智能优化算法应用:基于麻雀搜索算法无线传感器网络(WSN)覆盖优化 - 附代码
文章目录
智能优化算法应用:基于麻雀搜索算法无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.麻雀搜索算法4.实验参数设定5.算法结果6.参考文献7.MATLAB代码摘要:本文主要介绍如何用麻雀搜索算法进行无线传感器网(WSN)覆盖优化。
1.无线传感网络节点模型
本文主要基于0/1模型,进行寻优。在二维平面上传感器节点的感知范围是一个以节点为圆心,半径为RnR_nRn的圆形区域,该圆形区域通常被称为该节点的“感知圆盘”,RnR_nRn称为传感器节点的感知半径,感知半径与节点内置传感器件的物理特性有关,假设节点nnn的位置坐标为(xn,yn)(x_n,y_n)(xn,yn)在0-1感知模型中,对于平面上任意一点p(xp,yp)p(x_p,y_p)p(xp,yp),则节点nnn监测到区域内点ppp的事件发生概率为:
Pr(n,p)={1,d(n,p)≤Rn0,esle(1)P_r(n,p)=\begin{cases}1, \,d(n,p)\leq R_n\\ 0,\, esle \end{cases}\tag{1} Pr(n,p)={1,d(n,p)≤Rn0,esle(1)
其中d(n,p)=(xn−xp)2+(yn−yp)2d(n,p)=\sqrt{(x_n-x_p)^2+(y_n-y_p)^2}d(n,p)=(xn−xp)2+(yn−yp)2为点和之间的欧式距离。
2.覆盖数学模型及分析
现假定目标监测区域为二维平面,在区域AreaAreaArea上投放同型结构传感器节点的数目为N,每个节点的位置坐标值假设已被初始化赋值,且节点的感知半径r。传感器节点集则表示为:
Node{x1,...,xN}(2)Node\{x_1,...,x_N\} \tag{2} Node{x1,...,xN}(2)
其中nodei={xi,yi,r}node_i=\{x_i,y_i,r\}nodei={xi,yi,r},表示以节点(xi,yi)(x_i,y_i)(xi,yi)为圆心,r为监测半径的圆,假定监测区域AreaAreaArea被数字化离散为m∗nm*nm∗n个像素点,像素点的坐标为(x,y)(x,y)(x,y),目标像素点与传感器节点间的距离为:
d(nodei,p)=(xi−x)2+(yi−y)2(3)d(node_i,p)=\sqrt{(x_i-x)^2+(y_i-y)^2}\tag{3} d(nodei,p)=(xi−x)2+(yi−y)2(3)
目标区域内像素点被传感器节点所覆盖的事件定义为cic_ici。则该事件发生的概率PciP{c_i}Pci即为像素点(x,y)(x,y)(x,y)被传感器节点nodeinode_inodei所覆盖的概率:
Pcov(x,y,nodei)={1,ifd(nodei,p)≤r0,esle(4)P_{cov}(x,y,node_i)=\begin{cases}1, if\,d(node_i,p)\leq r\\ 0,\, esle \end{cases}\tag{4} Pcov(x,y,nodei)={1,ifd(nodei,p)≤r0,esle(4)
我们将所有的传感器节点在目标监测环境中的区域覆盖率CoverRatioCoverRatioCoverRatio定义为传感器节点集的覆盖面积与监测区域的面积之比,如公式所示:
CoverRatio=∑Pcovm∗n(5)CoverRatio = \frac{\sum P_{cov}}{m*n}\tag{5} CoverRatio=m∗n∑Pcov(5)
那我们的最终目标就是找到一组节点使得覆盖率最大。
3.麻雀搜索算法
麻雀搜索算法具体原理请参照:/u011835903/article/details/108830958,麻雀搜索算法是寻找最小值。于是适应度函数定义为未覆盖率最小,即覆盖率最大。如下:
fun=argmin(1−CoverRatio)=argmin(1−∑Pcovm∗n)(6)fun = argmin(1 - CoverRatio) = argmin(1-\frac{\sum P_{cov}}{m*n}) \tag{6} fun=argmin(1−CoverRatio)=argmin(1−m∗n∑Pcov)(6)
4.实验参数设定
无线传感器覆盖参数设定如下:
%% 设定WNS覆盖参数,%% 默认输入参数都是整数,如果想定义小数,请自行乘以系数变为整数再做转换。%% 比如范围1*1,R=0.03可以转换为100*100,R=3;%区域范围为AreaX*AreaYAreaX = 100;AreaY = 100;N = 20 ;%覆盖节点数R = 15;%通信半径
麻雀搜索算法参数如下:
%% 设定麻雀优化参数pop=30; % 种群数量Max_iteration=80; %设定最大迭代次数lb = ones(1,2*N);ub = [AreaX.*ones(1,N),AreaY.*ones(1,N)];dim = 2*N;%维度为2N,N个坐标点
5.算法结果
从结果来看,覆盖率在优化过程中不断上升,最终达到83.11%的最优覆盖率。表明麻雀搜索算法对覆盖优化起到了优化的作用。
6.参考文献
[1] 史朝亚. 基于PSO算法无线传感器网络覆盖优化的研究[D]. 南京理工大学.
7.MATLAB代码
[基于麻雀算法的无线传感器网(WSN)覆盖优化]
[基于蚁狮算法的无线传感器网(WSN)覆盖优化]
[基于鲸鱼算法的无线传感器网(WSN)覆盖优化]
[基于粒子群算法的无线传感器网(WSN)覆盖优化]
[基于遗传算法的的无线传感器网(WSN)覆盖优化]
[基于差分进化算法的无线传感器网(WSN)覆盖优化]
[基于人工蜂群算法的无线传感器网(WSN)覆盖优化]
[基于萤火虫算法的无线传感器网(WSN)覆盖优化]
[基于布谷鸟算法的无线传感器网(WSN)覆盖优化]
个人资料介绍