程度；p_id(t)代表粒子i在t时刻经历过的最好位置；p_gd(t)代表群体所有微粒在t时刻经历过的最好位置；

ω_start和ω_end分别代表初始惯性权重以及终止惯性权重；k代表控制因子，控制ω与t变化曲线的平滑度，t_max为最大时刻值；

步骤五：根据覆盖率筛选出最优粒子，每个粒子继续依照最佳粒子位置以及自我的最佳位置更新自己的速度及位置；

步骤六：判断迭代是否满足要求，不满足则继续从步骤三迭代更新粒子信息；

步骤七：完成迭代要求，结束流程。

2.根据权利要求1所述的方法，其特征在于，k值为0.5。