基于粒子群算法的无线光纤传感器网络部署方法

摘要

本发明涉及一种基于粒子群算法的无线光纤传感器网络部署方法，首先以最小化光纤传感器节点能耗和底层网络成本为目标，建立底层网络部署优化模型，采用基于离散二进制的多目标粒子群算法求解，得到底层网络部署方案，实现对监测区域分布式传感；然后在底层网络部署方案的基础上，以最小化上层网络成本为目标，以上层网络全连通为约束，建立上层网络部署优化模型，设计增大粒子差异性的适应函数，采用基于模拟退火的粒子群算法求解，得到上层网络部署方案，实现对传感数据的多跳传输。本方法不仅能降低光纤传感器节点的能耗，均衡管理节点的能耗，延长网络生命，还能在保证网络全连通的前提下，减少部署路由节点和管理节点的数目，降低网络成本。

主权项

一种基于粒子群算法的无线光纤传感器网络部署方法，其特征在于，该方法包括以下步骤：1）部署由光纤传感器节点与管理节点组成的底层网络；2）部署由管理节点与路由器节点组成的上层网络；所述部署由光纤传感器节点与管理节点组成的底层网络包括如下步骤：a、根据特定监测环境构建底层网络的网络模型；根据Keenan‑Motley模型构建节点通信模型；根据一阶无线电模型建立底层网络通信能耗模型；通过联合优化通信能耗和网络成本，建立底层网络部署优化模型，具体步骤为：a‑1. 建立底层网络网络模型：假设区域A内分布着个热点需要被监测，有两种节点待部署，分别为：光纤传感器节点、管理节点；光纤传感器节点用于采集信息并发送至管理节点，管理节点用于信息采集和转发来自光纤传感器节点的传感信息；在每个热点上，仅需放置一个光纤传感器节点或者一个管理节点，就可以采集对应热点的信息；每个管理节点管理一个或多个光纤传感器节点，每个光纤传感器节点仅能由一个管理节点管理；a‑2. 建立节点通信模型：根据Keenan‑Motley模型，信号传播距离d后的路径损耗PL为：其中，是参考距离，是传播的路径损耗，是路径损耗系数，是发射节点与接收节点之间第i类障碍物衰减因子，是发射机与接收机之间第i类障碍物个数；节点i向节点j方向所发射的信号的最大衰落半径为：其中，是最大路径损耗值；当节点i和节点j之间的距离时，节点i和节点j能相互通信，其中，，是节点的位置坐标；a‑3. 建立底层网络通信能耗模型：设光纤传感器节点和管理节点的通信能耗模型为一阶无线电模型，其中发射器、接收器的功耗为(nJ/bit)，发射放大器的功耗为(nJ/bit)，在一个传感周期内，一个光纤传感器向距离为()的管理节点发送的数据包的发送能耗为：一个传感周期内，一个管理节点的能耗为：其中，为管理节点接收其管辖内个光纤传感器发送的传感信息数据包的能耗，为管理节点发送传感信息数据包的能耗；以最小化光纤传感器通信能耗、最小化管理节点最大通信能耗和最小化网络成本为目标建立底层网络部署优化模型：优化问题P1：约束：其中，是所有热点的序号集合，为离热点距离小于的备选放置管理节点的热点集合，为放置于热点i和热点j的光纤传感器节点与管理节点可相互通信的距离上限；约束规定为0‑1变量，当其为1时，表示位于热点的光纤传感器节点由位于热点的管理节点管理，否则为0；为0‑1变量，当其为1时，表示在热点放置管理节点；约束保证每个光纤传感器节点只能由一个管理节点管理；约束保证光纤传感器节点只能和管理节点通信；约束保证光纤传感器节点和对应的管理节点能够通信；b、针对建立的底层网络部署优化模型，使用基于离散二进制随机粒子群多目标优化算法进行求解，求得一个非劣解集，根据实际应用情况，从中选取一个解，得到光纤传感器节点和管理节点的部署情况；所述部署由管理节点与路由器节点组成的上层网络包括如下步骤：i、               根据底层网络部署优化模型的求解结果，选出管理节点，构建上层网络的网络模型；构建上层网络成本模型；构建上层网络连通模型；以上层网络连通为约束，通过优化上层网络成本，建立上层网络部署优化模型，具体步骤为：  i‑1. 建立上层网络的网络模型：在区域A内，将底层网络中选出的个管理节点视作固定节点，随机布撒个可移动的路由节点，并将所有个节点抽象为一个无向图G，其中路由节点仅用作转发传感信息；i‑2. 建立上层网络成本模型：在管理节点数量一定的情况下，上层网络成本与部署路由节点的数量有关；由于优化时会随机布撒数量较多的路由节点，当节点出现冗余时，部分节点的位置会出现重合，此时将多个重合的节点视作一个节点，进而把最小化路由节点数量问题转换为最大化重合路由节点数量问题；判断相距任意两节点是否重合由重合度来衡量，定义为：其中，，为距离门限值，当两节点间的距离小于或等于时，两节点重合，此时最大，值为1；越小，重合判断就越精细；i‑3. 建立上层网络连通模型：将整个网络看作一个无向图G(VV,EE)，所有节点看作无向图G的顶点VV，计算无向图G的邻接矩阵，当满足时，记，否则；对邻接矩阵进行布尔运算得到道路矩阵：其中，最终计算结果为下式所示：当时，网络全连通；i‑4. 以网络连通为约束，以最小化网络成本为目标建立上层网络部署优化模型：优化问题P2：约束：；ii、针对建立的上层网络部署优化模型，设计增大粒子间差异性的适应值函数，并使用基于模拟退火的粒子群算法进行求解，使在上层网络连通的情况下，网络成本最小，具体步骤为：ii‑1. 采用路由节点坐标对粒子进行编码，编码长度为，第i个粒子的编码为：其中、分别为路由节点的横纵坐标；粒子的速度更新公式采用下式；其中，为当前粒子速度，为更新后的粒子速度；为当前粒子位置；、是加速因子，分别用于调整粒子向局部最优和全局最优进化的步长；是惯性因子，使算法在初期便于全局搜索，后期利于收敛至全局最优解，是最大迭代次数；，为[0,1]范围内的独立随机数；是个体最优解；是全局最优解；粒子的速度限制采用下式：其中，和是监测区域的边界值；粒子的位置更新公式采用下式：当粒子离开搜索空间时，粒子的位置限制采用下式：；ii‑2. 为了增加粒子间的差异性，加速粒子往全局最优方向进化，采用两种判别标准来构建适应值函数： 其中，为无向图G中连通集合的数量，为连通集合之间最短距离之和；当全网连通时，，设。