基于能量有效的分层协作覆盖模型的节点部署方法

摘要

本发明公开了一种基于能量有效的分层协作覆盖模型的节点部署方法，属于无线传感器网络技术领域。具体方法是：(1)建立目标区域的覆盖模型，通过对目标区域进行分层来达到节省能耗的目的；(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；(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；(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。有益效果是本发明能满足具有特定区域形状的区域的节点部署。

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：$T_{\mathrm{Sur}}\text{=max}\left(\min T_{{\mathrm{Sur}}_i}\right),i=\mathrm{1,2}...l$约束条件为：$\underset{i=1}{\overset{l}{\Sigma }}{b}_i=N$N＞N′S_monitor≥S_area其中T_Sur代表网络生存时间，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_i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_monitor是节点覆盖区域的面积，S_area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若i＜j其η_ij(k)表示从层i选择第k条路径到层j的启发式因子，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：$a_{\mathrm{ij}}\left(k\right)=\frac{{\left[{\tau }_{\mathrm{ij}}\left(k\right)\right]}^{\alpha }{\left[{\eta }_{\mathrm{ij}}\left(k\right)\right]}^{\beta }}{\Sigma {\left[{\tau }_{\mathrm{ij}}\left(c\right)\right]}^{\alpha }{\left[{\tau }_{\mathrm{ij}}\left(c\right)\right]}^{\beta }}\forall i\ne j,i,j=\mathrm{1,2}...l,c=\mathrm{1,2}...V$τ_ij(t，k)＝ρτ_ij(t‑1，k)+Δτ_ij(k)${\mathrm{\Delta \tau }}_{\mathrm{ij}}\left(k\right)=\underset{a=1}{\overset{m}{\Sigma }}{\mathrm{\Delta \tau }}_{\mathrm{ij}}^a\left(k\right)$其中a_ij(k)为选择第k条路径从层i转移到层j的概率，τ_ij(k)为从层i转移到层j的第k条路径上的信息素浓度，η_ij(k)是从层i转移到层j的第k条路径上的启发式因子，τ_ij(c)为从层i转移到层j的第c条路径上的信息素浓度，η_ij(c)是从层i转移到层j的第c条路径上的启发式因子，τ_ij(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_ij(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_ij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_ij(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，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_k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_i层监控区域面积为其中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：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_i层节点数量的上限为：其中N为总的节点数量，n_i为第i层节点数量，S_i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。