收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

自适应量子粒子群算法研究与在WSN覆盖优化中的应用

周海鹏  
【摘要】:万物互联、人物互动的物联网(Internet of Things,IoT)时代已经来临,感知物联无处不在。作为物联网的技术支撑和“神经末梢”,无线传感器网络(Wireless Sensor Network,WSN)是连接物理世界和信息世界的桥梁,是实现人与物互动的核心技术,具有广泛的应用前景和巨大的研究价值。WSN的应用服务取决于网络的覆盖质量,无线传感器网络的覆盖问题一直是被广泛研究的核心问题之一。受客观条件的限制,传感器节点通常采用随机撒播的方式进行部署,但采用这种部署方式的WSN往往存在节点分布不均、冗余度高以及存在覆盖盲区等缺陷。部署动态节点,通过覆盖优化算法对初始部署的节点位置进行优化和调整可以取得较好效果。本文主要对随机部署WSN的网络覆盖优化问题进行研究,保持WSN的连通性、持久性和稳定性,减少网络冗余度和监测盲区,提高网络覆盖率,延长网络生存时间,最终提高WSN的服务质量(Quality of Service,QoS)是本文研究的目标。随机部署的WSN覆盖优化问题往往是一个不确定性优化问题,满足一定条件的多目标约束优化问题和组合优化问题通常是NP-hard完全问题,给传统优化方法带来巨大挑战。群体智能算法给解决WSN的覆盖优化带来了新思路,粒子群优化算法作为一种典型的群体智能算法,具有控制参数少、计算简单及易于实现等特点,已经被应用于WSN覆盖优化问题的研究中,并取得一定成果。然而,粒子群算法仍存在收敛精度低、鲁棒性较差以及易陷入局部极值等方面的不足。为了提高WSN的覆盖性能,本文做了如下工作:(1)针对粒子群优化算法的不足,本文在量子粒子群优化算法(Quantum-Behaved PSO,QPSO)的基础上,提出了一种动态自适应混沌量子粒子群优化算法DACQPSO。该算法引入了度量种群多样性的种群分布熵和平均粒距这两个数量指标,利用种群分布熵控制算法关键参数——收缩扩张系数α的进化,以提高算法的全局搜索能力,体现了自适应性。此外,结合混沌搜索的特点和优势,以平均粒距作为判别条件,进行混沌精细化搜索,以提高局部搜索能力,同时产生混沌扰动,增加了种群多样性。将DACQPSO算法应用到WSN的覆盖优化中,实验结果表明,与其他算法相比在网络覆盖率和节点利用率方面取得了一定的改善,具有更好的覆盖效果。(2)将云模型引入粒子群优化算法的改进中,提出了一种基于正态云模型的自适应量子粒子群优化算法CMAQPSO。该算法利用X条件云发生器计算各粒子的隶属度,自适应调整收缩扩张系数α。利用Y条件云发生器构建云变异算子,增加种群多样性。并且提出了量子势阱中心的自适应调整策略。仿真结果表明,相比于其他算法,CMAQPSO算法在全局寻优能力、搜索精度和收敛速度方面具有明显优势。将CMAQPSO算法应用于WSN的覆盖优化中,实验验证了算法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前13条
1 陈建新;崔广才;;基于改进粒子群算法的函数优化研究[J];电脑迷;2018年01期
2 周慧;;基于粒子群算法的最优值求解[J];科技广场;2017年12期
3 吴丰;郭晓娟;;基于混合粒子群算法的船舶稳定性分析[J];舰船科学技术;2018年14期
4 邓广彪;;改进的粒子群算法在云计算下的数据挖掘中的研究[J];科技通报;2017年04期
5 张钊旭;王志杰;李建辰;王贵奇;许军;杨进候;;一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J];水下无人系统学报;2017年03期
6 朱俚治;王兴虎;;试谈粒子群算法[J];电脑编程技巧与维护;2017年11期
7 朱宝;;基于改进粒子群算法的盾构掘进施工优化研究[J];辽宁科技学院学报;2017年03期
8 袁正午;李君琪;;基于改进粒子群算法的云资源调度[J];计算机工程与设计;2016年02期
9 江嘉伟;毋文峰;;一种改进的粒子群算法[J];电脑编程技巧与维护;2016年06期
10 张卫明;周庆忠;黎武;;基于改进粒子群算法的野战油库选址优化[J];兵器装备工程学报;2016年08期
11 胡清;张强;;基于改进二进制粒子群算法的配电网故障定位[J];南京工程学院学报(自然科学版);2016年03期
12 杜振;宫会丽;;解决约束三维装箱问题的混合粒子群算法[J];计算机光盘软件与应用;2014年22期
13 张玉广;谢文俊;赵晓林;;基于改进粒子群算法的无人作战飞机航迹规划[J];现代计算机(专业版);2015年08期
中国重要会议论文全文数据库 前10条
1 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
3 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
4 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 王波;肖健梅;王锡淮;;基于改进粒子群算法的车辆路径问题研究[A];2007中国控制与决策学术年会论文集[C];2007年
6 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
7 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集(上册)[C];2013年
8 王莹;盛四清;;基于改进粒子群算法的电压薄弱区域恢复[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(上册)[C];2008年
9 孟繁敏;杨彬;张其林;;改进的粒子群算法在钢框架截面优化中的应用[A];第十三届全国现代结构工程学术研讨会论文集[C];2013年
10 孔宪仁;秦玉灵;罗文波;;带飞行因子的粒子群算法的铝蜂窝板模型修正[A];结构及多学科优化工程应用与理论研讨会’2009(CSMO-2009)论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 刘天宇;基于协作学习和文化进化机制的量子粒子群算法及应用研究[D];西安电子科技大学;2017年
2 雷开友;粒子群算法及其应用研究[D];西南大学;2006年
3 王芳;粒子群算法的研究[D];西南大学;2006年
4 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年
5 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
6 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年
7 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年
8 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年
9 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年
10 薛尧予;群能量守恒粒子群算法及其在发酵过程控制中的应用研究[D];北京化工大学;2010年
中国硕士学位论文全文数据库 前10条
1 周海鹏;自适应量子粒子群算法研究与在WSN覆盖优化中的应用[D];安徽农业大学;2018年
2 龚凯;基于粒子群算法的车载Ad hoc网络路由协议优化[D];南京邮电大学;2018年
3 王春蕾;基于改进粒子群算法的通信基站选址[D];南京邮电大学;2017年
4 万竞择;基于粒子群算法的钢丝网垫隔振系统布局优化[D];南京航空航天大学;2017年
5 任燕芝;改进的粒子群算法及其工程应用研究[D];西安电子科技大学;2018年
6 宋奕萌;基于修正偶应力理论的非线性微梁的尺度效应分析[D];吉林大学;2018年
7 赵昊;基于混沌粒子群算法优化硅基波导光栅耦合器的研究[D];山东大学;2018年
8 安冠星;粒子群算法下辐射传输模型反演路域植被参数[D];长沙理工大学;2017年
9 侯玉强;水库生态服务价值调度及粒子群算法[D];昆明理工大学;2018年
10 牟雪娣;基于离散时空网络的不正常航班恢复问题研究[D];北京交通大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978