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：华东交通大学

摘要：本发明实施公开了一种基于多策略改进蜜獾算法的无线传感器网络部署方法，在算法初始化阶段，使用改进的Tent映射初始化种群，在保证种群随机性的同时进一步提升种群平衡；计算传感器覆盖率的时候，综合考虑了温度、湿度、地形等因素对传感器节点覆盖衰减的影响；在算法挖掘阶段，引入两种模式的改进莱维飞行策略，增强算法的随机搜索能力的同时，减少算法搜索时间，提升算法的收敛能力；在算法采蜜阶段，使用基于差分思想的柯西变异对最优解进行优化，提高算法跳出局部最优的能力，避免算法个体早熟。

主权项：1.一种基于多策略改进蜜獾算法的无线传感器网络部署方法，其步骤为：S01、使用改进Tent混沌映射初始化监测区域内的无线传感器网络节点的部署位置，随机生成多种无线传感器网络节点的部署方案，这些部署方案的集合作为种群；S02、采用概率感知模型计算种群的覆盖率，将种群的覆盖率作为种群的适应度值；综合考虑监测区域内温度、湿度、地形以及距离的影响，采用概率感知模型作为覆盖率计算模型，无线传感器网络节点的覆盖率作为适应度值，概率感知模型为： 其中，s和p分别为无线传感器网络节点和目标点，无线传感器网络节点s的部署位置的坐标为sx,sy，目标点p为监测区域里面的各个网格点，目标点p坐标为px,py，RH表示湿度，T表示温度，ds,p表示无线传感器网络节点s与目标点p之间的欧氏距离，其中rs为无线传感器网络节点的感知半径，ru是地形因素对无线传感器网络节点感知能力影响的度量，ru表示为： 其中，k为地形参数，kmax为地形参数的最大值；在监测区域内目标点被无线传感器网络节点覆盖的概率Ps为：Ps＝1-Πs∈area1-fds,p，其中，∏s∈area为监测区域内无线传感器网络节点未覆盖概率的累乘；根据无线传感器网络节点对目标点的覆盖情况，求解无线传感器网络节点对监测区域的覆盖率，将覆盖率作为适应度值Rarea：Rarea＝∑PsSarea其中Sarea为监测区域的面积；S03、对种群进行迭代，设置一个随机概率g1，g1∈rand，rand生成0到1之间的随机数，如果g1大于0.5，则进入挖掘阶段，否则进入采蜜阶段；S04、在算法的挖掘阶段，根据迭代次数变化对结合果蝇飞行优化算法以及结合黄金正弦搜索机制的两种改进莱维飞行策略进行概率选择，更新无线传感器网络节点的部署位置，并根据更新后的无线传感器网络节点的部署位置计算无线传感器网络节点的适应度值；选择概率fp为： 其中，t为迭代次数，Tmax为最大迭代次数；如果fp大于0.5，采用结合果蝇飞行优化算法的莱维飞行策略，否则采用结合黄金正弦搜索机制的莱维飞行策略；其中采用结合果蝇飞行优化算法的莱维飞行策略更新无线传感器网络节点部署位置为： 其中，表示在第t次迭代中的无线传感器网络节点最优部署位置，为第t+1次迭代中无线传感器网络节点部署位置，α为步长控制量，α＝2×exp-tTmax，为点对点乘法,fly为果蝇飞行步长，Levyλ为随机搜索路径；Levyλ表示为： 其中，β取值为1.5，μ和v为分别服从正态分布的随机数，当v的方差σv＝1时，μ的方差σμ表示为： 采用结合黄金正弦搜索机制的莱维飞行策略更新无线传感器网络节点部署位置为： 其中，c1＝ah+b1-h，c2＝a1-h+bh，a、b是取值为0到π的随机数，h是黄金分割率系数，取值为0.6183；dis为无线传感器网络最优节点与当前节点的距离，r1、r2为0到1的随机数，abs为绝对值函数；S05、在算法的采蜜阶段，采用基于差分思想的柯西变异策略对无线传感器网络节点的部署位置进行变异，计算无线传感器网络节点的适应度值，与变异前的无线传感器节点进行适应度值大小比较，选择适应度值大的作为当前区域内最优无线传感器网络节点部署位置；S06、判断迭代次数是否达到最大迭代次数，到达最大迭代次数则退出迭代，输出最优结果，否则重复执行步骤S03-S05。

全文数据：

权利要求：

百度查询： 华东交通大学 一种基于多策略改进蜜獾算法的无线传感器网络部署方法