导读:本文包含了无线传感器网络覆盖论文开题报告文献综述及选题提纲参考文献，主要关键词:移动无线传感器网络,异构网络,微分进化算法,覆盖控制
无线传感器网络覆盖论文文献综述
李明,胡江平[1]（2019）在《复杂条件下移动异构无线传感器网络覆盖算法》一文中研究指出针对给定部署区域在不同的子区域有不同的重要性、部署的移动传感器节点具有不同可靠性、寿命、能量和移动能力的复杂条件下节点部署优化问题,提出了一种改进的微分进化算法。该改进算法一方面根据进化过程中种群个体情况自适应的选择合适的变异策略和控制参数来提高算法的优化能力,另一方面通过与模拟退火算法结合增强其局部搜索能力。仿真结果显示:改进微分进化算法覆盖性能优于原始微分进化算法,证明了改进算法的有效性。(本文来源于《传感器与微系统》期刊2019年12期）
陈卓[2]（2019）在《基于移动节点的无线传感器网络覆盖漏洞修复算法研究》一文中研究指出无线传感器网络(Wireless Sensor Network,WSN)是由大量微型、低成本无线传感器节点所构成的一种自组织网络。当前WSN被大量应用于军事、工农业以及基础设施等不同领域,并且可以部署在人员难以到达的危险区域,完成人类无法完成的工作。然而,当自身因素或外界环境的影响导致节点失效时,网络监测区域会出现覆盖漏洞,无法实现全面监测。为解决此问题,本文开展无线传感器网络内覆盖漏洞修复算法的研究,在不增加外部节点的条件下,通过局部最优的节点的位置微调实现对网络漏洞的修复。本文研究内容主要包括以下叁个方面:(1)针对覆盖漏洞位置未知的情况,本文提出了一种基于网络连接图的覆盖漏洞检测方法。通过连接每个传感器节点得到网络连接图,利用目标节点与网络连接图的位置关系判断该节点是否为漏洞边缘节点,在得到所有漏洞边缘节点后,即可计算得出覆盖漏洞的位置。(2)提出了一种基于移动节点的覆盖漏洞修复算法,考虑到节点能耗因素,该算法采用分布式方案以获得局部最优解。当确认覆盖漏洞位置时,从漏洞邻居节点中选取最合适的节点作为覆盖漏洞的修复节点。在此过程中,兼顾待选漏洞修复节点的移动距离、冗余度以及剩余能量叁方面性能指标,实现候选漏洞修复节点的优化选取。(3)为进一步优化覆盖漏洞修复后的网络覆盖率问题,设计了一种漏洞修复节点移动轨迹规划方法。充分考虑到失效节点自身冗余度等因素,让漏洞修复节点移动至漏洞邻居节点的交点处而不是移动至失效节点的位置。一方面可以提高漏洞修复节点的有效覆盖面积,另一方面也有效减少网络中的覆盖冗余度,实现网络覆盖性能的整体提升。利用MATLAB工具搭建仿真实验环境,设置并选取不同仿真参数,开展一系列仿真实验对提出的网络覆盖漏洞修复算法的有效性进行验证,并与其他相关算法进行对比。实验结果表明:本文提出的基于移动节点的网络覆盖漏洞修复算法在节点总移动距离、平均移动距离、节点剩余能量以及有效修复面积和覆盖率等方面与其他算法相比具有一定优势。本文算法在不增加外部节点的条件下,使用网络中已有节点进行覆盖漏洞的修复,较好地保持了网络稳定和通信效率。(本文来源于《北京交通大学》期刊2019-06-02）
宋典娜[3]（2019）在《粒子群算法的改进研究及在无线传感器网络覆盖问题中的应用》一文中研究指出随着计算机技术网络、自动化控制、人工智能等学科的快速发展,获取有效的信息数据越来越引起人们的关注,无线传感器网络(Wireless Sensor Network,WSNs)随之发展起来。WSNs是一种在网络环境中保持自适应性,拥有一定的认知能力并且能够完成相对应的任务目标的智能网络系统,有着广阔的研究空间和光明的应用前景。当今社会,WSNs广泛应用在民用领域和军用领域中,并且取得了十分好的效果,成为在信息技术领域中一个重要的研究方向。粒子群算法作为一种智能优化算法,具有快速的求解速度和较强的搜寻最优解的能力,在搜寻的过程中,会受到个体历史搜索最优位置的影响和整个群体所有个体的最优位置两方面的影响。本文将其应用于无线传感器网络覆盖问题,通过对粒子群的研究分析后发现粒子群算法在多次迭代后依旧不能摆脱局部最优而陷入死循环,而无线传感器网络覆盖率最优化问题寻优过程较复杂,计算量较大,因此需要对算法进行优化和改进。针对粒子群算法收敛速度较慢、容易陷于局部最优等问题,本文提出了一种基于人工势场的粒子群算法(Virtual-Forced Particle Swarm Optimization,VFPSO),借鉴应用于解决机器人的路径规划和障碍躲避的人工势场算法的思想,针对粒子群算法中粒子迭代的寻优过程,引入粒子间的虚拟力作用,使优化问题的初始解分布更加均匀,在迭代寻优前期有更强的排斥力,后期增强锚节点的吸引力,从而加快算法收敛速度,获得高精度的最优解。针对粒子群算法精度低的问题提出一种基于天牛须搜索策略的粒子群算法(Beetle Antennae Search Strategy Particle Swarm Optimization,BASPSO),将天牛须搜索策略与粒子群算法中自学习过程相结合,改变了粒子寻优路径,并对其进行了函数测试,改善了实验效果。将两种算法分别应用于无线传感器网络覆盖问题中,通过多次实验调试,发现VFPSO算法能够使粒子分布更加均匀,能够避免粒子过于聚集而使算法陷入局部最优解,但由于算法计算量较大,更适合于小规模的覆盖问题,能够得到更好的布局。而BASPSO算法由于算法复杂度较低,适用于更大范围的覆盖问题,能够得到相较于标准粒子群算法更优的网络布局。(本文来源于《山东师范大学》期刊2019-06-01）
吕金玲[4]（2019）在《基于灰狼优化算法的无线传感器网络覆盖策略》一文中研究指出无线传感器网络(Wireless Sensor Network,简称为WSN)是通过许多感知节点构成。其节点具有通信以及计算能力,从而能够被广泛应用在一些现代化军事和城市建设中,如:环境监测、目标追踪、战场监测、智能家居等等。但感知节点布置一般是采用在空中随机抛洒的方法,因而造成部署节点时出现随机性,很难满足对整个区域的监测。因而,研究传感器网络覆盖问题具有非常重要的意义。本文介绍了无线传感器网络的基本概念、组成结构、网络特点以及覆盖相关问题。系统地阐述了关于无线传感器网络相关知识点,其中包含无线传感器网络覆盖类型、传感器节点的感知模型以及覆盖相关性能指标。深入研究了无线传感器网络覆盖算法,针对粒子群优化算法在优化网络覆盖率时存在优化精度差、易于陷入局部最优、后期时收敛速率较缓慢等问题,故在粒子群算法基础之上,提出基于动态加速因子的粒子群算法(Particle Swarm Optimization Based on Dynamic Acceleration Coefficients,简称为PSO-DAC),采用递减的惯性权重系数可在寻优初期增强全局搜索能力,在寻优后期能提升局部搜索能力;同时,采用动态加速因子改善粒子自身经验和其余粒子经验对收敛速度的影响,以提高算法的寻优精度及速度。针对灰狼算法在优化网络覆盖率时未考虑个体自身的经验以及种群多样性差等问题,提出基于粒子群的灰狼优化算法(Grey Wolf Optimization Algorithm Based on Particle Swarm Optimization,简称PSO_GWO),其引入PSO-DAC算法中的个体记忆功能,使其能够记忆自身进化过程中的最优解,从而提高算法的收敛精度及其收敛速度。同时,在改进的灰狼算法中引入Tent混沌序列,丰富了灰狼的行为,将灰狼群体均匀映射到定义空间中,有利于灰狼跳出局部极值点,并利用非线性控制参数平衡算法全局搜索与局部搜索能力。为了解决无线传感器网络覆盖问题,本文采用基于概率感知模型来计算网络覆盖率,利用改进之后的灰狼优化算法来优化网络的覆盖部署。通过仿真实验来验证PSO_GWO算法在无线传感器网络的覆盖优化问题上的有效性和优越性。因此该算法能够合理分配整个无线传感器网络的资源,减少节点冗余,增加覆盖率,提高网络的监测质量和服务质量,同时可降低节点的网络能耗和延长网络的生命周期。(本文来源于《东北电力大学》期刊2019-05-01）
胡辉,张凤莉[5]（2019）在《基于宇宙算法的农田无线传感器网络覆盖研究》一文中研究指出为提高农田无线传感器网络覆盖的质量,采用宇宙算法,首先建立覆盖模型,确定无线传感器节点集合网络覆盖优化模型的目标函数;然后由传感器之间的距离以及发送字节数据确定能耗模型,节点休眠策略减少了节点冗余;接着宇宙算法建立单向、双向单宇宙群结构模型,无论单向、双向单宇宙群的信息交流,都将引起其他单宇宙内部信息发生变化,加快宇宙群收敛速度,宇宙进化中包含了宇宙空间逃逸策略以及混沌宇宙优化;最后宇宙算法设计了无线传感器网络覆盖优化步骤。实验仿真显示本文算法对农田无线传感器网络覆盖率可达99%以上,满足高质量覆盖要求。(本文来源于《中国农机化学报》期刊2019年03期）
陈晓东[6]（2019）在《无线传感器网络覆盖算法综述》一文中研究指出无线传感器网络(WSN)是由大量微型,廉价和低功耗传感器节点组成的网络,这些节点之间通过无线通信多跳中继,相互协作完成应用程序任务并将感知数据转发到中央采集汇聚节点。无线传感器广泛应用于环境检测,栖息地检测,精细农业甚至军事领域。无线传感器网络一个很重要的问题是覆盖问题,覆盖问题主要分为叁类,分别是区域覆盖,目标覆盖以及栅栏覆盖,下文分别对此叁类覆盖方式做一个综述。(本文来源于《电脑知识与技术》期刊2019年06期）
徐钦帅,何庆,魏康园[7]（2019）在《改进蚁狮算法的无线传感器网络覆盖优化》一文中研究指出为了有效提高无线传感器网络的节点覆盖率,提出一种基于混合策略改进蚁狮算法的网络覆盖优化方法。首先,利用连续性边界收缩因子提高算法的搜索遍历性,加快收敛速度;其次,在精英化阶段引入动态权重系数,以平衡算法的全局探索与局部开发能力;然后,结合早熟收敛判断机制与动态混合变异方法,使算法能够有效跳出局部最优。通过在12个基准函数上的对比实验,验证了改进策略的有效性。最后,将该算法应用到无线传感器网络覆盖优化中。实验结果表明,相比其他文献中的优化算法,该算法提高了网络覆盖率,优化节点分布更加均匀。(本文来源于《传感技术学报》期刊2019年02期）
冉涌,刘小平[8]（2018）在《采用加权遗传算法的无线传感器网络覆盖优化方法》一文中研究指出覆盖优化是保证无线传感器网络服务质量的关键。介绍网络覆盖模型和覆盖率的概念,说明覆盖优化的目标,提出采用加权的方式,将多目标优化问题转化为单目标优化问题,并结合遗传算法全局搜索、并行计算的优势求解该问题。阐述编解码方法、选择、交叉、变异算子的设计方法和求解流程。实验分析参数选择与优化效果的关系。实验结果表明,加权遗传算法达到了较高的覆盖率,综合优化效果明显。(本文来源于《柳州职业技术学院学报》期刊2018年06期）
刘浩然,赵赫瑶,邓玉静,王星淇,尹荣荣[9]（2019）在《基于非合作博弈的无线传感器网络覆盖控制算法》一文中研究指出针对节点覆盖冗余造成能量效率低的问题,基于非合作博弈理论,考虑节点覆盖率和剩余能量这2个关键因素构建收益函数,将节点生命周期和网络路径增益等性能参数融入收益函数中,使每个节点选择合适的工作策略来构建网络拓扑,提出一种基于非合作博弈理论的无线传感器网络覆盖控制算法。理论证明节点覆盖率和剩余能量之间存在纳什均衡,且收益函数收敛于帕累托最优。仿真结果表明,该算法能够提供合理的网络节点覆盖率并保证能量效率。(本文来源于《通信学报》期刊2019年01期）
张军,邵晓倩,侯向丹[10]（2018）在《混合无线传感器网络覆盖优化算法》一文中研究指出在无线传感器网络中,带有移动节点的混合网络引起学者的兴趣。为了解决混合无线传感器网络中的网络有效覆盖问题和移动节点的优化部署问题,提出一种新的混合无线传感器网络覆盖优化算法(IVABC)。算法基本思想是对固定节点进行Voronoi多边形划分;利用划分结果分析固定节点的覆盖盲区;利用基于反向学习策略的蜂群算法优化部署移动节点;在网络覆盖率最优化的同时,有效减少网络迭代次数。(本文来源于《传感器与微系统》期刊2018年12期）
无线传感器网络覆盖论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
无线传感器网络(Wireless Sensor Network,WSN)是由大量微型、低成本无线传感器节点所构成的一种自组织网络。当前WSN被大量应用于军事、工农业以及基础设施等不同领域,并且可以部署在人员难以到达的危险区域,完成人类无法完成的工作。然而,当自身因素或外界环境的影响导致节点失效时,网络监测区域会出现覆盖漏洞,无法实现全面监测。为解决此问题,本文开展无线传感器网络内覆盖漏洞修复算法的研究,在不增加外部节点的条件下,通过局部最优的节点的位置微调实现对网络漏洞的修复。本文研究内容主要包括以下叁个方面:(1)针对覆盖漏洞位置未知的情况,本文提出了一种基于网络连接图的覆盖漏洞检测方法。通过连接每个传感器节点得到网络连接图,利用目标节点与网络连接图的位置关系判断该节点是否为漏洞边缘节点,在得到所有漏洞边缘节点后,即可计算得出覆盖漏洞的位置。(2)提出了一种基于移动节点的覆盖漏洞修复算法,考虑到节点能耗因素,该算法采用分布式方案以获得局部最优解。当确认覆盖漏洞位置时,从漏洞邻居节点中选取最合适的节点作为覆盖漏洞的修复节点。在此过程中,兼顾待选漏洞修复节点的移动距离、冗余度以及剩余能量叁方面性能指标,实现候选漏洞修复节点的优化选取。(3)为进一步优化覆盖漏洞修复后的网络覆盖率问题,设计了一种漏洞修复节点移动轨迹规划方法。充分考虑到失效节点自身冗余度等因素,让漏洞修复节点移动至漏洞邻居节点的交点处而不是移动至失效节点的位置。一方面可以提高漏洞修复节点的有效覆盖面积,另一方面也有效减少网络中的覆盖冗余度,实现网络覆盖性能的整体提升。利用MATLAB工具搭建仿真实验环境,设置并选取不同仿真参数,开展一系列仿真实验对提出的网络覆盖漏洞修复算法的有效性进行验证,并与其他相关算法进行对比。实验结果表明:本文提出的基于移动节点的网络覆盖漏洞修复算法在节点总移动距离、平均移动距离、节点剩余能量以及有效修复面积和覆盖率等方面与其他算法相比具有一定优势。本文算法在不增加外部节点的条件下,使用网络中已有节点进行覆盖漏洞的修复,较好地保持了网络稳定和通信效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
无线传感器网络覆盖论文参考文献
[1].李明,胡江平.复杂条件下移动异构无线传感器网络覆盖算法[J].传感器与微系统.2019
[2].陈卓.基于移动节点的无线传感器网络覆盖漏洞修复算法研究[D].北京交通大学.2019
[3].宋典娜.粒子群算法的改进研究及在无线传感器网络覆盖问题中的应用[D].山东师范大学.2019
[4].吕金玲.基于灰狼优化算法的无线传感器网络覆盖策略[D].东北电力大学.2019
[5].胡辉,张凤莉.基于宇宙算法的农田无线传感器网络覆盖研究[J].中国农机化学报.2019
[6].陈晓东.无线传感器网络覆盖算法综述[J].电脑知识与技术.2019
[7].徐钦帅,何庆,魏康园.改进蚁狮算法的无线传感器网络覆盖优化[J].传感技术学报.2019
[8].冉涌,刘小平.采用加权遗传算法的无线传感器网络覆盖优化方法[J].柳州职业技术学院学报.2018
[9].刘浩然,赵赫瑶,邓玉静,王星淇,尹荣荣.基于非合作博弈的无线传感器网络覆盖控制算法[J].通信学报.2019
[10].张军,邵晓倩,侯向丹.混合无线传感器网络覆盖优化算法[J].传感器与微系统.2018