[发明专利]无线传感器网络部署优化方法、装置、系统及存储介质

说明书

本发明实施例公开了无线传感器网络部署优化方法、装置、系统及存储介质，使用Tent映射初始化种群，丰富了种群多样性，当迭代后期种群多样性较低时，Tent映射可产生映射序列，替换原有种群中个体的部分变量，故可维持种群的多样性；设计的非线性收敛因子，约束原有算法的缩放因子，使步长呈非线性变化，促进了算法的全局搜索，从而提升了算法的收敛能力；通过交叉、替换方式分别从邻居个体和较优个体得到部分变量的贪心交叉策略，具有以较优个体辅助交叉个体寻优的作用，提高了解的精度。

技术领域

本发明实施例涉及无线传感器网络部署技术领域，具体涉及无线传感器网络部署优化方法、装置、系统及存储介质。

背景技术

随着5G和物联网的发展，无线传感器网络在医疗健康、环境监测和工业领域有着广泛的应用[1-3]，近些年，研究者在无线传感器网络(Wireless Sensor Networks,WSNs)中的路由协议、定位和覆盖方面研究成果丰硕，其中覆盖优化是WSN的一个最基本问题。随着群智能算法在优化问题上的广泛应用，近些年的研究大多是以智能优化算法实现节点的动态部署。文献[CHEN Cong.A coverage algorithm for WSN based on the improvedPSO[C]//2015 International Conference on Intelligent Transportation,Big Dataand Smart City.IEEE,2015:12-15]提出了一种根据当前搜索状态自适应搜索的粒子群优化(Particle Swarm Optimization，PSO)算法，利用改进的PSO优化传感器网络部署，提高了网络的自适应能力，但算法本身仍存在陷入局部最优的不足。文献[DENG Xiao-hua,YUZhi-yong,TANG Rong-xin,et al.An Optimized Node Deployment Solution Based on aVirtual Spring Force Algorithm for Wireless Sensor Network Applications[J].Sensors,2019,19(8):1817]是利用改进的虚拟弹簧力算法(Virtual Spring ForceAlgorithm)部署正六边形网络拓扑，有效的减少了传感器网络中漏洞的面积，该方案只讨论了理想条件下的部署策略，复杂环境并未考虑。文献[HU Xiao-ping，CAO Jing.ImprovedGrey Wolf Optimization Algorithm for WSN Node Deployment[J].Chinese Journalof Sensors and Actuators,2018,v.31(05):101-106]提出一种基于改进灰狼优化(GreyWolf Optimizer)算法的覆盖优化策略，但没有考虑实际部署中存在障碍物的情况。文献[QIN Nin-gning,XU Jian.An Adaptive Fish Swarm-Based Mobile Coverage in WSNs[J].Wireless Communications and Mobile Computing,2018,2018]以覆盖率为目标，用改进的鱼群算法(Fish Swarm Optimization)优化传感器节点的部署，显著的提高了网络覆盖面积，但只是针对同构传感器，并未考虑异构传感器和复杂情况下的监测环境。