重庆邮电大学学报(自然科学版)2022，Vol.34Issue(3) ：553-564.DOI:10.3979/j.issn.1673-825X.202012010384

重采样和天牛须协同演化粒子群的WSN覆盖控制算法

Particle swarm optimization based on co-evolution of resampling and beetle antennae search for coverage control in WSN

王明华 姜开武 邓贤君
重庆邮电大学学报(自然科学版)2022，Vol.34Issue(3) ：553-564.DOI:10.3979/j.issn.1673-825X.202012010384
✕
  • 维普
  • 万方数据

重采样和天牛须协同演化粒子群的WSN覆盖控制算法

Particle swarm optimization based on co-evolution of resampling and beetle antennae search for coverage control in WSN

王明华 1姜开武 2邓贤君3
扫码查看

作者信息

  • 1. 南华大学 超快微纳技术与激光先进制造湖南省重点实验室,湖南 衡阳421001;南华大学 核燃料循环技术与装备湖南省协同创新中心,湖南 衡阳421001
  • 2. 南华大学 超快微纳技术与激光先进制造湖南省重点实验室,湖南 衡阳421001
  • 3. 华中科技大学 网络空间安全学院,武汉430074
  • 折叠

摘要

为了最大程度提升无线传感器网络(WSN)的覆盖范围并降低能耗,延长网络生命周期,提出了基于重采样技术和天牛须搜索的协同演化粒子群优化(RBASPSO)算法来优化WSN的覆盖控制问题.重采样技术平衡了粒子群算法的全局搜索能力和收敛速度,增加了粒子群整体多样性,防止算法过早收敛,加强粒子在搜索过程中跳出低质量谷底的能力;天牛须搜索依靠个体的两个触角搜索其邻域,增强了粒子群中单个粒子的搜索能力.RBASPSO算法采用覆盖率和节点休眠率的加权作为优化WSN覆盖控制的目标函数,通过重采样技术和天牛须搜索的协同演化,既加强了单个粒子的搜索能力,又确保粒子群的多样性及活跃性,提升WSN覆盖性能.实验结果表明,RBASPSO算法不仅能有效处理复杂多峰问题;而且可以有效提高WSN网络覆盖率,延长网络生命周期.

关键词

无线传感器网络/覆盖控制/粒子群算法/重采样技术/天牛须搜索/协同演化

引用本文复制引用

基金项目

国家自然科学基金(61971215)

国家自然科学基金(61871209)

湖南省自然科学基金(2020JJ4526)

湖南省教育厅科学研究重点项目(21A0276)

超高速微/纳米技术和先进激光制造重点实验室项目(2018TP1041)

南华大学核燃料循环技术与装备湖南省协同创新中心开放基金(2019KFZ12)

湖南省研究生科研创新项目(CX20200933)

出版年

2022
重庆邮电大学学报(自然科学版)
重庆邮电大学

重庆邮电大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.66
ISSN：1673-825X
被引量1
参考文献量1
段落导航相关论文