文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200029
中文引用格式： 徐夢穎，盧毅，周杰. 一種無線傳感器網絡中的目標覆蓋優化算法[J].電子技術應用，2020，46(7)：94-98.
英文引用格式： Xu Mengying，Lu Yi，Zhou Jie. An optimization algorithm for target coverage in wireless sensor networks[J]. Application of Electronic Technique，2020，46(7)：94-98.
0 引言
目前環境監測對數據傳輸精度的要求越來越高，無線傳感器網絡(Wireless Sensor Networks，WSNs)逐漸成為了研究的熱點[1]。節點的覆蓋范圍和監測能力決定了數據采集與傳輸的可靠性，節點的能耗和使用時長也影響著無線傳感器網絡的目標覆蓋質量[2]。
WSNs現可用于監測地震、電磁、溫度、壓力、光強、心率、運動物體的大小、方向和速度等，可用于智能家居[3]、軍事國防[4]、醫療事業[5]、智能交通[6]、環境保護[7]等各方面，在社會生活中發揮著重要的作用。
目標覆蓋問題是WSNs中的研究熱點問題之一[8]，WSNs中的節點具有成本低、體積小和數據處理能力快等特點，但是因為其監測能力、監測范圍和能量有限，需要許多傳感器節點相互合作來收集并處理信息。因此存在傳感器節點覆蓋范圍重合、覆蓋范圍內無法同時監測所有對象和電量耗盡等缺陷，合理的目標覆蓋方案可有效提高網絡壽命[9]。
對于WSNs的目標覆蓋問題，在傳感器節點個數和能力有限的情況下，提高其監測目標的覆蓋率和降低算法時間復雜度是提高無線傳感器網絡性能的關鍵所在。
為了提升目標覆蓋率，本文提出一種改進的混沌免疫混合蛙跳算法(Improved Chaotic Immune Shuffled Frog Leaping Algorithm，ICISFLA)。該方法在傳統的蛙跳算法的基礎上加入了混沌算子對二進制種群進行編碼；通過免疫算子將種群中適應度較高的個體遺傳至下一代；在更新種群的過程中，改變傳統的青蛙跳躍的尋優方式，采用一種基于變異算子的組內最差個體尋優方式，通過一定的概率使組內最差青蛙不斷向組內最優青蛙靠近，從而提高種群多樣性，提高目標覆蓋率。
在實驗中，將該算法與遺傳算法(Genetic Algorithm，GA)和粒子群算法(Particle Swarm Optimization，PSO)進行了仿真對比，仿真結果表明，ICISFLA優化過的目標覆蓋數量明顯提升。
本文詳細內容請下載:http://www.jysgc.com/resource/share/2000002911
作者信息:
徐夢穎，盧 毅，周 杰
(石河子大學 信息科學與技術學院，新疆 石河子832000)