[发明专利]一种WSN障碍性区域覆盖部署方法

说明书

本发明公开了一种WSN障碍性区域覆盖部署方法，该方法具体包括以下步骤：将被监测区域划分成点集Rsubgt;a/subgt;，设置其中障碍性区域为不可覆盖点集Rsubgt;o/subgt;，待覆盖区域为点集Rsubgt;c/subgt;＝Rsubgt;a/subgt;‑Rsubgt;o/subgt;；初始化人工蜂群算法参数(包括种群数、问题维度、最大循环次数和食物源未更新次数)，进行人工蜂群算法循环中的雇佣蜂、跟随蜂和侦查蜂过程；本发明的有益效果是：本发明在候选公式的全局搜索部分引入了线性变化参数和问题维度，该部分随着迭代次数的增加和问题维度的提升而衰弱，本发明在雇佣蜂阶段和跟随蜂阶段均采用改进的搜索方法，进而使得算法能够自适应平衡全局和局部搜索能力，实现算法前期能够充分探索搜索空间，后期可以以较快的速度进行收敛。

技术领域

本发明涉及一种WSN障碍性区域覆盖部署方法，具体为一种WSN障碍性区域覆盖部署方法，属于物联网应用技术领域。

背景技术

无线传感器网络（Wireless Sensor Network, WSN）是一种多跳自组织的信息感知、采集与传输系统，能在多种环境下获取详尽、准确的数据，实现人与客观世界的信息交互。WSN覆盖其本质上表达的是网络对目标区域的监测能力。同时，覆盖率也是评价无线传感器网络所提的供服务质量的一个标准。复杂区域的覆盖问题属于NP难的问题，人工蜂群算法常被用来解决这一类问题。传统的人工蜂群算法解决覆盖问题的过程，存在两类问题，一是人工蜂群算法本身存在全局搜索能力强、局部搜索能力弱的缺点，并且算法和问题本身结合不够，对不同的覆盖问题普适性不足；二是传统覆盖问题解决的主要是基于理想的区域覆盖，不存在任何的障碍性物体。因此，本发明中，为解决WSN障碍性覆盖的部署问题，将问题的维度以及适应性等特征融入传统的人工蜂群算法，随着迭代的进行，算法自动进行全局搜索以及局部搜索能力的平衡，实现更为有效的区域覆盖。

发明内容

本发明的目的就在于为了解决上述的问题，而提出一种WSN障碍性区域覆盖部署方法，本发明的覆盖计算过程将障碍性区域考虑进来，基于蒙特卡洛方法进行覆盖率统计；本发明在候选公式的全局搜索部分引入了线性变化参数和问题维度，该部分随着迭代次数的增加和问题维度的提升而衰弱。线性因素使得算法的全局寻优能力随着迭代次数的增大适当的衰弱，而维度D保证当问题维度大，搜索空间大时具有强的全局搜索能力，而当问题维度低时，则减弱全局寻优能力。

本发明的目的可以通过以下技术方案实现：一种WSN障碍性区域覆盖部署方法，该方法具体包括以下步骤：

步骤一：将被监测区域划分为k×w个像素点形成点集R_a，将其中的障碍性区域置为不可覆盖的点集合R_o，则需要覆盖的区域为点集R_c=R_a-R_o；

步骤二：初始化人工蜂群算法的参数，种群数PS、问题维度D（D在该专利中为传感器的数目）、最大循环次数Maxitr以及食物源未更新次数limit；其中，雇佣蜂和跟随蜂各占种群数量的一半为NP，侦察蜂设为1个，算法适应值设定为网络覆盖率；

步骤三：将D个传感器在监测区域内进行随机部署，但是不可部署于障碍性区域，生成初始随机解，作为人工蜂群算法的初始食物源；

步骤四：基于布尔覆盖模型计算传感器 i所覆盖的像素点集，然后，采用蒙特卡罗方法按照下式求出总覆盖率 R_ced，该覆盖率在后续环节将作为算法的适应值；

；

步骤五：雇佣蜂阶段，每个雇佣蜂采用下式进行候选解生成，并通过贪婪选择保留更好的解；