CN105898763A - 一种受网络生命周期约束的有向传感器网络覆盖优化方法 - Google Patents
一种受网络生命周期约束的有向传感器网络覆盖优化方法 Download PDFInfo
- Publication number
- CN105898763A CN105898763A CN201610341648.4A CN201610341648A CN105898763A CN 105898763 A CN105898763 A CN 105898763A CN 201610341648 A CN201610341648 A CN 201610341648A CN 105898763 A CN105898763 A CN 105898763A
- Authority
- CN
- China
- Prior art keywords
- sensor
- destination node
- node
- network
- cover
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Selective Calling Equipment (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
一种受网络生命周期约束的有向传感器网络覆盖优化方法,包括如下步骤:1)初始化;2)排序;3)锁定目标节点;4)对于目标TSj,将所有能对其进行覆盖的传感器工作模式So,p,q加入集合CTSj,So,p,q是指传感器So工作在p方向,第q个功率,计算每个工作模式的适应度f,选取最大适应度的传感器工作模式对其进行覆盖;5)更新并判断循环条件;6)重复步骤3)~5)直到无法产生更多的覆盖子集;7)输出一组覆盖子集。本发明在满足覆盖要求的前提下以最小的无线网络生命周期消耗为代价产生每一轮覆盖子集,进而获得更多的覆盖子集。
Description
技术领域
本发明涉及一种无线传感器网络覆盖问题的优化方法,具体涉及一种受网络生命周期约束的满足多目标覆盖前提下最大化有向传感器网络生命周期的方法。
背景技术
无线传感器网络技术近年来因其在国家安全、军事以及环境监测领域的大量应用而广受关注。无线传感器网络由大量低电量存储、低能耗的传感器节点组成,这些传感器包含感知、数据处理、数据传输等主要功能模块。通常在传感器网络中假设传感器节点的感知范围为一个以节点为圆心、以感知距离为半径的圆域。然而,现实情况下由于设备和环境的约束,传感器节点的感知角度受到限制,这类传感器被称为有向传感器。每个有向传感器可以工作在若干个方向,然而同一时刻只能工作在一个工作方向。通常有向传感器只工作在一个能耗模式,考虑到有向传感器在实际情况下可能有多个功耗级别,分别对应不同的感知半径。
有向传感器网络覆盖的一个难点:在同时监控所有目标节点的情况下,最大化网络的工作时间。这是一个NP完全问题,解决该问题的一般方法是寻找尽可能多的覆盖子集,每个覆盖子集都可以满足一段时间的目标覆盖,当传感器剩余能量无法满足同时覆盖所有目标节点时网络生命周期结束。
发明内容
为了克服现有的有向传感器网络覆盖方式的无线网络生命周期消耗较大的不足,本发明提供一种在满足覆盖要求的前提下以最小的无线网络生命周期消耗为代价产生每一轮覆盖子集,进而获得更多的覆盖子集的受网络生命周期约束的有向传感器网络覆盖优化方法。
本发明解决其技术问题所采用的技术方案是:
一种受网络生命周期约束的有向传感器网络覆盖优化方法,包括如下步骤:
1)在一个二维区域随机部署n个传感器节点和m个目标节点,初始化传感器节点剩余能量集合Pl,可选功率数K以及对应感知半径r和单位时间能耗c、可感知方向、初始朝向;
2)t时刻,t初始为0,按照目标节点对网络生命周期的限制对目标节点进行排序,存储于TS集合中,目标节点i对网络生命周期的限制用LTi表示;
3)令j=1,j标识TS集合中目标节点的序号,选取TS集合中的第j个目标节点TSj,若已被覆盖,则j=j+1,选取下一个目标节点TSj;
4)对于目标TSj,将所有能对其进行覆盖的传感器工作模式So,p,q加入集合CTSj,So,p,q是指传感器So工作在p方向,第q个功率,计算每个工作模式的适应度f,选取最大适应度的传感器工作模式对其进行覆盖;
5)更新传感器节点的剩余能量,更新TS中的目标节点排序,若j=n,即所有目标节点全被覆盖,产生一个覆盖子集,t=t+△t,此时所有目标结点又变为未被覆盖状态,返回步骤3);否则,直接回到步骤3);
6)重复步骤3)~5)直到无法产生更多的覆盖子集;
7)输出一组覆盖子集。
进一步,所述步骤2)中,网络生命周期指从网络开始工作并覆盖全部目标节点,直到传感器节点剩余能量无法满足在△t时间段内持续覆盖所有目标节点;目标节点对网络生命周期的限制指该目标节点周围传感器节点全部用来服务该目标节点时,该目标节点能够维持的被覆盖的最大时间。
再进一步,所述步骤4)中,依据公式(1)计算每个工作模式的适应度f:
公式(1)中Pl为传感器剩余能量,c为指定工作模式So,p,q对应的功耗,j为当前目标节点TSj的排位,参数α为该工作模式对应工作半径的圆域内该传感器能够覆盖的所有目标节点中在TS中排位最靠前的目标节点的排位,最高排位对应α=1,最低排位对应α=m,排位越高α越低;且α≤j;参数β为该工作模式下能够覆盖的除了TSj外的还未被覆盖的目标节点中,在TS中排位最靠前的目标节点的排位;参数β*为该工作模式对应工作半径的圆域内,该传感器能够覆盖的除TSj外的还未被覆盖的目标节点中,在TS中排位最靠前的目标节点的排位,j<β≤β*),Pl为传感器剩余能量。
本发明的技术构思为:对于有向传感器网络在满足一定覆盖要求下的最大化生命周期问题,一种典型的解决办法就是找出尽可能多的覆盖子集,每个覆盖子集都可以满足给定的覆盖要求。本发明创造性的提出按照目标节点对网络生命周期的限制程度进行排序,并在传感器节点的选择上尽量保留可能覆盖更关键目标节点(对网络限制程度更大的目标节点)的传感器节点,从而在满足覆盖要求的前提下,以最小的无线网络生命周期消耗为代价产生每一轮覆盖子集,进而获得更多的覆盖子集。
首先对覆盖区域目标节点按照其对有向传感器网络生命周期的限制进行排序,接着根据上述排序依次选取目标节点,并选取最大适应度传感器工作模式对其进行覆盖。每启用一个传感器,更新传感器节点的剩余能量,重新计算并调整目标节点的排序。直到所有的目标节点均被覆盖,此时产生一个覆盖子集。重复上述步骤直到所有传感器的剩余能量无法产生更多的覆盖子集。输出一组覆盖子集;
本发明的有益效果主要表现在:在满足覆盖要求的前提下以最小的无线网络生命周期消耗为代价产生每一轮覆盖子集,进而获得更多的覆盖子集。
附图说明
图1是有向感知模型示意图,示例模型工作在2个功率等级,3个工作方向(如图1中分别表示为d1,d2,d3),每个工作方向对应θ角度的工作范围(这里为120°)。
图2是受网络生命周期约束的有向传感器网络覆盖优化方法的流程图;
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1和图2,一种受网络生命周期约束的有向传感器网络覆盖优化方法,包括如下步骤:
1).初始化
在一个二维区域随机部署n个传感器节点和m个目标节点,初始化传感器节点剩余能量集合Pl,可选功率数K以及对应的感知半径r和单位时间能耗c、可感知方向、初始朝向。
2).排序
t时刻(t初始为0),按照目标节点对网络生命周期的限制对目标节点进行排序(注:网络生命周期指从网络开始工作并覆盖全部目标节点,直到传感器节点剩余能量无法满足在△t时间段内持续覆盖所有目标节点;目标节点对网络生命周期的限制指该目标节点周围传感器节点全部用来服务该目标节点时,该目标节点能够维持的被覆盖的最大时间),存储于TS集合中。目标节点i对网络生命周期的限制用LTi表示.
3).锁定目标节点
令j=1,j标识TS集合中目标节点的序号。选取TS集合中的第j个目标节点TSj,若已被覆盖,则j=j+1,选取下一个目标节点TSj。
4).覆盖目标节点
对于目标TSj(注:TS集合中第j个目标节点),将所有能对其进行覆盖的传感器工作模式So,p,q(注:传感器So工作在p方向,第q个功率)加入集合CTSj,依据公式(1)计算每个工作模式的适应度f,选取最大适应度的传感器工作模式对其进行覆盖。
公式(1)中Pl为传感器剩余能量,c为指定工作模式So,p,q对应的功耗,j为当前目标节点TSj的排位,参数α为该工作模式对应工作半径的圆域内(即放宽该工作模式对应的感知角度,使其为一个圆域)该传感器能够覆盖的(包括TSj在内)所有目标节点中在TS中排位最靠前的目标节点的排位(注:最高排位对应α=1,最低排位对应α=m,排位越高α越低;且α≤j);参数β为该工作模式下能够覆盖的除了TSj外的还未被覆盖的目标节点中,在TS中排位最靠前的目标节点的排位;参数β*为该工作模式对应工作半径的圆域内(即放宽该工作模式对应的感知角度,使其为一个圆域),该传感器能够覆盖的除TSj外的还未被覆盖的目标节点中,在TS中排位最靠前的目标节点的排位(注:j<β≤β*)。Pl为传感器剩余能量,m为目标节点数,n为传感器节点数量。
5).更新并判断循环条件
更新传感器节点的剩余能量,更新TS中的目标节点排序,若j=n(即所有目标节点全被覆盖),产生一个覆盖子集,t=t+△t,此时所有目标结点又变为未被覆盖状态,返回步骤3);否则,直接回到步骤3)(注:这里并不令j=j+1,返回步骤3)后j仍被赋值1,原因是考虑到排位存在调整的可能)。
6).寻找更多覆盖子集
重复步骤3)~5)直到无法产生更多的覆盖子集。
7).输出
最后,输出一组覆盖子集。
本发明的有向感知模型作为传感器网络的一种典型感知模型,对应节点的感知范围是一个以节点为圆心、半径为其感知距离的扇形区域。本发明使用的传感器是多功率传感器,不同功率有对应的能耗和感知半径。本发明使用的传感器感知模型如图1。
图1展示了一个能工作在2个功率等级、3个工作方向的有向传感器。有向传感器可以工作在若干不同的方向,这些工作方向对应的感知角度不重叠,合起来为一个圆域。设传感器有K个功耗模式,对应K个功耗和感知半径。目标节点随机生成后不发生位移。
以上所述的实施仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (3)
1.一种受网络生命周期约束的有向传感器网络覆盖优化方法,其特征在于:包括如下步骤:
1)在一个二维区域随机部署n个传感器节点和m个目标节点,初始化传感器节点剩余能量集合Pl,可选功率数K以及对应感知半径r和单位时间能耗c、可感知方向、初始朝向;
2)t时刻,t初始为0,按照目标节点对网络生命周期的限制对目标节点进行排序,存储于TS集合中,目标节点i对网络生命周期的限制用LTi表示;
3)令j=1,j标识TS集合中目标节点的序号,选取TS集合中的第j个目标节点TSj,若已被覆盖,则j=j+1,选取下一个目标节点TSj;
4)对于目标TSj,将所有能对其进行覆盖的传感器工作模式So,p,q加入集合CTSj,So,p,q是指传感器So工作在p方向,第q个功率,计算每个工作模式的适应度f,选取最大适应度的传感器工作模式对其进行覆盖;
5)更新传感器节点的剩余能量,更新TS中的目标节点排序,若j=n,即所有目标节点全被覆盖,产生一个覆盖子集,t=t+△t,此时所有目标结点又变为未被覆盖状态,返回步骤3);否则,直接回到步骤3);
6)重复步骤3)~5)直到无法产生更多的覆盖子集;
7)输出一组覆盖子集。
2.如权利要求1所述的一种受网络生命周期约束的有向传感器网络覆盖优化方法,其特征在于:所述步骤2)中,网络生命周期指从网络开始工作并覆盖全部目标节点,直到传感器节点剩余能量无法满足在△t时间段内持续覆盖所有目标节点;目标节点对网络生命周期的限制指该目标节点周围传感器节点全部用来服务该目标节点时,该目标节点能够维持的被覆盖的最大时间。
3.如权利要求1或2所述的一种受网络生命周期约束的有向传感器网络覆盖优化方法,其特征在于:所述步骤4)中,依据公式(1)计算每个工作模式的适应度f:
公式(1)中Pl为传感器剩余能量,c为指定工作模式So,p,q对应的功耗,j为当前目标节点TSj的排位,参数α为该工作模式对应工作半径的圆域内该传感器能够覆盖的所有目标节点中在TS中排位最靠前的目标节点的排位,最高排位对应α=1,最低排位对应α=m,排位越高α越低;且α≤j;参数β为该工作模式下能够覆盖的除了TSj外的还未被覆盖的目标节点中,在TS中排位最靠前的目标节点的排位;参数β*为该工作模式对应工作半径的圆域内,该传感器能够覆盖的除TSj外的还未被覆盖的目标节点中,在TS中排位最靠前的目标节点的排位,j<β≤β*),Pl为传感器剩余能量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610341648.4A CN105898763B (zh) | 2016-05-20 | 2016-05-20 | 一种受网络生命周期约束的有向传感器网络覆盖优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610341648.4A CN105898763B (zh) | 2016-05-20 | 2016-05-20 | 一种受网络生命周期约束的有向传感器网络覆盖优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105898763A true CN105898763A (zh) | 2016-08-24 |
CN105898763B CN105898763B (zh) | 2019-04-23 |
Family
ID=56716503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610341648.4A Active CN105898763B (zh) | 2016-05-20 | 2016-05-20 | 一种受网络生命周期约束的有向传感器网络覆盖优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105898763B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100008286A1 (en) * | 2008-06-10 | 2010-01-14 | Fujitsu Limited | Wireless sensor networks |
CN102843743A (zh) * | 2012-07-18 | 2012-12-26 | 南京邮电大学 | 基于菌群觅食优化算法的无线传感网层次化路由方法 |
-
2016
- 2016-05-20 CN CN201610341648.4A patent/CN105898763B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100008286A1 (en) * | 2008-06-10 | 2010-01-14 | Fujitsu Limited | Wireless sensor networks |
CN102843743A (zh) * | 2012-07-18 | 2012-12-26 | 南京邮电大学 | 基于菌群觅食优化算法的无线传感网层次化路由方法 |
Non-Patent Citations (2)
Title |
---|
JIANG,YB: "Optimization for K Level Coverage of Video WSN Based on Number Restriction", 《INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND COMMUNICATION ENGINEERING (CSCE)》 * |
蒋一波等: "视频传感器网络中多路径K级覆盖动态优化算法", 《仪器仪表学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN105898763B (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106712076B (zh) | 一种海上风电场集群规模下的输电系统优化方法 | |
Yager | Uncertainty representation using fuzzy measures | |
CN103476118B (zh) | 一种用于实时监控的wlan室内位置指纹定位方法 | |
CN105354646B (zh) | 一种混合粒子群优化与极限学习机的电力负荷预测方法 | |
CN106358203A (zh) | 一种分布式认知无线传感器网络中基于q学习的频谱分配方法 | |
CN103747419B (zh) | 一种基于信号强度差值与动态线性插值的室内定位方法 | |
CN104036324B (zh) | 一种基于遗传算法的通信网络容量可靠性最优设计方法 | |
CN101448267A (zh) | 基于粒子群算法的无线传感器网络节点覆盖优化方法 | |
CN112905379B (zh) | 基于自我注意力机制的图自编码器的交通大数据修复方法 | |
CN106028417B (zh) | 一种基于节点能耗和剩余能量的无线传感网络路径规划方法 | |
CN108649605A (zh) | 一种基于双层场景区间潮流的der并网准入容量规划方法 | |
CN101459915A (zh) | 基于遗传算法的无线传感器网络节点覆盖优化方法 | |
CN104700160A (zh) | 一种车辆路径优化方法 | |
CN102395146A (zh) | 一种面向多目标点监测的无线传感网感知拓扑构建方法 | |
CN112637860B (zh) | 一种三维无线传感器网络覆盖方法及系统 | |
CN106684885A (zh) | 基于多场景分析的风电机组配电网无功优化方法 | |
CN107870591A (zh) | 一种基于互联网的地下工程变形远程自动监控控制系统 | |
CN108563875A (zh) | 基于多目标优化的模拟电路测点和频率联合优选方法 | |
CN106097163A (zh) | 一种面向时空均衡的水资源优化配置方法 | |
CN109101721A (zh) | 不确定环境下基于区间直觉模糊信息的多无人机任务分配方法 | |
CN106714193A (zh) | 一种基于理想图案模型的水下传感器节点沉降部署方法 | |
CN102761881A (zh) | 无线传感器网络静态节点最优覆盖控制集求解方法 | |
CN109041073B (zh) | 一种自供能无线传感器网络最优节点放置方法 | |
CN105898763A (zh) | 一种受网络生命周期约束的有向传感器网络覆盖优化方法 | |
CN106257502A (zh) | 一种用于含风电场的经济调度的数据处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230717 Address after: 310000 rooms 702 and 703, Yuesheng International Center, ningwei street, Xiaoshan District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou Incandescent Orange Digital Technology Co.,Ltd. Address before: The city Zhaohui six districts Chao Wang Road Hangzhou City, Zhejiang province 310014 18 Patentee before: JIANG University OF TECHNOLOGY |
|
TR01 | Transfer of patent right |