改进VFPSO算法于WSN节点随机部署中的应用

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (2): 141-145.

改进VFPSO算法于WSN节点随机部署中的应用

宋明智，杨乐

江南大学物联网工程学院，江苏无锡 214122

出版日期:2016-01-15 发布日期:2016-01-28

Random deployment of sensor nodes using enhanced VFPSO algorithm

SONG Mingzhi, YANG Le

School of Internet of Things （IoT） Engineering, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2016-01-15 Published:2016-01-28

摘要/Abstract

摘要： 无线传感器网络（Wireless Sensor Network，WSN）节点的随机部署一直是WSN覆盖的核心问题之一。尽可能提升WSN的覆盖质量对延长网络的生命周期起着重要的作用。虚拟力-粒子群优化（Virtual Force Particle Swarm Optimization，VFPSO）算法因虚拟力的引入使PSO算法的优化性能有所提升，但PSO算法的早熟问题仍未得到有效改善。在VFPSO算法的基础上提出了一种维度选择机制，主要目的在于改善VFPSO算法中后期的优化能力。仿真结果表明，将采用维度选择机制后的VFPSO算法应用于WSN的覆盖优化中，覆盖率较其他优化算法有3%~5%的提升。

关键词: 无线传感器网络（WSN）覆盖优化, 节点随机部署, 虚拟力-粒子群优化（VFPSO）算法, 维度选择, 覆盖率

Abstract: The Wireless Sensor Network （WSN） coverage optimization via the dynamic deployment of sensor nodes is crucial to enhancing the WSN monitoring quality as well as prolonging the network lifetime. Among the coverage optimization techniques, Virtual Force Particle Swarm Optimization （VFPSO） offers improved performance over the standard Particle Swarm Optimization （PSO） algorithm through the introduction of the Virtual Force （VF） concept. But the VFPSO algorithm still exhibits the problem of premature convergence. In this paper, a mechanism called dimension selection is incorporated into VFPSO to further improve its performance. Simulation results show that the newly proposed algorithm improves the WSN coverage rate by an amount of 3%~5%, compared with the other benchmark methods.

Key words: Wireless Sensor Network（WSN） coverage optimization, random deployment of sensor nodes, Virtual Force-Particle Swarm Optimization（VFPSO） algorithm, dimension selection, coverage rate

宋明智，杨乐. 改进VFPSO算法于WSN节点随机部署中的应用[J]. 计算机工程与应用, 2016, 52(2): 141-145.

SONG Mingzhi, YANG Le. Random deployment of sensor nodes using enhanced VFPSO algorithm[J]. Computer Engineering and Applications, 2016, 52(2): 141-145.

[1]	刘军，王秀云，任福继. 使用辅助转接板和熔丝的2.5D集成电路测试策略[J]. 计算机工程与应用, 2020, 56(6): 271-278.
[2]	孙泽宇1，2，刘保罗1，阎奔1. 基于概率感知模型的多节点联合网络覆盖算法[J]. 计算机工程与应用, 2019, 55(5): 36-43.
[3]	姬晓辉，孙泽宇，阎奔，李传锋. 基于联合节点行为策略的WSN覆盖控制算法[J]. 计算机工程与应用, 2019, 55(16): 99-107.
[4]	张娜1，林青霞1，包晓安1，吴彪2，张唯1. 基于OTT策略的组合测试用例优先级排序方法[J]. 计算机工程与应用, 2018, 54(13): 41-46.
[5]	孟令冲1，舒坚2，黄勤涛2，曹伟芳2. 基于SysML活动图的测试序列集约简方法[J]. 计算机工程与应用, 2018, 54(13): 266-270.
[6]	张屹1，黄海2. 基于多属性决策和交叉熵优化多维测试覆盖[J]. 计算机工程与应用, 2016, 52(6): 42-49.
[7]	周剑波，刘宏立，徐琨. 一种结合粒子群和虚拟力的动态节点部署策略[J]. 计算机工程与应用, 2016, 52(10): 118-123.
[8]	侯和平1，徐卓飞2，王丹2，郭凯铭1. 基于顶帽变换的印刷网点覆盖率计算方法[J]. 计算机工程与应用, 2015, 51(7): 248-251.
[9]	朱博元1，刘高辉1，李政运2，安述倩2. RISC指令集众核处理器功能验证与实现[J]. 计算机工程与应用, 2014, 50(21): 54-58.
[10]	黎明，文海英，杨杰，陈旭日. 基于行为权值的微博用户影响力度量算法[J]. 计算机工程与应用, 2014, 50(17): 130-133.
[11]	高德民¹，钱焕延¹，李华峰¹，王晓楠^1，2. 无线传感器网络MM模式随机覆盖控制模型研究[J]. 计算机工程与应用, 2010, 46(30): 11-15.
[12]	刘辉亚1，徐建波2. 无线传感器网络分布式的移动节点定位研究[J]. 计算机工程与应用, 2010, 46(17): 72-76.
[13]	陈继锋¹，刘树锟¹，王志海² . 面向路径的测试数据自动生成工具的设计 [J]. 计算机工程与应用, 2010, 46(15): 53-56.
[14]	林祝亮^1,2. 无线传感网络覆盖的多步长粒子群优化研究[J]. 计算机工程与应用, 2009, 45(13): 87-89.
[15]	胡剑,沈绪榜. 复杂混合信号SoC芯片的延迟测试[J]. 计算机工程与应用, 2008, 44(11): 89-93.