楊巍

遼寧錦州渤海大學(xué)工學(xué)院

PSO算法優(yōu)化可充電無線傳感器網(wǎng)絡(luò)

楊巍

遼寧錦州渤海大學(xué)工學(xué)院

節(jié)點(diǎn)感知范圍的限制性是和傳感器節(jié)點(diǎn)的相關(guān)物理結(jié)構(gòu)特性有著重要的聯(lián)系，所以不可以確保監(jiān)測(cè)區(qū)域的范圍能夠滿足具體的需求，無線傳感器網(wǎng)絡(luò)的覆蓋控制問題的特征是群體自組織，本文基于PSO算法構(gòu)建了覆蓋優(yōu)化策略，確保了覆蓋率的實(shí)現(xiàn)。

無線傳感器網(wǎng)絡(luò) PSO 覆蓋率

1 無線傳感器網(wǎng)絡(luò)概述

無線傳感器網(wǎng)絡(luò)所具有的能力主要包括了計(jì)算、感知以及通信等，采用的方式是結(jié)合隨機(jī)性散播與確定性部署，在某監(jiān)測(cè)區(qū)域的附近部署節(jié)點(diǎn)。無線傳感器網(wǎng)絡(luò)的結(jié)構(gòu)圖如圖1所示。

圖1 無線傳感器網(wǎng)絡(luò)的結(jié)構(gòu)圖

無線傳感器網(wǎng)絡(luò)主要的作用是感知被監(jiān)測(cè)區(qū)域所處的環(huán)境，實(shí)現(xiàn)數(shù)據(jù)的采集與轉(zhuǎn)發(fā)，從而最終將數(shù)據(jù)進(jìn)行分析后，傳遞給監(jiān)測(cè)中心抑或是用戶終端，用戶根據(jù)一些基礎(chǔ)的網(wǎng)絡(luò)設(shè)施從而遠(yuǎn)程監(jiān)測(cè)以及訪問監(jiān)測(cè)中心，最終達(dá)到實(shí)時(shí)跟蹤人類由于環(huán)境的變化而發(fā)生的變化等。傳感器節(jié)點(diǎn)一般結(jié)構(gòu)示意圖如圖2所示。

圖2 傳感器節(jié)點(diǎn)結(jié)構(gòu)示意圖

2 粒子群算法概述

在20世紀(jì)50年代中期，出現(xiàn)了多種仿生群智能算法，比如蜂群算法與細(xì)菌群體優(yōu)化算法等，通過這些算法從而進(jìn)一步地處理了一些復(fù)雜的問題。1987年誕生了PSO（粒子群優(yōu)化算法）的模型理論，在1995年Kennedy提出了PSO算法。PSO算法作為高效與新穎并行的一種群智能算法，算法中不包括相關(guān)的目標(biāo)函數(shù)梯度信息，而且參數(shù)也比較少，實(shí)現(xiàn)起來比較容易，得出的問題的精確度也很高。

3 粒子群算法原理

在基于鳥群捕食行為的相關(guān)研究，Kennedy提出了PSO算法，在粒子群算法中，將鳥設(shè)定成候選可行解也就是所謂的粒子，該候選可行解是D維搜索空間中的解。其中候選可行解的最優(yōu)值是和鳥與食物之間的距離有著直接的影響關(guān)系，粒子解群的進(jìn)化也就意味著鳥群的遷徙，根據(jù)鳥群飛行中的速度初始化的，以及兩個(gè)“極值點(diǎn)”，這極值點(diǎn)主要指的是歷史最優(yōu)解與全局極值，從而進(jìn)一步判斷鳥的飛行方向，并且決定鳥的移動(dòng)位置，最終實(shí)現(xiàn)優(yōu)化算法。

PSO算法實(shí)現(xiàn)起來比較方便，而且所具有的參數(shù)也比較少，但是粒子群算法也存在著不足之處：①影響粒子局部階段性的最優(yōu)解會(huì)受到粒子在飛行過程中所處的歷史位置影響，而影響所求值的精確度；②設(shè)置的參數(shù)值不當(dāng)或設(shè)置的數(shù)目不對(duì)，會(huì)導(dǎo)致整個(gè)求解過程中求解能力減低，使得全局極值點(diǎn)不是最優(yōu)。

4 粒子群算法改進(jìn)

根據(jù)G-PSO算法中的粒子的運(yùn)動(dòng)情況的變化從而進(jìn)行最差機(jī)遇粒子群算法的設(shè)計(jì)，螢火蟲粒子群算法的設(shè)計(jì)基于L-PSO算法，考慮到全局版粒子群算法較快的收斂速度和局部版粒子群算法的收斂慢，不太會(huì)出現(xiàn)局部極值點(diǎn)，然而有著較快的全局版粒子群算法和收斂比較慢的很容易出現(xiàn)早熟的局部極值點(diǎn)，結(jié)合螢火蟲粒子群算法和全局版粒子群算法最終形成的算法是GLG-PSO算法，當(dāng)實(shí)驗(yàn)中的參數(shù)設(shè)置一致，進(jìn)行結(jié)果分析，并且分析算法的優(yōu)缺點(diǎn)。WCG-PSO算法流程如圖3所示。

圖3 WCG-PSO算法流程

4.1 改進(jìn)算法實(shí)驗(yàn)結(jié)果對(duì)比分析

當(dāng)參數(shù)設(shè)定是一樣的時(shí)候，分析算法的改進(jìn)情況如下。

圖4 改進(jìn)算法覆蓋優(yōu)化實(shí)驗(yàn)對(duì)比圖

位置的變化范圍是從[0，20]到[0，20]，節(jié)點(diǎn)的個(gè)數(shù)設(shè)置為20，迭代次數(shù)設(shè)置為400，感知的半徑設(shè)置為r=3，而速度的變化范圍區(qū)間是[-2，2]。算法改進(jìn)的仿真對(duì)比結(jié)果如圖4所示。

實(shí)驗(yàn)對(duì)比結(jié)果表如表1所示。

表1 實(shí)驗(yàn)對(duì)比結(jié)果表

從表1中能夠發(fā)現(xiàn)，全局版粒子群算法能夠?qū)﹄S機(jī)散播方式的傳感器節(jié)點(diǎn)所產(chǎn)生的WSN的覆蓋率進(jìn)行改善，覆蓋率提高了6.57%，而且當(dāng)參數(shù)設(shè)置是一樣的情況下WCG-PSO算法的覆蓋率比G-PSO算法高出3.16%，其中的收斂速度也提高了32.04%。

結(jié)語(yǔ)：本文介紹了PSO算法優(yōu)化網(wǎng)絡(luò)，物聯(lián)網(wǎng)的末梢神經(jīng)是無線傳感器網(wǎng)絡(luò)，主要集合了信息傳輸與融合處理以及感知數(shù)據(jù)等的智能群體型，對(duì)目標(biāo)區(qū)域進(jìn)行監(jiān)測(cè)，將來自人類客觀世界中的物理信息進(jìn)行采集，確定性部署多數(shù)人類很難達(dá)到監(jiān)測(cè)區(qū)，確保覆蓋率的實(shí)現(xiàn)。

[1]梁英,于海斌,曾鵬.應(yīng)用PSO優(yōu)化基于分簇的無線傳感器網(wǎng)絡(luò)路由協(xié)議[J]. 控制與決策, 2006, 21(4):453-456

[2]蔣暢江,石為人,向敏,等.基于PSO的無線傳感器網(wǎng)絡(luò)節(jié)能分簇協(xié)議[J]. 計(jì)算機(jī)工程, 2010, 36(8):15-17

[3]范興剛,王翊,介婧,等.基于離散PSO的分層多鏈無線傳感器網(wǎng)絡(luò)路由算法[J].傳感技術(shù)學(xué)報(bào), 2010, 23(7):1006-1011

[4]張斌,陳國(guó)龍,郭文忠.無線傳感器網(wǎng)絡(luò)中帶PSO-BPNN的時(shí)空預(yù)測(cè)算法[J].小型微型計(jì)算機(jī)系統(tǒng), 2014, 35(9):2052-2057