UGA：基于遗传算法的WSN动态覆盖优化算法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (20): 77-80.

UGA：基于遗传算法的WSN动态覆盖优化算法

易猛1，陈庆奎1，2，章刚2

1.上海理工大学光电信息与计算机工程学院，上海 200093
2.上海理工大学管理学院，上海 200093

出版日期:2015-10-15 发布日期:2015-10-30

UGA：WSN dynamic coverage optimization algorithm based on improved genetic algorithm

YI Meng1, CHEN Qingkui1，2, ZHANG Gang2

1.School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China
2.School of Management, University of Shanghai for Science and Technology, Shanghai 200093, China

Online:2015-10-15 Published:2015-10-30

摘要/Abstract

摘要： 针对[WSN]动态覆盖问题可以转化为多目标优化问题，提出一种解决动态覆盖问题的启发式算法UGA（Uniform Genetic Algorithm）。该算法定义出多目标优化问题，为了保证最优解的多样性，提出一种解均匀策略（Solution Even Tactics，SET）进行[Pareto]最优解适应度更新。实验结果表明，在不同网络规模和迭代次数下，区域覆盖度和网络寿命相对于传统经典算法有较好改进。

关键词: 动态覆盖, 多目标优化, 遗传算法, Pareto最优解

Abstract: This paper advances a heuristic algorithm UGA （Uniform Genetic Algorithm） for solving the problem of dynamic overlay, in accordance with the problem of dynamic coverage transformed into the problem of multi-objective optimization. The algorithm defines the multi-objective optimization problem, and then in order to ensure the diversity of the optimal solution, the algorithm proposes a uniform solution strategy （Solution Even Tactics, SET） for updating the fitness of Pareto optimal solution. Experimental results show that, in a different network size and number of iterations, the regional coverage and network lifetime have better improvement compared to traditional classical algorithm.

Key words: dynamic overlay, multi-objective optimization, genetic algorithm, Pareto optimal solution

易猛1，陈庆奎1，2，章刚2. UGA：基于遗传算法的WSN动态覆盖优化算法[J]. 计算机工程与应用, 2015, 51(20): 77-80.

YI Meng1, CHEN Qingkui1，2, ZHANG Gang2. UGA：WSN dynamic coverage optimization algorithm based on improved genetic algorithm[J]. Computer Engineering and Applications, 2015, 51(20): 77-80.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[5]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[6]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[7]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[8]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[9]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[10]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[11]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[12]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[13]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[14]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[15]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.