基于改进萤火虫优化算法的WSN覆盖优化分析.pdf

《基于改进萤火虫优化算法的WSN覆盖优化分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第26卷第5期传感技术学报V01．26No．5CHINESEJOURNALOFSENSORSANDACTUAFORSMay20132013年5月PerformanceAnalysisofImprovedGlowwormSwarmOptimizationAlgorithmandtheApplicationinCoverageOptimizationofWSNsLIUZhouzhou’，WANGFubao，ZHANGKewang(1．SchoolofElectronicsandInformation，NorthwesternPolytechn

2、icalUniversity，Xi’an710072，China；2．Xi’anAeronauticalUniversity，Xi’an710077，China)Abstract：Theperformanceofimprovedglowwormswarmoptimization(GSO)algorithmanditsapplicationineoverageoptimizationofWSNsandtheglobalconvergenceanalysisofbasicGSOareanalyzedinthispaper．Inordertoi

3、mDrovetheGSOconyergenceeficiency，animprovedGSO(IGSO)ispresented，whichisprovedtobeguaranteedt0thegl0ba10ptimizati0nwithprobabilityone．Further，basedonIGSO，anewcoverageoptimizationalgorithmforWSNsisDresentedaccordingtotheanalysisofGSO．AmodelofcoverageoptimizationinWSNsisbuil

4、tupbytakingn0deuniformitvandnetworkcoveragerateasthecriterion，andtherelationshipbetweennoderedundancyandnetworkcoveragerateandthenodedormancystrategyarepresented．Thenthedeploymentofnodesisdividedintodiflferentstages，andtheIGSOisusedtosolvethemodelineachstage．Throughtestin

5、gclassicaltestfunctionsand0ptimizingtheproblemsofcoverageinWSNS，thesimulationresultsshowthattheIGSOachievesmorereasonableresultsandcaneffectivelyprovidetheoptimalsolutionofnetworkcoverage．Keywords：wirelesssensornetwork；glowwormswarmoptimizationalgorithm；convergence；networ

6、kcoveragerate；noderedundancydegreeEEACC：6150Pdoi：10．3969／j．issn．1004-1699．2013．05．016基于改进萤火虫优化算法的WSN覆盖优化分析术刘洲洲，王福豹，张克旺(1．西北工业大学电子信息学院，西安710072；2．西安航空学院，西安710077)摘要：对改进萤火虫算法性能及其在WSNs网络覆盖优化中的应用问题进行了研究。分析了基本萤火虫算法的全局收敛性，针对其收敛效率低的缺陷，给出了算法改进策略，并证明了改进的萤火虫算法以概率1收敛于全局最优解，在此基础上，提出了

7、基于萤火虫优化的网络覆盖算法，建立了以网络均匀度及网络覆盖率为准则的数学模型，推导了节点冗余度与网络覆盖率之间的关系，给出了节点休眠策略，并将节点部署划分成不同的阶段，在每个阶段，分别采用改进的萤火虫算法对模型进行求解，进而得到无线传感器网络最优覆盖，最后对经典测试函数和WSNs网络覆盖问题进行实验仿真，仿真结果表明改进的算法具有更加理想的运算结果，而且能有效地给出WSNs网络覆盖优化方案。关键词：无线传感器网络；萤火虫算法；收敛性；网络覆盖率；节点冗余度中图分类号：TP393文献标识码：A文章编号：1004-1699(2013)05-0

8、675-082005年，Krishnanand等人根据群智能优化理节自身决策范围来决定搜索范围及移动路径。与粒论，通过模拟自然界中萤火虫发光吸引同伴和向最子群算法、蚁群算法、人工免疫算法等相比