买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：盐城工学院;盐城工学院技术转移中心有限公司

摘要：一种基于改进淘金算法的多目标无线传感器网络部署方法，1从最优覆盖、最低能耗、最小节点冗余三个目标出发，建立无线传感器网络部署优化模型；2对淘金算法进行改进设计，解决无线传感器网络部署优化问题；3初始化种群矩阵，并将种群矩阵赋值给搜索代理矩阵，再计算参数l1和l2；4根据模型函数对种群矩阵和搜索代理矩阵中每个个体计算适应度；5对参数l1和l2进行更新，再使用迁移、淘金或合作三种改进后的策略之一来计算搜索代理的新位置，并对种群进行越界处理；6迭代十次以后，如果最佳个体位置的适应度变化幅度较小，对种群进行随机差分变异扰动；7若适应度值达到最优，则全局最佳个体位置即为优化后的传感器节点位置。

主权项：1.一种基于改进淘金算法的多目标无线传感器网络部署方法，其特征在于，包括以下步骤：步骤1：从最优覆盖、最低能耗、最小节点冗余三个目标出发，建立无线传感器网络部署优化模型；步骤2：对淘金算法进行改进设计，确保算法具备强鲁棒性，用以解决无线传感器网络部署优化问题；步骤3：初始化种群矩阵，并将种群矩阵赋值给搜索代理矩阵，再计算参数l1和l2；步骤4：根据模型函数对种群矩阵和搜索代理矩阵中每个个体计算适应度，如果搜索代理矩阵中的个体适应度值优于种群矩阵中相对应的个体适应度值，则更新种群矩阵中该个体的位置，再对全局最佳个体位置进行比较与更新；步骤5：对参数l1和l2进行更新，再使用迁移、淘金或合作三种改进后的策略之一来计算搜索代理的新位置，并对种群进行越界处理；步骤6：迭代十次以后，如果最佳个体位置的适应度变化幅度较小，则对种群进行随机差分变异扰动；步骤7：若适应度值达到最优或达到最大迭代次数，则全局最佳个体位置即为优化后的传感器节点位置，否则回到步骤4继续迭代更新；所述步骤1具体为：步骤1-1：建立无线传感器覆盖率模型；在一个长为L、宽为W、高为H的连续待监测立方体区域中，将该区域离散化处理为K个像素点，并在该离散化区域内随机分配N个无线传感器节点，每个传感器节点具有相同的感知半径R；传感器节点的集合可以表示为S＝{s1,s2,...,sN}，监测区域节点的集合以为表示为M＝{m1,m2,...,mK}，设传感器节点si坐标为xi,yi,zi，监测节点mj坐标为xj,yj,zj，则传感器节点感知率Pcov被定义如下： 因此，所有传感器对监测节点mj的联合感测概率分布表示为下式： 整个无线传感器网络监测区域的总覆盖率模型定义如下： 步骤1-2：建立无线传感器能耗模型；通过计算传感器在移动前后位置之间的距离并进行归一化处理，得到具体的能量消耗模型： 步骤1-3：建立无线传感器节点冗余率模型；定义节点的冗余率为传感器实际覆盖区域Vv与其理论最大覆盖区域Vm之比，则节点冗余率模型可以通过以下公式表示： 步骤1-4：建立多目标优化模型；对目标Rc、Re、Rr进行加权求和，得到优化模型：f＝λ11-Rc+λ2Rr+λ3Re7因此，无线传感器部署优化问题转化为在决策变量集合X中寻找f的最优解X*描述如下：fX*＝minfX8所述步骤2具体为：步骤2-1：改进淘金算法的迁移阶段更新策略，在迁移阶段将种群分为勘探者和掠夺者两个部分，根据不同的部分进行各自的搜索策略，勘探者更新公式如下：Xet+1＝Xit+A1·D1·Levy9A1＝1+l1·r1-0.510D1＝2r2·Xbestt-Xit11 其中，Xi、Xe和Xbest分别表示为第i个淘金者的位置、勘探者个体的位置和全局最佳个体位置，t和T分别代表当前迭代次数和最大迭代次数，r1和r2是值在[0,1]范围内的随机向量，α1和α2为两个属于[0,1]内的随机数，β为调节参数，取值为1.5；将适应度最差的一部分个体作为掠夺者，其更新公式如下：Xmt+1＝Xbestt+|Xit-Xbestt|·A+·L15其中，Xm代表掠夺者个体，L是一个元素都为1的向量，A是一个元素为1与-1随机分布的向量，且A+＝ATAAT-1；改进后的迁移阶段更新策略如下式： 其中，Xnewi是第i个淘金者的搜索代理位置，Explorer是勘探者集合，Marauder是掠夺者集合；步骤2-2：改进淘金算法的淘金阶段更新策略，在淘金阶段引入动态反向学习策略，其具体的更新公式如下： Xnewi′t+1＝Xrt+A2·D218A2＝2l2r1-l219D2＝Xit-Xrt20 oPi,j＝r1·r2·aj+bj-Xnewi,j′t+1-Xnewi,j′t+123 步骤2-3：改进淘金算法的合作阶段更新策略，在利用局部信息基础上，再结合全局信息共同指导算法，其具体的更新公式如下：Xnewit+1＝Xit+r1·D325D3＝Xbestt-Xg2t+Xg1t-Xworset26其中，Xworset是整个种群在第t次迭代中的最劣个体，Xg1t和Xg2t表示除了当前个体以外随机选取两个不同的淘金者个体；步骤2-4：引入随机差分变异策略，当种群陷入局部最优时，通过该策略增加种群多样性，具体更新如下： X′it+1＝Xit+r1·D428D4＝Xbestt-Xkt+Xmt-Xnt29其中，X′it+1是由个体Xi在第t+1次迭代中通过随机差分变异策略所生成的新个体，Xkt、Xmt和Xnt表示除了当前个体以外随机选取的三个互不相同的个体；所述步骤3具体为：首先，初始化淘金者种群矩阵，矩阵维度为nPop×3N，其中nPop为种群数量，N为节点数量，其初始化公式为：X＝lb+randnPop,3N·ub-lb30其中，X为淘金者种群矩阵，nPop为种群规模，3N为空间维度，randnPop,3N是一个值在[0,1]范围内的nPop×3N随机矩阵，ub、lb为上下界，种群矩阵中每一行向量都代表一组无线传感器网络的部署方案；其次，将种群矩阵X赋值给搜索代理矩阵Xnew；最后，根据式1221计算参数l1和l2的初始值；所述步骤4具体为：步骤4-1：根据建立好的优化模型f计算种群矩阵和搜索代理矩阵中每个个体的适应度；步骤4-2：更新种群矩阵中的个体位置Xi，更新公式如下： 步骤4-3：更新全局最佳个体位置Xbest即当前最优的无线传感器网络部署方案，更新公式如下：

全文数据：

权利要求：

百度查询： 盐城工学院 盐城工学院技术转移中心有限公司 基于改进淘金算法的多目标无线传感器网络部署方法