智能优化算法应用:基于麻雀搜索算法3D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3D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3D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,半径为智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_搜索算法的圆形区域,该圆形区域通常被称为该节点的“感知圆盘”,智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_搜索算法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,假设节点智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_算法_03的位置坐标为智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_python_04在0-1感知模型中,对于平面上任意一点智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_人工智能_05,则节点智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_算法_03监测到区域内点智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_搜索算法_07的事件发生概率为:
智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_机器学习_08
其中智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_搜索算法_09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,在区域智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_人工智能_10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:
智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_机器学习_11
其中智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_算法_12,表示以节点智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_python_13为圆心,r为监测半径的球,假定监测区域智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_人工智能_10被数字化离散为智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_算法_15个空间点,空间点的坐标为智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_人工智能_16,目标点与传感器节点间的距离为:
智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_机器学习_17
目标区域内点被传感器节点所覆盖的事件定义为智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_算法_18。则该事件发生的概率智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_人工智能_19即为点智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_人工智能_16被传感器节点智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_机器学习_21所覆盖的概率:
智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_python_22
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智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_搜索算法_23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:
智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_算法_24
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:
智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_机器学习_25

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*AreaY*AreaZ
AreaX = 100;
AreaY = 100;
AreaZ = 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=30; %设定最大迭代次数
lb = ones(1,3*N);
ub = [AreaX.*ones(1,N),AreaY.*ones(1,N),AreaZ.*ones(1,N)];
dim = 3*N;%维度为3N,N个坐标点

5.算法结果

智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_搜索算法_26


智能优化算法应用:基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化_python_27

从结果来看,覆盖率在优化过程中不断上升。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

基于麻雀搜索算法的3D无线传感器网络(WSN)覆盖优化
基于鲸鱼算法的3D无线传感器网(WSN)覆盖优化
基于粒子群算法的3D无线传感器网(WSN)覆盖优化
基于遗传算法的的3D无线传感器网(WSN)覆盖优化
基于差分进化算法的3D无线传感器网(WSN)覆盖优化
基于人工蜂群算法的3D无线传感器网(WSN)覆盖优化
基于萤火虫算法的3D无线传感器网(WSN)覆盖优化
基于布谷鸟算法的3D无线传感器网(WSN)覆盖优化

个人资料介绍