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：哈尔滨理工大学

摘要：本发明公开了基于混沌自适应飞蛾算法的WSN目标覆盖方法及装置，属于无线传感器网络覆盖技术领域。解决了现有技术中传统的WSN目标覆盖方法覆盖范围不全面的问题；本发明采用自适应飞蛾算法建立目标覆盖模型，得到飞蛾最优位置；将飞蛾最优位置提供给飞蛾对应的火焰，更新火焰位置，通过淘汰飞蛾适应度差的火焰，更新火焰数量；采用混沌策略更新当前飞蛾位置；采用精英策略淘汰飞蛾适应度差的飞蛾，得到最优飞蛾适应度，根据再次更新后的火焰位置和火焰数量，保留当前最优飞蛾位置；根据设定的混沌自适应飞蛾算法迭代阈值，输出最优的飞蛾位置和适应度，得到传感器节点的最优部署方案。本发明有效提升了覆盖面积，可以应用于WSN目标覆盖。

主权项：1.基于混沌自适应飞蛾算法的WSN目标覆盖方法，其特征在于，包括以下步骤：S1.采用自适应飞蛾算法建立目标覆盖模型，得到飞蛾最优位置；S11.选定目标区域大小、传感器数量和传感器感知半径，确定目标覆盖概念和自适应飞蛾算法概念的对应关系，在设定的监测区域内，随机初始化飞蛾位置；具体的：传感器节点对应飞蛾，传感器节点的覆盖率对应飞蛾适应度值；S12.以传感器节点的覆盖率为优化目标，获取飞蛾适应度值并进行排序，构建目标覆盖模型，得到所有飞蛾位置；S2.将飞蛾最优位置提供给飞蛾对应的火焰，更新火焰位置，通过淘汰飞蛾适应度差的火焰，更新火焰数量；S3.根据飞蛾种群密度及其阈值，判断混沌自适应飞蛾算法是否陷入局部最优，陷入局部最优则采用混沌策略更新当前飞蛾位置；S4.采用精英策略淘汰飞蛾适应度差的飞蛾，得到最优飞蛾适应度，根据再次更新后的火焰位置和火焰数量，保留当前最优飞蛾位置；S5.判断是否达到设定的混沌自适应飞蛾算法迭代阈值，若未达到，则返回步骤S2循环上述操作，否则，输出最优飞蛾位置和最优适应度，得到传感器节点的最优部署方案；所述S12中，以传感器节点的覆盖率作为优化目标，得到包含飞蛾位置表示飞蛾适应度的监测关系矩阵；监测关系矩阵表示为： ；其中，为被监测目标，，为传感器节点，，表示第e个被监测目标被第f个传感器节点监测，=0表示第e个被监测目标在第f个传感器节点的覆盖范围之外，=1表示第e个被监测目标在第f个传感器节点的覆盖范围之内；监测关系矩阵的约束条件表示为： ；当优化目标为成功监测到的最大被监测目标总数，即传感器节点的覆盖率最大时，采用函数得到目标覆盖模型；目标覆盖模型表示为： ；目标覆盖模型的约束条件表示为： ；其中，表示被监测目标在传感器节点的覆盖范围之外，表示被监测目标在传感器节点的覆盖范围之内，X为监测单一被监测目标的传感器节点数量最小值；所述S2中，每一次迭代中减少火焰的飞蛾根据当前最小飞蛾适应度的对应火焰位置更新其自身位置，最初火焰数量与飞蛾的种群大小保持一致，得到飞蛾扑向火焰的位置函数；飞蛾扑向火焰的位置函数表示为： ；其中，为第只飞蛾的位置，为第个火焰的位置，b为所定义的对数螺旋形状函数，为第只飞蛾与第个火焰的距离，为自适应惯性权重系数，路径系数t为[-1,1]中的随机数；考虑火焰引导飞蛾搜索的差异，设计自适应惯性权重策略，得到自适应惯性权重系数公式；自适应惯性权重系数公式表示为： ；其中，为第只飞蛾在第次迭代中的自适应惯性权重系数，为次迭代中所有飞蛾个体中的最大适应度值，为当前第只飞蛾在次迭代中的适应度值；计算出历史最佳火焰平均值；历史最佳火焰平均值表示为： ；其中，为第个火焰的历史最优位置，为选择的火焰数量：通过火焰位置更新公式自适应减少火焰数量，最终收敛于1；火焰位置更新公式表示为： ；其中，为取整函数，为迭代后的火焰数量，为最初火焰数量，为迭代次数，为最大迭代次数。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 基于混沌自适应飞蛾算法的WSN目标覆盖方法及装置