主权项 |
一种基于能量有效的分层协作覆盖模型的节点部署方法,其特征在于:具体步骤如下:1)建立目标区域的覆盖模型,该模型通过对目标区域进行分层达到节省能耗的目的;所述建立目标区域的覆盖模型采用分层协作覆盖模型,具体为:该模型的目标函数为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>T</mi><mi>Sur</mi></msub><mtext>=max</mtext><mrow><mo>(</mo><mi>min</mi><msub><mi>T</mi><msub><mi>Sur</mi><mi>i</mi></msub></msub><mo>)</mo></mrow><mo>,</mo><mi>i</mi><mo>=</mo><mn>1,2</mn><mo>.</mo><mo>.</mo><mo>.</mo><mi>l</mi></mrow>]]></math><img file="FSB0000139035830000011.GIF" wi="561" he="93" /></maths>约束条件为:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>l</mi></munderover><msub><mi>b</mi><mi>i</mi></msub><mo>=</mo><mi>N</mi></mrow>]]></math><img file="FSB0000139035830000012.GIF" wi="224" he="161" /></maths>N>N′S<sub>monitor</sub>≥S<sub>area</sub>其中T<sub>Sur</sub>代表网络生存时间,<img file="FSB0000139035830000013.GIF" wi="89" he="78" />代表第i层的网络生存时间,l代表网络中所划分的总的层数,b<sub>i</sub>代表第i层的传感器节点的数量,N表示网络中总结点的数量,N’代表协作覆盖模型在全覆盖条件下的所需的最少节点数目,S<sub>monitor</sub>是节点覆盖区域的面积,S<sub>area</sub>是目标区域的面积;模型所解决的问题是在某一监测区域,总节点数量已知的情况下,通过优化不同位置的节点密度来实现节点能量均衡,延长网络生存时间;2)求解启发式因子,使得在用蚁群算法求解该模型时,收敛速度大大加快;求解算法中使用的启发式因子计算方法为:若i>j<img file="FSB0000139035830000014.GIF" wi="675" he="339" />若i<j<img file="FSB0000139035830000021.GIF" wi="649" he="288" />其η<sub>ij</sub>(k)表示从层i选择第k条路径到层j的启发式因子,<img file="FSB0000139035830000022.GIF" wi="60" he="112" />表示层i的最优节点数量估计,M和W是任意正常数;所述求解模型采用蚁群算法,具体为:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msub><mi>a</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msup><mrow><mo>[</mo><msub><mi>τ</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>]</mo></mrow><mi>α</mi></msup><msup><mrow><mo>[</mo><msub><mi>η</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>]</mo></mrow><mi>β</mi></msup></mrow><mrow><mi>Σ</mi><msup><mrow><mo>[</mo><msub><mi>τ</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>c</mi><mo>)</mo></mrow><mo>]</mo></mrow><mi>α</mi></msup><msup><mrow><mo>[</mo><msub><mi>τ</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>c</mi><mo>)</mo></mrow><mo>]</mo></mrow><mi>β</mi></msup></mrow></mfrac><mo>∀</mo><mi>i</mi><mo>≠</mo><mi>j</mi><mo>,</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>.</mo><mo>.</mo><mo>.</mo><mi>l</mi><mo>,</mo><mi>c</mi><mo>=</mo><mn>1,2</mn><mo>.</mo><mo>.</mo><mo>.</mo><mi>V</mi></mrow>]]></math><img file="FSB0000139035830000023.GIF" wi="1298" he="187" /></maths>τ<sub>ij</sub>(t,k)=ρτ<sub>ij</sub>(t‑1,k)+Δτ<sub>ij</sub>(k)<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msub><mi>Δτ</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>a</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msubsup><mi>Δτ</mi><mi>ij</mi><mi>a</mi></msubsup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></mrow>]]></math><img file="FSB0000139035830000024.GIF" wi="410" he="129" /></maths><img file="FSB0000139035830000025.GIF" wi="665" he="303" />其中a<sub>ij</sub>(k)为选择第k条路径从层i转移到层j的概率,τ<sub>ij</sub>(k)为从层i转移到层j的第k条路径上的信息素浓度,η<sub>ij</sub>(k)是从层i转移到层j的第k条路径上的启发式因子,τ<sub>ij</sub>(c)为从层i转移到层j的第c条路径上的信息素浓度,η<sub>ij</sub>(c)是从层i转移到层j的第c条路径上的启发式因子,τ<sub>ij</sub>(t,k)是在t时刻从层i转移到层j的第k条路径上的信息素浓度,τ<sub>ij</sub>(t‑1,k)是t‑1时刻从层i转移到层j的第k条路径上的信息素浓度,Δτ<sub>ij</sub>是t‑1时刻到t时刻的从层i转移到层j的路径上信息素浓度的变化,Δτ<sub>ij</sub>(k)是t‑1时刻到t时刻从层i转移到层j的第k条路径上信息素浓度的变化,<img file="FSB0000139035830000026.GIF" wi="163" he="84" />是t‑1时刻到t时刻第a个蚂蚁经过从层i转移到层j的第k条路径而带来的信息素浓度的变化量,m代表算法中使用的蚂蚁的数量,V代表从层i转移到层j的可行路径总数,T<sub>k</sub>代表选择第k条路径时的网络生存时间,α代表信息素的相对重要程度,β代表启发式因子的相对重要程度,ρ是信息素蒸发系数,Q为蚁环常数,其为任意一个正常数;3)求解节点数量上下限,使得在用蚁群算法求解该模型时,迭代次数减少;求解模型使用了节点数量约束,设第l<sub>i</sub>层监控区域面积为<img file="FSB0000139035830000031.GIF" wi="70" he="60" />其中d为节点最大通信距离,则要保证全覆盖的前提下,每层节点数量的下限为:<img file="FSB0000139035830000032.GIF" wi="250" he="170" />设已确定节点数量的层的集合为P,未确定节点数量的层的集合为Z,第l<sub>i</sub>层节点数量的上限为:<img file="FSB0000139035830000033.GIF" wi="532" he="158" />其中N为总的节点数量,n<sub>i</sub>为第i层节点数量,S<sub>i</sub>为第i层监控区域的面积;4)选取节点的位置部署策略;5)利用蚁群算法求解分层协作覆盖模型的最优解。 |