智能优化算法应用：基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化 - 附代码
文章目录
- 智能优化算法应用：基于麻雀搜索算法3D无线传感器网络(WSN)覆盖优化 - 附代码
- 1.无线传感网络节点模型
- 2.覆盖数学模型及分析
- 3.麻雀搜索算法
- 4.实验参数设定
- 5.算法结果
- 6.参考文献
- 7.MATLAB代码
摘要：本文主要介绍如何用麻雀搜索算法进行3D无线传感器网(WSN)覆盖优化。
1.无线传感网络节点模型
本文主要基于0/1模型，进行寻优。在二维平面上传感器节点的感知范围是一个以节点为圆心，半径为的圆形区域，该圆形区域通常被称为该节点的“感知圆盘”，
称为传感器节点的感知半径，感知半径与节点内置传感器件的物理特性有关，假设节点
的位置坐标为
在0-1感知模型中，对于平面上任意一点
,则节点
监测到区域内点
的事件发生概率为：
其中为点和之间的欧式距离。
2.覆盖数学模型及分析
现假定目标监测区域为二维平面，在区域上投放同型结构传感器节点的数目为N,每个节点的位置坐标值假设已被初始化赋值，且节点的感知半径r。传感器节点集则表示为：
其中,表示以节点
为圆心,r为监测半径的球，假定监测区域
被数字化离散为
个空间点，空间点的坐标为
，目标点与传感器节点间的距离为：
目标区域内点被传感器节点所覆盖的事件定义为。则该事件发生的概率
即为点
被传感器节点
所覆盖的概率:
我们将所有的传感器节点在目标监测环境中的区域覆盖率定义为传感器节点集的覆盖面积与监测区域的面积之比，如公式所示：
那我们的最终目标就是找到一组节点使得覆盖率最大。
3.麻雀搜索算法
麻雀搜索算法具体原理请参照麻雀搜索算法是寻找最小值。于是适应度函数定义为未覆盖率最小，即覆盖率最大。如下：
4.实验参数设定
无线传感器覆盖参数设定如下：
%% 设定WNS覆盖参数,
%% 默认输入参数都是整数，如果想定义小数，请自行乘以系数变为整数再做转换。
%% 比如范围1*1，R=0.03可以转换为100*100，R=3；
%区域范围为AreaX*AreaY*AreaZ
AreaX = 100;
AreaY = 100;
AreaZ = 100;
N = 20 ;%覆盖节点数
R = 15;%通信半径麻雀搜索算法参数如下：
%% 设定麻雀优化参数
pop=30; % 种群数量
Max_iteration=30; %设定最大迭代次数
lb = ones(1,3*N);
ub = [AreaX.*ones(1,N),AreaY.*ones(1,N),AreaZ.*ones(1,N)];
dim = 3*N;%维度为3N，N个坐标点5.算法结果
从结果来看，覆盖率在优化过程中不断上升。表明麻雀搜索算法对覆盖优化起到了优化的作用。
6.参考文献
[1] 史朝亚. 基于PSO算法无线传感器网络覆盖优化的研究[D]. 南京理工大学.
7.MATLAB代码
基于麻雀搜索算法的3D无线传感器网络(WSN)覆盖优化
基于鲸鱼算法的3D无线传感器网(WSN)覆盖优化
基于粒子群算法的3D无线传感器网(WSN)覆盖优化
基于遗传算法的的3D无线传感器网(WSN)覆盖优化
基于差分进化算法的3D无线传感器网(WSN)覆盖优化
基于人工蜂群算法的3D无线传感器网(WSN)覆盖优化
基于萤火虫算法的3D无线传感器网(WSN)覆盖优化
基于布谷鸟算法的3D无线传感器网(WSN)覆盖优化
个人资料介绍