[发明专利]基于量子头脑风暴的异构传感器网络最佳目标覆盖方法

摘要

本发明针对在求解目标覆盖中最佳等效工作传感器分布的问题时，现有方法的寻优结果差、收敛速度慢以及联合感知概率更高时失效的缺点，提出了一种新的异构传感器网络最佳目标覆盖方法。本发明解决了当前头脑风暴优化算法无法应用于离散问题的缺点，拓宽了头脑风暴算法的应用范围。仿真结果表明，与现有的经典目标覆盖方法相比，本发明的收敛速度与收敛精度更优，从而证明了本发明的有效性。在相同条件下，联合感知概率约束更严格时传统方法将会失效，而本方法则仍然可行。本发明将头脑风暴过程中的方案交流融合体现在新方案的产生方式中，比原有头脑风暴算法的方案交流更广泛，更接近真实的头脑风暴过程。

主权项

基于量子头脑风暴的异构传感器网络最佳目标覆盖方法，其特征在于，包括以下步骤：步骤一 建立基于指数型概率感知模型的三维空间异构传感器网络模型；所述指数型概率感知模型为其中，Pt,s是目标节点t被传感器节点s感知的概率，α是衰减因子，r为传感器的绝对感知半径，R为传感器的最大覆盖半径，α、r与R是反映传感器特性的物理参数，d(t,s)是目标节点t与传感器节点s之间的距离；三维空间欧氏距离公式为：xt，yt，zt是目标节点的坐标，xs，ys，zs是传感器节点的坐标；选择普通传感器与超级传感器两种传感器构成异构传感器网络；普通传感器节点的绝对感知半径为r1，最大覆盖半径为R1，r1＜R1，衰减因子为α1；超级传感器节点的绝对感知半径为r2，最大覆盖半径为R2，r2＜R2，r1＜r2，R1＜R2，衰减因子为α2，α2＜α1；步骤二 对所有的i＝1,2,...,H，将第i个量子方案的所有量子位初始化为对第i个量子方案测量得到的方案为i＝1,2,...,H，其中i＝1,2,...,H,j＝1,2,...,N；在头脑风暴算法中，成员提出的一种方案即为一种工作传感器部署方式；H为模拟的头脑风暴小组成员的个数；ε为迭代次数，初始化时ε＝0；N为传感器个数，即维度；步骤三 按自然顺序将这H个头脑风暴成员等分为m组(H/m为整数)；即1～H/m为第一组，1+H/m～2H/m为第二组，……，以此类推，共m组；步骤四 对每个分组内成员提出的方案进行适应度评价，选取方案适应度最优的成员作为该小组的组长，其方案作为该小组的中心方案；步骤五 根据当前头脑风暴小组中成员的方案更新所有成员的量子方案i＝1,2,...,H的量子旋转角矢量i＝1,2,...,H；第i个成员量子方案的量子旋转角矢量更新策略的选择方式如下：产生一个均匀分布在[0,1]间的随机数若l为整体的策略选择概率，执行以下操作；产生一个均匀分布在[0,1]间的随机数若la为策略一的策略选择概率，按照策略一更新量子旋转角：j＝1,2,...,N，为对应策略中的基础方案，在策略一中为成员i所在分组的小组长产生过的历史最佳方案，为第i个成员当前的方案，是整个头脑风暴小组产生过的历史最佳方案，为第i个成员提出过的历史最佳方案，c1，c2，c3为角度控制参数，表示各种方案对当前成员方案的影响权重，相对更好的方案对当前成员的方案影响更大，所占的权重也相对大；若按照策略二更新量子旋转角：j＝1,2,...,N，在该策略中基础方案为在成员i所在分组中随机选择的一个其他成员所提出过的历史最佳方案，是第i个成员所在分组的小组长产生过的历史最佳方案；策略一表示第i个成员的当前方案分别从其所在分组的小组长产生过的历史最佳方案、第i个成员提出过的历史最佳方案和整个头脑风暴小组提出过的历史最佳方案获取的信息；策略二表示第i个成员的当前方案分别从其所在分组的一个其他成员产生过的最佳方案、该成员所在分组的小组长产生过的历史最佳方案与整个头脑风暴小组提出过的历史最佳方案获取的信息；若执行以下操作；产生一个均匀分布在[0,1]间的随机数若lb为策略三的策略选择概率，按照策略三更新量子旋转角：j＝1,2,...,N，在该策略中基础方案为成员i所在分组的小组长产生过的历史最佳方案；若按照策略四更新量子旋转角：j＝1,2,...,N，在该策略中两个基础方案与分别为随机选择的两个不同分组的小组长产生过的历史最佳方案；策略三表示第i个成员当前方案分别从其所在分组的小组长产生过的历史最佳方案和整个头脑风暴小组产生过的历史最佳方案获取的信息；策略四表示第i个成员当前方案分别从其两个不同随机分组的小组长产生过的历史最佳方案和整个头脑风暴小组产生过的历史最佳方案获取的信息；步骤六：对所有头脑风暴小组成员，根据其当前量子方案i＝1,2,...,H及量子旋转角矢量i＝1,2,...,H更新量子方案；对每一维，使用模拟的量子旋转门，按照以下方程更新：步骤七：对量子方案的每一维进行观测得到方案的每一维，观测方程如下：其中，为均匀分布在[0,1]间的随机数，i＝1,2,...,H，j＝1,2,...,N；步骤八：计算每个成员方案的联合感知概率，并对每个成员的方案进行适应度评价；更新每个成员产生的历史最优方案和整个头脑风暴讨论组的全局最优方案；按自然顺序将这H个头脑风暴成员再次等分为m组(H/m为整数)，确定每个小组的组长和中心方案；步骤九：如果达到最大迭代次数，迭代终止；输出的最优方案即为最佳的工作节点部署方式；否则，返回步骤五继续进行。