資源描述：
《改進(jìn)QGA在WSNs節(jié)點(diǎn)部署中的應(yīng)用.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、2013年第32卷第n期傳感器與微系統(tǒng)(TransducerandMicrosystemTechnologies)149改進(jìn)QGA在WSNs節(jié)點(diǎn)部署中的應(yīng)用錢成，陳樹，王夫棟，徐保國(guó)(江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院，江蘇無錫214122)摘要：對(duì)含有障礙區(qū)域的無線傳感器網(wǎng)絡(luò)(WSNs)節(jié)點(diǎn)部署問題進(jìn)行研究。建立節(jié)點(diǎn)探測(cè)模型和網(wǎng)絡(luò)覆蓋率評(píng)價(jià)方法，基于概率傳感器模型提出一種部署方式，即對(duì)障礙區(qū)域進(jìn)行隨機(jī)布撒節(jié)點(diǎn)，確定區(qū)域采用量子遺傳算法(QGA)尋找最優(yōu)節(jié)點(diǎn)部署位置，實(shí)現(xiàn)對(duì)同構(gòu)WSNs節(jié)點(diǎn)構(gòu)成的目標(biāo)區(qū)域的高效覆蓋。仿真結(jié)果與GA，QGA相比：改進(jìn)QGA有效提高了算法整體的搜索能力和收斂速
2、度。關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)；確定性空間；節(jié)點(diǎn)部署；量子遺傳算法中圖分類號(hào)：TP273文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-9787(2013)11-0149-04ApplicationofimprovedQGAinWSNsnodedeploymentQIANCheng，CHENShu，WANGFu—dong，XUBao—guo(SchoolofIoTEngineering，JiangnanUniversity，Wuxi214122，China)Abstract：Aimingatproblemofnodedeploymentofwirelesssensornetworks(WSNs
3、)inareaswithobstacleisresearched．Nodedetectionmodelsandnetworkcoveragerateevaluationmethodaresetup．Basedonprobabilisticmodelofsensor，adeploymentmethodisproposed．Randomdeploymentisemployedfortheobstacleareas．Thenquantumgeneticalgorithm(QGA)isusedtofindtheoptimalnodedeploymentpositions．Thus，t
4、hetargetareaisomorphismWSNsnodesiseficientlycoveredisrealized．ThesimulationresuhthatmodifiedQGAefectivelyimproveoverallsearchingabilityandconvergencespeedofalgorithmcomparedwithGAandQGA．Keywords：wirelesssensornetworks(WSNs)；deterministicspace；nodedeployment；quantumgeneticalgorithm(QGA)0引言失。
5、為克服GA的缺點(diǎn)，文獻(xiàn)[9]在量子遺傳算法(quart—在無線傳感器網(wǎng)絡(luò)(WSNs)研究中，網(wǎng)絡(luò)覆蓋表示傳tumgeneticalgorithm，QGA)的基礎(chǔ)上研究并做出算法改進(jìn)，感器節(jié)點(diǎn)通過采集信息對(duì)被監(jiān)測(cè)區(qū)域進(jìn)行感知。節(jié)點(diǎn)提出自適應(yīng)計(jì)算染色體基因長(zhǎng)度和動(dòng)態(tài)調(diào)整旋轉(zhuǎn)角度的策分布優(yōu)化作為WSNs設(shè)計(jì)中的基本問題，是保證網(wǎng)絡(luò)服務(wù)略。文獻(xiàn)[10]在QGA中引入量子災(zāi)變操作，提高種群個(gè)質(zhì)量的有效手段J。網(wǎng)絡(luò)覆蓋問題一般分為隨機(jī)覆蓋和體之間的多樣性，保證算法能夠找到全局最優(yōu)解。確定覆蓋。確定覆蓋是指覆蓋的區(qū)域大小是確定的，通常1問題描述是先劃分網(wǎng)格點(diǎn)，再進(jìn)行傳感器節(jié)點(diǎn)的部署，經(jīng)典算
6、法是最在WSNs中，為提高網(wǎng)絡(luò)覆蓋率，減少感知盲點(diǎn)的出大平均覆蓋_4和最大最小覆蓋算法J。為使傳感器節(jié)點(diǎn)現(xiàn)，往往需要提高傳感器節(jié)點(diǎn)的部署密度。傳感器節(jié)點(diǎn)部模型更符合實(shí)際的應(yīng)用環(huán)境，文獻(xiàn)[6]針對(duì)含障礙物的確署密度過大，會(huì)造成冗余節(jié)點(diǎn)的產(chǎn)生，也增大了實(shí)現(xiàn)成本。定區(qū)域節(jié)點(diǎn)部署問題提出一種含誤警率的概率模型。針對(duì)本文針對(duì)含障礙區(qū)域的網(wǎng)絡(luò)節(jié)點(diǎn)部署問題，提出了一種隨傳感器節(jié)點(diǎn)的高密度部署情況，文獻(xiàn)[7]研究了工作節(jié)點(diǎn)機(jī)部署結(jié)合確定部署的方式：首先對(duì)障礙區(qū)域進(jìn)行隨機(jī)部集選取方法，提出基于加權(quán)遺傳算法(GA)和約束GA2種署，其次應(yīng)用優(yōu)化算法，以最大覆蓋率為目標(biāo)，尋找最優(yōu)傳優(yōu)化覆蓋機(jī)制，尋
7、找傳感器網(wǎng)絡(luò)充分覆蓋區(qū)域所需的近似感器坐標(biāo)點(diǎn)集，再對(duì)確定區(qū)域進(jìn)行部署。最優(yōu)工作點(diǎn)集。GA作為一種進(jìn)化算法，具有較強(qiáng)的全局假定區(qū)域?yàn)槎S平面，擬在區(qū)域上投放Ⅳ個(gè)參數(shù)相搜索功能和求解問題的能力。但它有2個(gè)明顯的缺點(diǎn)：一同的同構(gòu)傳感器節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)的坐標(biāo)均已知。傳感器節(jié)個(gè)是種群中某些超級(jí)個(gè)體的出現(xiàn)而引起的早熟；另一個(gè)是點(diǎn)集表示為選擇和變異算子的作用，使得一些優(yōu)秀的基因片段過早丟C={c1，c2，C3，?，cⅣ}．(1)收稿Et期：2013-05-08基金項(xiàng)目：江蘇省六大人才高峰資助項(xiàng)目(2012一WLW-00
