CN103249179A - 基于多目标觅母算法的无线传感器网络中继节点部署优化方法 - Google Patents

Abstract

无线传感器网络的中继节点部署优化是提高无线传感器网络寿命和降低网络建造成本的重要技术。本发明将多目标觅母算法运用于优化无线传感器网络的中继节点部署策略，涉及无线传感器网络和智能计算两大领域。发明的方法采用多目标觅母算法优化无线传感器网络中各个中继节点的位置，从而最大化网络的整体寿命和最小化中继节点的数目。在本发明的算法中引入了三个新颖的与问题相关的局部优化操作，有效提高了算法的优化效率。以多个具有不同传感器规模的网络进行仿真测试，证明了本发明的高效性。

Description

基于多目标觅母算法的无线传感器网络中继节点部署优化方法

技术领域：

本发明涉及无线传感器网络和智能计算两大领域，主要涉及一种基于多目标觅母算法的无线传感器网络中继节点部署优化方法。

背景技术：

无线传感器网络是由大量廉价的传感器节点构成的用于监测物理环境信息的无线自组织网络。在许多无线传感器应用中，传感器通常是由电池供电，而且在工作过程中无法补充电能。因此，设计高效的方法来延长网络的工作寿命是无线传感器网络领域的重要研究课题。其中一种延长无线传感器网络寿命的方法是在无线传感器网络中部署中继节点，通过中继节点从传感器节点收集数据并将数据传输到数据处理中心，从而降低传感器的能耗，延长网络的整体寿命。中继节点的部署策略对无线传感器网络的寿命、建造成本、连接可靠性等方面具有重要的影响。

传统的中继节点部署方法将该问题看成是一个单目标优化问题来求解，如最小化中继节点的数目或者在固定中继节点的情况下最大化网络寿命等。然而，由于中继节点的部署影响到网络寿命、建造成本等多个互相冲突的因素，传统的方法无法为决策者提供多个具有不同偏好的候选解，无法使他们根据具体的情况灵活选择一个最满意的解决方案。为了解决上述困境，本发明将无线传感器网络的中继节点部署问题建模为一个多目标优化问题，并采用一种新颖的多目标觅母算法同时对网络的寿命和中继节点的数目进行优化，为决策者提供多个具有不同偏好的候选解。

多目标觅母算法是一类新兴的多目标进化算法。它的核心思想是在多目标进化算法(如多目标遗传算法)的基础上引入局部优化的策略，从而显著提高算法的搜索效率。由于多目标觅母算法是一种基于种群的算法，可以同时维护一组具有不同偏好的候选解，因而非常适合于求解多目标优化问题。而且，大量的实际应用表明，多目标觅母算法通常比多目标进化算法具有更高的搜素效率。因此，本发明基于多目标觅母算法设计无线传感器网络的中继节点部署优化方法。

发明内容：

本发明将多目标觅母算法用于无线传感器网络中继节点部署优化中。发明的算法步骤为：

(1)初始化算法的相关参数及产生一个初始种群。

(2)采用传统遗传算法中的交叉操作和变异操作产生N个新个体。

(3)对部分较优的个体执行插入中继节点的操作。

(4)对部分较优个体执行删除中继节点的操作。

(5)对部分较优个体执行局部位移操作。

(6)将(2)至(5)产生的新个体与原来的种群合并，并按照非支配排序和拥挤距离对合并后的种群排序，从中选择出最优的N个个体构成新的种群。

(7)如果算法达到结束条件则终止，否则转步骤(2)执行。

附图说明：

图1多目标觅母算法优化无线传感器网络中继节点部署的流程图

具体实施方式：

下面结合附图对本发明的方法作进一步的描述。给定N个传感器和一个L×W的检测区域。每个传感器的通信半径和感应半径分别为R_c和R_s。所有传感器都是由电池供电。由于工作环境恶劣和数量庞大等原因，传感器在工作过程中无法中途补充电能。数据收集节点是一个具有充足电能且部署在检测区域中心的一个节点。传感器将感知的物理环境信息以多跳的形式传输到数据收集中心。我们说一个传感器是有效的当该传感器具有电能且可以通过某种路径将数据传送到数据收集节点。我们的第一个目标是最大化网络的覆盖区域。为了计算网络的覆盖区域，我们将整个检测区域均匀离散化为a×b个小方格。这样我们可以统计被覆盖的小方格的数目来估计覆盖区域的比率，即

c＝n/(a×b)          (1)

其中n是被有效的传感器所覆盖的网络总数。第二个目标是最大化网络的寿命。与目前通用的方式类似，我们假定传感器的能量主要消耗在接受和发送数据上。对每个传感器，将1bit的数据发送到距离为d的地方需要消耗的能量为

e^tran＝a+b.d^v          (2)

其中a和b是与传输的介质有关的常量；v∈[2，4]是路径损耗系数。传感器节点接收1bit的数据需要消耗的能量为：

e^rec＝δ          (3)

其中δ是一个预定义的常量。传感器节点感应1bit的数据需要消耗的能量为：

e^sen＝λ           (4)

记网络中所有的节点为：

{z₀，z₁，z₂，...，z_n}          (5)

其中z₀代表着数据收集节点；z₁，...，z_n是n个传感器。传感器z_i的寿命按公式(6)计算：

$t_i=\frac{E_i}{(C_i^{\mathrm{rec}}{e}_i^{\mathrm{rec}}+C_i^{\mathrm{tran}}{e}_i^{\mathrm{tran}}+C_i^{\mathrm{sen}}{e}^{\mathrm{sen}})}---\left(6\right)$

其中E_i是z_i的剩余能量；

和

分别是该传感器在1秒内接收数据、发送数据和感应数据的量。我们采用传统的最小传输能量路由树来确定各个传感器节传送数据的路径。网络的寿命T定义为从网络开始工作到至少有一个传感器消耗完自身能量的时间间隔，即：

T＝min{t_i|i＝1，2，...，n}          (7)

图1给出了本发明算法优化无线传感器网络中继节点部署的整体流程图。下面就流程图的内容分步描述整个算法的具体实施方式：

1、初始化。

该步骤产生一个初始种群P(0)，如公式(8)所示：

$P\left(0\right)=\left[\begin{array}{c}{I}_1\\ I_2\\ ...\\ I_N\end{array}\right]=\left[\begin{array}{c}((x_{11},y_{11}),(x_{12},y_{12}),...,(x_{{1D}_1},y_{{1D}_1}))\\ ((x_{21},y_{21}),(x_{22},y_{22}),...,(x_{{2D}_2},y_{{2D}_2}))\\ ...\\ ((x_{N1},y_{N1}),(x_{N2},y_{N2}),...,(x_{{\mathrm{ND}}_N},y_{{\mathrm{ND}}_N}))\end{array}\right]---\left(8\right)$

对于每个个体I_i，编码长度D_i随机初始化为传感器的个数，而其中的位置向量则按如下公式初始化：

$\left\{\begin{array}{c}{x}_{\mathrm{ij}}=\mathrm{rand}(0,W)\\ y_{\mathrm{ij}}=\mathrm{rand}(0,L)\end{array}\right.i=\mathrm{1,2},...,N,j=\mathrm{1,2},...,D_i---\left(9\right)$

其中L和W是检测区域的长和宽；rand(a，b)返回a和b之间均匀分布的一个随机数。当初始化完所有个体的编码长度和位置向量之后，算法采用快速非支配排序法和拥挤距离操作对所有个体进行排序。这N个初始个体同时也作为集合B的初始元素。

2、基因操作。

这一步骤包含三个基因操作，即选择操作，交叉操作和变异操作。首先，选择操作采用锦标赛选择法从当前种群中选择出两个较优的个体。然后交叉操作将这两个个体的部分基因进行交换。最后，变异操作对交叉后产生的两个新个体的基因进行小概率的变异。其中变异的过程按照经典多目标算法NSGA-II的方式进行。重复执行上述步骤直到产生N个新个体为止。

3、加点操作。

这一步的目的是通过对较优个体插入中继点的方式延长它们的寿命。具体地说，这一步骤包含三个子步骤：1)从当前种群中随机选择一个非支配的个体I_B；2)从I_B中加入一个中继节点。该新加入的中继节点将加载关键节点及其后继节点上。我们称一个节点为关键路径当且仅当该节点是最早耗尽能量的节点。假设I_B的关键节点位于(sx，sy)，且其后继节点为(rx，ry)，那么新的中继节点将放置在这两点所构成的线段的中点，即新节点的坐标为：

$\left\{\begin{array}{c}x=(\mathrm{sx}+\mathrm{rx})/2\\ y=(\mathrm{sy}+\mathrm{ry})/2\end{array}\right.---\left(10\right)$

3)：评估该新个体的目标函数值。重复上述三个子步骤，直到产生N个新个体。

4、删点操作。

删点操作的目的是寻找具有更少中继节点的可行解。首选，算法从集合B中随机选择出一个可行解I_B。这里集合B保存了算法目前为止所找到的具有最少中继节点的N个可行解。然后，从I_B中随机删除一些中继节点。删除的节点数为1到M之间的随机数。这里M是一个预定义的常量。最后是评估新个体的目标函数值。重复上述步骤直到产生N个新个体。

5、局部优化操作。

局部优化操作的目的是微调可行解的位置向量，从而在保持中继节点数目不变的条件下延长网络的寿命。具体地，对于每一个中继节点，我们将它的寿命与它的前驱节点进行比较。如果该节点的寿命比它的前驱节点更短，那么它将往它的后继节点的方向移动一小段距离。否则，该节点将往它的具有最小寿命的前驱节点方向移动一小段距离。

6、更新种群操作。

经过上述四个步骤，我们产生了4×N个新个体。这些新个体将用于更新种群和集合B。首先，我们将当前的种群和所有4×N个新个体合并。然后采用快速非支配排序法和拥挤距离操作对合并后的个体集合进行排序并将最好的N个个体选择出来作为新的种群。与上述过程相似，我们将集合B和所有4×N个新个体合并。然后根据第一个目标函数的值(即中继节点个数)进行排序并选择出最优的N个个体作为新的集合B.

算法重复步骤2至步骤6直到达到算法的终止条件。

为了测试和评估本发明的算法的性能，以20个具有不同传感器数目和部署策略的网络为例进行测试。本发明的算法的参数设置如下表所示：

参数	取值	说明
			N	100	种群规模
px	0.8	交叉率
			pm	0.01	变异率
T	2	锦标赛规模
			M	2	一次删除操作中可删除中继节点的最大数目
ε	0.02	局部优化中的微调步长

最终的结果显示，本发明的算法的平均优化效果要优于传统的两阶段部署方法和当今著名的多目标进化算法NSGA-II。这说明本发明在无线传感器网络中继节点部署优化中是十分有效的。

Claims (4)

1.一种基于多目标觅母算法的无线传感器网络中继节点部署优化方法，其特征在于，该方法包括以下步骤：

(1)初始化算法的相关参数及产生一个初始种群；

(2)采用传统遗传算法中的交叉操作和变异操作产生N个新个体；

(3)对部分较优的个体执行插入中继节点的操作；

(4)对部分较优个体执行删除中继节点的操作；

(5)对部分较优个体执行局部位移操作；

(6)将(2)至(5)产生的新个体与原来的种群合并，并按照非支配排序和拥挤距离对合并后的种群排序，从中选择出最优的N个个体构成新的种群；

(7)如果算法达到结束条件则终止，否则转步骤(2)执行。

2.根据权利要求1所述的基于多目标觅母算法的无线传感器网络中继节点部署优化方法，其特征是：算法包含一个加点操作，通过对较优个体插入中继点的方式寻找具有更长寿命的可行解。

3.根据权利要求1所述的基于多目标觅母算法的无线传感器网络中继节点部署优化方法，其特征是：算法包含一个删点操作；通过从一个保存最少中继节点的解集中随机选择出一个可行解I_B，并从I_B中随机删除一些中继节点的方式寻找具有更少中继节点的可行解。

4.根据权利要求1所述的基于多目标觅母算法的无线传感器网络中继节点部署优化方法，其特征是：算法包含一个局部优化操作，用于微调可行解的位置向量，从而在保持中继节点数目不变的条件下延长网络的寿命；如果一个中继节点的寿命比它的前驱节点更短，那么它将往它的后继节点的方向移动，否则该节点将往它的具有最小寿命的前驱节点方向移动。

Images