基于改进蚁群算法的无线传感器网络优化

文/朱重龙

1 无线传感器技术概述

当前对静态无线传感器网络覆盖范围的研究已经取得了有益的成果。库马尔等人首先提出了高K势垒范围和低K势垒范围的概念，并开发了一种算法来评估应用领域是否被强K势垒覆盖，在以随机方式使用的传感器网络中，获得低K覆盖围栏的重要条件。基于加权图确定Anwar Saypulla Buddy静态无线传感器网络中强障碍数量的限制，我们提出了一种最大流量算法，Habib Mostarfire（Habib Mostafai）及其同事提出了一种分布式自学习算法，用于研究静态无线传感器网络中K势垒的高覆盖率问题。库马尔和他的同事们还使用传感器节点形成一个强大的K防护膜，可以探测相同的生存时间和其他生存时间栅栏结构算法，并延长网络生存时间计划，提出的算法是ΟptimalSleep Wakeup，JieTian等人提出了一个二维问题来覆盖K栅栏，并将应用区域划分为多个子区域来构建栅栏。雷利和鲍贤湛及其合作者对低范围围栏的问题进行了调查，并分析了弱围栏的覆盖范围。Balister等人研究了一种可靠的方法来预测节点的部署密度，以便随机使用传感器网络形成围栏的覆盖，并可根据预期的浓度永久连接。

2 系统模型

2.1 相关定义

穿越路径(CrossingPath)，是检测目标的起始点和终点位于监视区域A的上限和下限，并且区间A的起始点和终点之间的任何曲线称为截距轨迹。当区域A沿着该路径移动时，如果至少通过K传感器节点不能检测到被监视对象，则单色K防护盖（强障碍盖）的识别是区域A是K强覆盖并且能够打电话。当被监测物体沿路径通过应用区域时，可以检测到至少K个传感器节点，即3 K栅栏交叉电阻（应变势垒交叉涂层）的定义满足定义2。其次，有一个没有共同传感器节点的交叉口围栏，A区域称为交叉十字架。定义4分布方向将传感器放置在分段区域A时，是指未提供指定传感器节点区域中传感器节点区域的方向。定义5确定围栏的两个相邻传感器节点的连接方向与展开方向之间的角度，二元感知模型：平面节点N、点m与P（N，M）=“iΙ1Dis（N，m）≤R0D是相同的识别概率，由每个点给出（M）（N，M）＞R（1）（1）在这种情况下，（N，M）是点n和m之间的欧式距离，R是识别半径，本文中的测试是传感器，侧重于感知的模型，模型定义基于节点和检测半径，定义3监控区域A的定义半径，至少两个围栏和区域A的涂层通过监控的区域，但是两个栅栏的状况不太可能重叠K-Fence，Cross-Coat k-Fence，即使隔音十字架，无论选择的路径如何，都要适用于监视区域，Cross-K fence是一个强大的K-fence，基于这个非K-Fence交叉K-fence中提出的算法

2.2 缓冲区域划分模型

应用区域是长度为l且宽度为h的矩形，记这个区域为A。使用原点o（0,0）处的应用程序区域的左下角定义坐标轴，假设使用GPS或节点的位置技术来研究节点的位置，任务区域中的节点i的位置坐标可以由M表示为ni（xi，yi）和节点的数量，检测到的节点的半径为R。创建K时，将区域A划分为静态无线传感器，网络中A=组（A1，A2，A3，AK）所示的k个相等部分。各个子区域的宽度是相同的Wa=H/K和人工智能。在本文中，与k个区域A相同的子区域的长度是基于每个子区域的蚂蚁去除算法而固定的。但是，如果将供应区域A严格划分为k个子区域，则不断地消耗资源。许多传感器节点位于子区域Ai的上限和下限附近，不能用于子区域Ai围栏，但是在子区域Ai+1或Ai-1中需要围栏配置。为了解决上述问题，本文提出了一种划分缓冲区的方法，尽管暂存区域不再以这种方式划分为行，但缓冲区域用于隔离暂存区域A，一种特定的分割方法具有缓冲宽度Wb。蚁群算法主要在围栏配置过程中选择Ai子场中的传感器节点，如果没有节点满足Ai的条件，则算法要确定是否存在满足缓冲区的要求，选择节点后，将突出显示该节点。接下来，当相邻子域Ai创建栅栏时，不再选择所选节点。缓冲分离方法将应用字段划分为k个子字段，并且需要k-1个缓冲带。这由缓冲区（b1，b2，b3，...，bk-1）表示。每个子区域Ai的宽度改变，其中A1和Ak的宽度为Wa=h/k-Wb/2，其他的子区域具有Wa=h/k-Wb。

3 蚁群算法构建栅栏

3.1 基本蚁群算法介绍

蚁群算法基于蚁群寻食优化方法。蚁群系统是一种分布式生物系统。蚂蚁与蚂蚁之间的相互合作可以解决独个蚂蚁无法完成的困难任务。传统的蚁群算法解决了旅行者的问题（TaskSlingSalesman，TSP）。在TSP问题中，包括n个城市，城市i和j之间的路径是b（i，j），目前有蚁群寻找TRP问题的最佳解决方案。在Manti中，在从n个城市随机发现的起始时间的陆地道路上发现信息素浓度τij（0）=C，事实上，基于状态Pkij（t）和τij（t）的转移概率，选择接近TNTK的距离，并且信息素浓度B（Ι，J）和ηij（t）是城市Ι和J之间的推断信息。当蚂蚁穿过城市时，他们被禁忌，以避免重复移动到同一个城市。Pkij（t）=ïïïiïïααα（t）ββij（t）s∈allowkταis（t）ββis（t）jallowedk0otherwise（2）等式（2），推理信息ij ij（t）=1/D和i、j之间的距离。Allowedk=City-Tabuk表示蚂蚁能够去所选城市。α和β表示信息素的浓度或经验信息的含义，蚂蚁解决了重复去所有城市的困难。接下来，我们需要更新每个收费连接路线的信息素，以下更新规则为：τij（t+N）=（1-））τij（t）+Δτij（3）：Verflüchtigungspheromon系 数ε（0.1）重复信息素后，路径为ρb（i，j）基于该因子进行挥发，并防止未成熟蚂蚁群体的算法。Δτij=1mΔτkij（4）等式（4）方法B（Ι，J）用蚂蚁表示信息素的总和，K=Δτkij=Q/Luka（5）Q可释放蚂蚁和大部分信息在重复Luca Kyung Roy的同时指出增加Ant K的长度。以上是Ameisenkolonialgorithmus的迭代过程。该算法重复多次，虽然信息素在另一条路径中非常小，但它在路径中往往是稳定的。最后，会选择最佳路线。

3.2 蚁群算法改进

将准备区域A划分为K个子区域，这里描述了用于创建Ai子域的围栏的蚂蚁群算法。但是，Ai的殖民地传统算法提出了实现局部最优的问题，这不适用于具有慢收敛广泛计算网络的栅栏的制造。具有大量节点的无线传感器也是A提供区域中的长区域，在这种情况下，传统的蚁群算法很可能属于区域优化问题。为了有效地解决上述问题，可以使用无线传感器阵列栅栏，能够提高蚂蚁运动极限和经验因素这两个方面。

在传感器节点触发之后对WSN-a的移动的限制由表示V传感器网络的一组节点的无向图G=（V，E）表示，并且E是一组在两个节点的感测区域中，如果它是节点之间的边缘，即地（a，b）≤2R，地面（a，b）=（XA-XB）2+（A-YB）2，即存在于2个节点S属于E之间，否则S不属于E。固体外壳中相邻传感器节点之间的检测区域是嵌套的。为了建立固定围栏，我们通过蚁群算法围栏构建固定栏杆，节点之间存在的S属于E边缘即限制2R中的蚁群算法。

3.3 改进的蚁群算法构建栅栏

高级蚁群算法适用于放置WSN围栏，本节介绍如何使用改进的蚂蚁殖民地算法创建Ai子区域栅栏。固定栅栏左/右栅栏节点识别电路需要穿过，即节点Eisai的R在左/右边界或X轴的XΙ≥LR。在城市中，考虑到假设的节点数量的电路与人工智能（S1）相同，节点的区域的右侧部分是投注区域人工智能，应用人工智能S2栅栏与插入部分的左边缘相交的节点≤min（s1，s2）超过了数量。