無(wú)線傳感器網(wǎng)絡(luò)論文：基于量子遺傳算法的無(wú)線傳感器網(wǎng)絡(luò)能量?jī)?yōu)化研究

《無(wú)線傳感器網(wǎng)絡(luò)論文：基于量子遺傳算法的無(wú)線傳感器網(wǎng)絡(luò)能量?jī)?yōu)化研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、無(wú)線傳感器網(wǎng)絡(luò)論文：基于量子遺傳算法的無(wú)線傳感器網(wǎng)絡(luò)能量?jī)?yōu)化研究【中文摘要】無(wú)線傳感器網(wǎng)絡(luò)是由大量具有通信和計(jì)算能力的無(wú)線傳感器節(jié)點(diǎn)組成的部署在目標(biāo)區(qū)域完成指定任務(wù)的自組織、自治、自適應(yīng)的多跳網(wǎng)絡(luò)。傳感器網(wǎng)絡(luò)的可移動(dòng)性決定了它應(yīng)用的優(yōu)越性和廣泛性,但是又由于其可移動(dòng)性,通常工作在野外且其能量主要由電池來(lái)提供,因此也導(dǎo)致了其能源供應(yīng)的局限性。作為多跳網(wǎng)絡(luò)且能量受限,因此無(wú)線傳感器網(wǎng)絡(luò)的路徑搜索算法和能量?jī)?yōu)化成為了近年來(lái)廣大學(xué)者的研究的兩大熱點(diǎn)問(wèn)題。量子遺傳算法是傳統(tǒng)遺傳算法與量子計(jì)算理論相結(jié)合而產(chǎn)生的新

2、型隨機(jī)搜索優(yōu)化算法。它不但繼承了傳統(tǒng)遺傳算法的高效并行的優(yōu)點(diǎn),還同時(shí)具有種群規(guī)模小、搜索能力強(qiáng)、收斂速度快且最優(yōu)解穩(wěn)定性高等特點(diǎn)。因此其求解組合優(yōu)化問(wèn)題可以表現(xiàn)出優(yōu)越的性能。論文首先從遺傳算法出發(fā)分析其優(yōu)缺點(diǎn),介紹了量子計(jì)算相關(guān)理論,引出量子遺傳算法并對(duì)量子比特編碼和量子比特更新這兩個(gè)關(guān)鍵內(nèi)容進(jìn)行了詳細(xì)的描述,給出了量子遺傳算法的突出特點(diǎn)。然后詳細(xì)描述將量子遺傳算法引入到無(wú)線傳感器網(wǎng)絡(luò)進(jìn)行路由搜尋的具體實(shí)現(xiàn),通過(guò)路由搜尋結(jié)果與粒子群優(yōu)化算法比較分析該算法應(yīng)用于網(wǎng)絡(luò)路由查找的相關(guān)性能?；诖肆孔舆z傳算法

3、進(jìn)行傳感器路由的模型,引入能量?jī)?yōu)化策略,平均化網(wǎng)絡(luò)各節(jié)點(diǎn)的能量消耗速度,提高網(wǎng)絡(luò)性能。在大規(guī)模傳感器網(wǎng)絡(luò)中,上述編碼方式下的量子遺傳算法由于網(wǎng)絡(luò)規(guī)模擴(kuò)大而導(dǎo)致算法復(fù)雜度過(guò)高,因此本文采用一種改進(jìn)的編解碼思路,減短大規(guī)模傳感器網(wǎng)絡(luò)下量子染色體的編碼長(zhǎng)度,解決傳統(tǒng)路由搜索算法無(wú)法滿足大規(guī)模網(wǎng)絡(luò)路由搜索和實(shí)時(shí)性的要求。論文利用VisualC++6.0為主要編程工具,并利用MATLAB作圖,實(shí)現(xiàn)算法在無(wú)線傳感器網(wǎng)絡(luò)中的系統(tǒng)仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明：(1)量子遺傳算法應(yīng)用于傳感器網(wǎng)絡(luò)進(jìn)行路徑搜索比粒子群優(yōu)化算法具

4、有更快的收斂速度和更優(yōu)的路徑搜索結(jié)果。(2)引入能量分級(jí)策略后,傳感器網(wǎng)絡(luò)融合中心處的各個(gè)節(jié)點(diǎn)的能量更為平均化,提高了網(wǎng)絡(luò)的生存時(shí)間。并且分析了合理選擇能量分級(jí)的級(jí)數(shù),提高網(wǎng)絡(luò)生存時(shí)間的同時(shí)也滿足對(duì)路徑搜索的實(shí)時(shí)性要求。(3)改進(jìn)編碼方式下的量子遺傳算法成功解決了大規(guī)模傳感器網(wǎng)絡(luò)最優(yōu)路徑搜索問(wèn)題,結(jié)合能量?jī)?yōu)化策略,優(yōu)化了傳感器網(wǎng)絡(luò)的能量效率,從而提高了無(wú)線傳感器網(wǎng)絡(luò)的性能。【英文摘要】Wirelesssensornetwork(WSN)iscomposedofalargenumberofwireles

5、ssenornodeswhichcancommunicatewitheachotherandpossesscomputingcapabilities.Thesenodesaredeployedinthetargetareatocompletetheassignedtask.SotheWSNisaself-organizing,autonomous,adaptivemulti-hopnetwork.BecauseoftheWSN’smobility,itenablesitssuperiorityandb

6、roadapplication.Ontheotherhand,sinceWSNusuallyworksinthefieldanditsmainenergysourceisprovidedbythebattery,themobilityalsoledtothelimitationoftheenergysupplying.Becauseofthemulti-hopandenergylimitation,routingsearchalgorithmsandenergyoptimizationaretwocu

7、rrenthotissuesinWSN.Quantumgeneticalgorithm(QGA)isanewrandomsearchoptimizationalgorithm,whichiscombinedbytraditionalgeneticalgorithmandquantumcomputingtheory.QGAdoesnotonlyinherittheadvantagesofparallelandhigh-performanceoftraditionalgeneticalgorithm,bu

8、talsohasasmallpopulationsize,ahighsearchcapability,rapidconvergenceandahighstabilityoptimalsolution.ThereforeQGAcanshowsuperiorperformancetosolvecombinatorialoptimizationproblems.Firstly,theadvantagesanddisadvantagesofgeneticalgo