智能优化算法应用：基于乌燕鸥算法无线传感器网络(WSN)覆盖优化 – 附代码

​(3)
目标区域内像素点被传感器节点所覆盖的事件定义为

c

i

c_i

ci​。则该事件发生的概率

P

c

i

P{c_i}

Pci​即为像素点

(

x

,

y

)

(x,y)

(x,y)被传感器节点

n

o

d

e

i

node_i

nodei​所覆盖的概率:

P

c

o

v

(

x

,

y

,

n

o

d

e

i

)

=

{

1

,

i

f
 

d

(

n

o

d

e

i

,

p

)

≤

r

0

,
 

e

s

l

e

(4)

P_{cov}(x,y,node_i)=begin{cases}1, if,d(node_i,p)leq r\ 0,, esle end{cases}tag{4}

Pcov​(x,y,nodei​)={1,ifd(nodei​,p)≤r0,esle​(4)
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

C

o

v

e

r

R

a

t

i

o

CoverRatio

CoverRatio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：

C

o

v

e

r

R

a

t

i

o

=

∑

P

c

o

v

m

∗

n

(5)

CoverRatio = frac{sum P_{cov}}{m*n}tag{5}

CoverRatio=m∗n∑Pcov​​(5)
那我们的最终目标就是找到一组节点使得覆盖率最大。

3.乌燕鸥算法

乌燕鸥算法原理请参考：https://blog.csdn.net/u011835903/article/details/111936344
该算法是寻找最小值。于是适应度函数定义为未覆盖率最小，即覆盖率最大。如下：

f

u

n

=

a

r

g

m

i

n

(

1

−

C

o

v

e

r

R

a

t

i

o

)

=

a

r

g

m

i

n

(

1

−

∑

P

c

o

v

m

∗

n

)

(6)

fun = argmin(1 – CoverRatio) = argmin(1-frac{sum P_{cov}}{m*n}) tag{6}

fun=argmin(1−CoverRatio)=argmin(1−m∗n∑Pcov​​)(6)

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
AreaX = 100;
AreaY = 100;
N = 20 ;%覆盖节点数
R = 15;%通信半径

乌燕鸥算法参数如下：

%% 设定优化参数
pop=30; % 种群数量
Max_iteration=80; %设定最大迭代次数
lb = ones(1,2*N);
ub = [AreaX.*ones(1,N),AreaY.*ones(1,N)];
dim = 2*N;%维度为2N，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，表明乌燕鸥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

代码007普通

打赏 收藏 海报 链接