CN106658570A - 基于二次栅格划分的移动sink信息收集路径构建方法 - Google Patents
基于二次栅格划分的移动sink信息收集路径构建方法 Download PDFInfo
- Publication number
- CN106658570A CN106658570A CN201611213541.8A CN201611213541A CN106658570A CN 106658570 A CN106658570 A CN 106658570A CN 201611213541 A CN201611213541 A CN 201611213541A CN 106658570 A CN106658570 A CN 106658570A
- Authority
- CN
- China
- Prior art keywords
- grid
- information collection
- primary
- division
- mobile sink
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/021—Traffic management, e.g. flow control or congestion control in wireless networks with changing topologies, e.g. ad-hoc networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
-
- 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)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种基于二次栅格划分的移动sink信息收集路径构建方法,包括:使用粗粒度栅格对布设区域进行划分,获得初级划分栅格;利用可变长度编码单亲遗传算法获得初级信息收集路径的途径栅格,构建初级最佳信息收集路径;对每一个初级最佳信息收集路径途经的初级栅格,再次使用细粒度栅格间隔进行划分,获得二级划分栅格;使用固定长度编码遗传算法对初级最佳信息收集路径进行优化,最终获得最佳信息收集路径。在不同的仿真配置下,二次栅格划分方法算法都取得了更加优异的成绩;二次栅格划分方法算法能有效的减少移动sink的信息收集路径长度,降低了移动sink系统的信息收集时延,提高了整个传感器网络系统的执行效率。
Description
技术领域
本发明属于无线传感器网络技术领域,尤其涉及一种基于二次栅格划分的移动sink信息收集路径构建方法。
背景技术
近年来无线传感器网络(Wireless Sensor Network,WSN)在环境监测、火情监测、战场探察等诸多方面都得到了广泛的应用。在这些网络的应用中,大量的传感器节点被部署到被监测区域中,当有网络关注的敏感事件发生时,传感器节点就将收集到的事件的数据经由多跳路径传输给一个静止的汇聚节点(sink node,SN)。由于整个收集的信息都会逐渐中转、汇聚,因此会导致靠近sink节点的传感器节点由于不但需要承载自身的信息传输任务还需要转发远端传感器节点的信息,因此会承载更多的传输负荷。从而,会消耗更多的能量,加速其死亡,导致整个网络生存时间的缩短,这就是所谓的“能量空洞”问题。为了解决“能量空洞”问题,近年来移动sink的应用应运而生。但是在实际的应用环境中,无线传感器网络的布设范围通常比较广阔,受移动承载平台的限制移动sink的移动速度大多不高。因此,与静止sink节点的无线传感器网络相较,采用移动sink节点的无线传感器网络常常需要更多的时间才能完成全网数据的收集工作。然而,在多数应用实践中用户对全网信息收集的时延都有所要求。但是通常网络构建完成之后,移动载体类型、能力也随之固定,载体的移动速度难以大范围进行修改提高。在移动载体能力不变的条件下,为了提高全网信息收集的时效性,只有缩短信息收集路径的长度。因此,在引入移动sink的传感器网络中,为了保证全网信息收集时延的需求,问题的核心就集中到如何构建更短的信息收集路径以缩短信息收集时延的问题之上。因此,有必要深入研究移动sink的移动路径规划问题,从而尽可能减少数据包的延迟。
发明内容
本发明的目的在于提供一种基于二次栅格划分的移动sink信息收集路径构建方法,旨在解决采用移动sink节点的无线传感器网络完成全网数据的收集工作存在收集周期较长,收集速度较慢的问题。
本发明是这样实现的,一种基于二次栅格划分的移动sink信息收集路径构建方法,所述基于二次栅格划分的移动sink信息收集路径构建方法包括以下步骤:
步骤一,使用粗粒度栅格对布设区域进行划分,获得初级划分栅格;
步骤二,利用可变长度编码单亲遗传算法获得初级信息收集路径的途径栅格,构建初级最佳信息收集路径;对每一个初级最佳信息收集路径途经的初级栅格,再次使用细粒度栅格间隔进行划分,获得二级划分栅格;
步骤三,使用固定长度编码遗传算法对初级最佳信息收集路径进行优化,最终获得最佳信息收集路径;
所述可变长度编码单亲遗传算法包括置换算子:随机删除个体中某两个相邻基因位k、k+1对应的栅格位置;获得所删除基因位置对应覆盖的传感器节点的集合的并集其中表示信息收集点k所能够覆盖的传感器节点的集合。在栅格中心点集合中搜索一个中心节点位置替换前述k、k+1基因位。
进一步,在划分初级栅格时,使用边长为L1的栅格划无线传感器网络的分布设区域。以栅格划分后形成的网状栅格的中心点坐标作为备选信息收集点位置。即移动sink仅在这些信息收集点上时开机收集信息。为了节省能量与简化控制,在其余位置移动sink关闭其收发信机,不接收信息。因此,为了保证移动sink能够收集到所有位置的传感器节点信息,设移动sink的通信半径为R,那么以栅格中心点为圆心、半径为R的圆形区域应该能够完全覆盖以L1为边长的整个栅格区域。所以栅格边长L1的上限为
进一步,在二级栅格划分时,针对初级栅格划分上形成的初级信息收集路径所途经的初级栅格。再次使用一个更小的边长L2再次对这些初级栅格进行划分。二级栅格划分边长L2越小,那么获得的信息收集路径的精确度(优化精度)越高。但是同时L2越小,二级栅格的数量就会增多,那么计算量就会增高。所以我们选择一个折中值
进一步,用整数表示栅格中心节点坐标其中s=(x-1)×I+j。因此,通过中心点序列的路径可以用一个有序整数序列来表示。
进一步,二级栅格划分的方法根据需替换的第k、k+1个栅格中心点的栅格位置,设第k个信息收集点的位置是栅格的中心点坐标第k+1个信息收集点的位置为栅格中心点位置坐标 那么就选择至与至之间的所有栅格作为备选栅格,即选择以和为顶点的矩形栅格范围之内的所有栅格作为备选栅格;然后逐次检测以每个栅格的中心点作为替换点位置是否能够覆盖原来的两个栅格中心点位置所能覆盖的传感器节点的集合;若能则直接替换,若无法找到替换栅格则直接跳过步骤。
进一步,第二级栅格划分后最佳路径的搜索方法的流程如下:
若通过第一级栅格划分后获得的初级最优路径为:其中该路径涉及的栅格依次为对于这些初级最优路径途经的栅格根据二级栅格跨度大小L2做更细致的第二层栅格划分;使用遗传算法计算最佳信息收集路径;在该处由于计算过程中,分别从中各自选择一个二级栅格来进行进一步的迭代搜索,用传统的固定长度编码的遗传算法即可,获得最终的最佳信息收集路径形如
本发明的另一目的在于提供一种利用所述基于二次栅格划分的移动sink信息收集路径构建方法的无线传感器网络。
本发明的另一目的在于提供一种利用所述基于二次栅格划分的移动sink信息收集路径构建方法的环境监测系统。
本发明的另一目的在于提供一种利用所述基于二次栅格划分的移动sink信息收集路径构建方法的火情监测系统。
本发明的另一目的在于提供一种利用所述基于二次栅格划分的移动sink信息收集路径构建方法的战场探察系统。
本发明提供的基于二次栅格划分的移动sink信息收集路径构建方法,在无线传感器网络中引入移动sink后,利用移动sink的“移动能力”可以有效地优化无线传感器网络中的数据采集过程,并显著延长整个无线传感器网络的生存时间。并且,也可利用移动sink来进行传感器节点的辅助节点定位,由此显著提高传感器节点的定位精度。通过以上的研究结论,可以看出由于移动sink节点在收集信息时更靠近传感器节点,因此更利于提高信息收集的数量与质量,有效地解决sink节点固定时节点间耗能均衡的问题。信息收集是无线传感器网络研究领域中的一个关键应用领域,是无线传感器网络实际应用的基础。移动sink的引入使sink节点只需要通过传感器节点通信范围即可完成节点信息的收集,减少了信息传输的距离,简化了信息收集协议的复杂度。本发明方法在充分考虑传感器与sink节点的无线通信特性的基础上,研究了移动sink在无线传感器网络中的最佳信息收集路径构建问题。在移动sink最佳信息收集路径的搜索过程中,本发明采用二次栅格划分的方法来逐步缩小信息收集点的搜索范围,简化了算法的计算复杂度。在信息收集路径构建过程中使用基于可变长编码的单亲遗传算法来进行路径搜索。仿真结果表明本发明所述方法与传统的基于TSP的算法相比,能够获得更好(短)的信息收集路径长度,减少了传感器节点的传输能耗、延长了网络的生存时间。与其它基于TSPN的算法相比本发明原理简单,扩展性好,能够获得更好的信息收集路径长度。因此,本发明非常适用于大规模WSN网络信息收集路径的构建应用。在不同的仿真配置下,本发明提出的二次栅格划分方法算法都取得了更加优异的成绩。因此,二次栅格划分方法算法能有效的减少移动sink的信息收集路径长度,从而降低了移动sink系统的信息收集时延,进而提高了整个传感器网络系统的执行效率。
附图说明
图1是本发明实施例提供的基于二次栅格划分的移动sink信息收集路径构建方法流程图。
图2是本发明实施例提供的二次栅格划分方法示意图。
图3是本发明实施例提供的倒序算子的运行流程示意图。
图4是本发明实施例提供的置换算子运行流程示意图。
图5是本发明实施例提供的二级栅格的构建与搜索示意图。
图6是本发明实施例提供的节点通信半径固定时的二次栅格划分方法的性能示意图。
图7是本发明实施例提供的节点数固定时的二次栅格划分方法的性能示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明构建信息收集路径的核心是确定信息收集路径上信息收集点的位置。在选择好信息收集点位置之后,将相邻的信息收集点使用直线段连接起来构成信息收集路径。所以,可以将信息收集路径地构建问题归纳为:在给定传感器网络节点分布的条件下,选择合适的信息收集点集合,并基于该集合确定一条最短的信息收集路径,依次遍历所有信息收集点收集信息,最终使信息收集过程的时延最小。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的基于二次栅格划分的移动sink信息收集路径构建方法包括以下步骤:
S101:使用粗粒度栅格对布设区域进行划分,获得初级划分栅格;
S102:利用可变长度编码单亲遗传算法获得初级信息收集路径的途径栅格,构建初级最佳信息收集路径;对每一个初级最佳信息收集路径途经的初级栅格,再次使用细粒度栅格间隔进行划分,获得二级划分栅格;
S103:使用固定长度编码遗传算法对初级最佳信息收集路径进行优化,最终获得最佳信息收集路径。
下面结合附图对本发明的应用原理作进一步的描述。
假设移动sink以及其它传感器节点的通信半径均为R。基于这种假设,在以移动sink为圆心半径为R范围之内的传感器节点都可以将自己的信息传输给移动sink节点。在传感器布设位置已知的条件下,首先以边长L1对布设区域进行栅格划分。对于第一层栅格本发明标记为(x1,y1)表示在第一层栅格中以仿真区域左下角栅格为起点的当前栅格的位置标识,由左到右由下到上,i1表示栅格的行数、j1表示栅格的列数。对于第一层栅格可以按照边长L2做第二层栅格划分。对于第二称栅格本发明标记为其中上标表示是第2级栅格划分中的栅格,(x1,y1)(x2,y2)表示第二层栅格的位置标识,其中的(x1,y1)表示该二级栅格是对第一层栅格中的(x1,y1)位置上的栅格进行的二级划分,(x2,y2)表示在一级栅格(x1,y1)中对应的二级栅格的位置标识,标识方法与一级栅格中的意义相同。同理,本发明用表示1级栅格(x1,y1)的中心点位置坐标,用表示2级栅格(x1,y1)(x2,y2)的中心点位置坐标。基于以上定义,分别用表示一级栅格中心点的x、y坐标值,用分别表示二级栅格中心的横纵坐标值。基于以上假设,那么以每个栅格中心为圆心R为半径的圆,也就是移动sink在某个栅格中心点位置上能够覆盖的区域。该区域中所包含的节点集合可以表示为:
上式中,nodel表示第l个传感器节点的位置坐标,I、J分别表示横、纵轴划分的栅格数,N表示场景中的节点数,|| ||表示进行欧氏距离计算。
在以上参数描述的基础上,本发明所提出的算法的流程叙述如下:
Step1:产生初始种群
为了表示方便,用整数表示栅格中心节点坐标其中s=(x-1)×I+j。因此,通过中心点序列的路径用一个有序整数序列来表示。同时在生成遗传算法的初始个体的时候需要保证以该中心点集合为信息收集点位置能够覆盖到布设区域内的所有传感器节点,并且还需要足够随机。
Step2:计算适应值
适应值是遗传算法的进化依据。在本发明中,由于本发明的是最小化信息收集时延的问题,对应的本发明就选择每个遗传个体对应的信息收集路径的长度作为个体的适应值。适应值越小,代表该个体表示的信息收集路径越短,即信息收集时间越短,所以个体越优秀。
Step3:第一级栅格划分&可变长度编码遗传算法
为了在引入可变长度编码的条件下进行遗传算法的迭代运算,同时保持进化过程中个体长度的可变特性,本发明设计了两个遗传算子:倒序算子和置换算子。使用这两个算子来代替传统遗传算法中的交织、变异等算子。本发明首先来描述一下这两个本发明定义的新算子。
倒序算子:对于一个个体根据个体长度随机选择两个位置——倒序的起始、终结位置k1,k2,不失一般性设k1≤k2,然后将k1→k2的路径倒置为k2→k1的路径。
从图3中可以看出倒序算子思路非常简单,仅需要产生倒序的起始、终结位置即可。同时由于仅是倒置了起始、终结位置之间的序列结构,因此并不会导致算法存储空间的增多。从之前相关文献的仿真结果和本发明算法仿真过程来看倒序算子具有优秀的执行效率,由其在算法初期的搜索阶段该算子具有非常高的搜索效率。
与此同时,从当前的研究结果可以看出,基于TSP和TSPN问题的最短信息收集路径问题的最优解其信息收集点位置的数量都是随着搜索过程的进行而逐渐减小的。而倒序算子虽然具有很好的搜索能力,但是该算子并不改变信息收集点的数量,所以并不能进一步优化现有个体。因此,基于以上分析结果,本发明认为需要添加一种能够在满足布设区域内传感器节点完全覆盖的条件下的能够优化信息收集点数量的新的算子。用这个新的算子能够进行更加细致的局部搜索,从而形成对倒序算子构成有效的补充。这就是本发明下面要论述的“置换算子”。
置换算子:为了进一步优化算法的局部搜索能力,本发明提出一种全新的遗传操作算子——置换算子。置换算子的想法是随机删除个体中某两个相邻基因位k、k+1;获得所删除基因位置对应覆盖的传感器节点的集合的并集在栅格中心点集合中搜索数量尽量少的一些其它中心节点位置组成替换点集。
由于替换点集合覆盖的传感器节点集合能够完全包含删除的基因位所覆盖的传感器节点集合找到后用替换点集合替换这两个基因位,若无法找到替换点集合则跳过该步操作,执行Step4。
通过置换算子的流程描述可以看出,置换算子的核心是使用一个新的信息收集点位置替换原个体中的两个信息收集点位置。从图5可以看出,使用新的信息收集点位置替换原来的信息收集点之后,信息收集路径从原来的转化为根据简单的几何学原理——三角形的两边长度之和大于第三边的长度。设X为边与边的交点。那么显而易见边与之和大于边的长度,边与的长度和大于边的长度。因此,路径的长度必然大于路径的长度。所以如果能够找到一个合适的信息收集点E,那么就能够缩短信息收集路径的长度。现在问题的关键转化为如何能够找到该合适的替换节点位置的问题。在本发明中,由于是采用二级栅格划分的方法来缩小路径搜索的范围,所以本发明采用一个相对简单的方法,在这里本发明称之为“局部栅格搜索”的方法。在局部栅格搜索方法中,本发明根据需替换的第k、k+1个栅格中心点的栅格位置,不失一般性假设第k个信息收集点的位置是栅格的中心点坐标第k+1个信息收集点的位置为栅格中心点位置坐标假设 那么们就选择至与至之间的所有栅格作为备选栅格。也就是选择以和为顶点的矩形栅格范围之内的所有栅格作为备选栅格。然后逐次检测以每个栅格的中心点作为替换点位置是否能够覆盖原来的两个栅格中心点位置所能覆盖的传感器节点的集合。若能则直接替换,若无法找到替换栅格则直接跳过该步骤。这样就可以有效的降低置换算子所需要搜索的栅格范围,也就降低了算法的复杂度与计算量。
Step4:最优个体保持策略
在遗传算法的迭代过程中,本发明选择使用最优个体保持策略来保证最优个体在迭代过程中的延续。具体操作方法是将每一代中的最佳解(最优个体)保存下来;在倒序、置换操作完成后,比较上一代的最佳解(最优个体值)与当代最佳解(最优个体值)的适应值;若当代最佳解(最优个体)较差,则使用上代最佳解(最优个体)替换当代个体中最差个体。若当代最佳值(最优个体)的适应值更好,则使用当代最佳解来替换上一代的最佳解,作为至今最佳解保存下来。
Step5:退出条件判断
“退出条件”是用来判断算法在迭代的过程中是否应当退出的一个重要步骤。在本发明设置的“退出条件”为:至今最佳解的适应值在若干代中的变化范围小于至今最佳解的适应值的某个预设比例。其具体的含义是就是判断迭代过程所生成的各代最佳解的适应值在某些代中如果没有明显的变化,那么就意味着算法已经搜索到全局最佳解了。所以,根据这个设置的“退出条件”若判定算法满足了该退出条件或已经到达最大迭代次数门限,算法就退出迭代,将至今最佳解作为最终解输出。否者,则继续进行迭代过程。
Step6:第二级栅格划分&固定长度编码遗传算法
在通过Step3-Step5的第一级栅格划分及可变长度编码遗传算法的求解过程后,就可以在大粒度上大致确定最佳信息收集路径。为了在此基础上获得更加精确的信息收集路径,进一步减少信息收集路径长度与降低信息收集时延,本发明对所获得的一级最佳路径上信息收集点所在的一级栅格再次使用更小粒度的栅格进行划分。并且,在每一个粗粒度栅格中只选择一个细粒度栅格中心作为路径的信息收集点的备选位置。通过这样进一步的求精过程,整个路径的构建就转化为对每个粗粒度栅格中细粒度栅格中心的选择过程,由于此时粗粒度栅格的数目已经确定,所以这里的搜索问题就变成一个固定信息收集点数量的路径优化问题,即信息收集路径上的信息收集点的数目是固定的。因此,本发明在这里就可以采用定长编码的单亲遗传算法来加以解决,最终可以获得一条更好、更短的信息收集路径。
根据这个思路第二级栅格划分后最佳路径的搜索方法的流程如下:
Step6-1:假设通过第一级栅格划分后获得的初级最优路径为:其中该路径涉及的栅格依次为对于这些初级最优路径途经的栅格根据二级栅格跨度大小L2做更细致的第二层栅格划分。
Step6-2:使用遗传算法计算最佳信息收集路径。在该处由于计算过程中,分别从中各自选择一个二级栅格来进行进一步的迭代搜索。所以只是用传统的固定长度编码的遗传算法即可。最终如图5所示,获得最终的最佳信息收集路径
下面结合仿真对本发明的应用效果作详细的描述。为了表示方便在仿真结果分析中我们将本文的方法称谓TGDA方法。
在仿真中,传感器节点均匀分布在在500m×500m的矩形区域里;节点数50-100个节点;传感器节点与移动sink节点具有相同的通信半径R,通信半径设置为20m-100m;每次生成100个拓扑,每一个拓扑仿真50次。
为了对比清晰,本发明采用两种方式进行仿真对比。首先本发明使用相同的节点的通信半径——50m和100m,传感器节点的数量由50个逐级增加到100个。在这一过程中对三个算法的性能进行仿真,结果如图5。然后,本发明固定传感器节点数为50个和100个,传感器节点的通信半径从20m逐渐增加到100m,再次对三个算法进行仿真对比,获得的仿真结果显示为图6。
从图6的仿真结果可以看出,在节点通信半径固定的情况下,无论网络中的节点数为50个还是100个,以上三种算法所获得的最佳路径长度都在逐渐增加。这是由于随着网络中传感器节点数的增多,移动sink需要经历的节点数也会同步增长,所以移动sink的信息收集路径长度会随之增加。在节点数的不同情况下,显而易见基于TSP的算法的性能都是最差的。这是由于在基于TSP的算法中,每个传感器节点的位置就是信息收集点的位置。因此在此类算法中,移动sink需要遍历所有节点位置才能完成信息收集任务,所以该类算法所获得的信息收集路径长度必然是所有算法中最长一个。相较于基于TSP的算法,COM算法的性能有了不小的提高。由于COM算法会根据相邻信息收集点所覆盖范围的重叠程度选择合并相邻的信息收集点。相对于基于TSP的算法,这样以来COM算法生成的路径中所包含的信息收集点个数更少,所以生成的信息收集路径长度相对更短。相较于以上两种对比算法,本发明的二次栅格划分方法算法具有最好的性能。在通信半径50m、节点数50的情况下二次栅格划分方法算法生成的路径长度比COM算法缩短了33.37%。若节点数增加为100,二次栅格划分方法算法的优势更是扩大到了35.19%。与基于TSP的算法相比,二次栅格划分方法算法的性能更是远远超过。
在第二种测试方式下,本发明首先固定节点数为50和100,节点通信半径由20m逐步增加到100m时,仿真结果与第一种测试方法非常类似。从图7可以看出,在固定节点数时由于基于TSP的算法遍历所有的节点位置,因此在节点数不变的情况下TSP算法的性能基本没有变化。随着传感器节点通信半径的逐步增加,由于COM和二次栅格划分方法算法都考虑到节点的通信范围能力,因此这两种算法的性能都有了相应的提高。并且节点通信半径越大意味着移动sink节点可以在更大的范围内收集到传感器节点所上传的信息。所以可以看出,随着通信半径的增长,COM和二次栅格划分方法算法的性能提高程度都随之扩大,但二次栅格划分方法算法提高程度更大。从图4中本发明可以看到,在节点数为50、通信半径为100m时,相较于COM算法二次栅格划分方法算法的路径长度减少了43.51%,若节点数增加到100,TGA算法的优势扩大到48.16%。
从以上所述仿真结果可见,在不同的仿真配置下,本发明提出的二次栅格划分方法算法都取得了更加优异的成绩。因此,二次栅格划分方法算法能有效的减少移动sink的信息收集路径长度,从而降低了移动sink系统的信息收集时延,进而提高了整个传感器网络系统的执行效率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于二次栅格划分的移动sink信息收集路径构建方法,其特征在于,所述基于二次栅格划分的移动sink信息收集路径构建方法包括以下步骤:
步骤一,使用粗粒度栅格对布设区域进行划分,获得初级划分栅格;
步骤二,利用可变长度编码单亲遗传算法获得初级信息收集路径的途径栅格,构建初级最佳信息收集路径;对每一个初级最佳信息收集路径途经的初级栅格,再次使用细粒度栅格间隔进行划分,获得二级划分栅格;
步骤三,使用固定长度编码遗传算法对初级最佳信息收集路径进行优化,最终获得最佳信息收集路径;
所述可变长度编码单亲遗传算法包括置换算子:随机删除个体中某两个相邻基因位k、k+1所表示的栅格中心点;获得所删除基因位置对应覆盖的传感器节点的集合的并集其中表示栅格中心点k所能够覆盖的传感器节点的集合;在栅格中心点集合中搜索一个栅格中心节点位置来替换以上k、k+1基因位。
2.如权利要求1所述的基于二次栅格划分的移动sink信息收集路径构建方法,其特征在于,用表示栅格s中心节点坐标(x,y)表示在第一层栅格中以仿真区域左下角栅格为起点的当前栅格的位置标识,由左到右由下到上,x表示栅格的行数、y表示栅格的列数。使用s=(x-1)×I+j做转换,I表示初级栅格划分的列数。此时通过中心点序列的路径可以用一个有序序列来表示。
3.如权利要求1所述的基于二次栅格划分的移动sink信息收集路径构建方法,其特征在于,在二级栅格划分方法中的置换算子根据当前需要替换的第k、k+1个栅格中心点的位置做如下操作。其中第k个信息收集点的位置是栅格的中心点坐标第k+1个信息收集点的位置为栅格中心点位置坐标不失一般性,设 那么就选择至与至之间的所有栅格作为备选栅格,即选择以和为顶点的矩形栅格范围之内的所有栅格作为备选栅格;然后逐次检测以每个备选栅格的中心点作为替换点位置是否能够覆盖原来的两个栅格中心点位置所能覆盖的传感器节点的集合;若能则直接替换,若无法找到替换栅格则直接跳过此步骤。
4.如权利要求1所述的基于二次栅格划分的移动sink信息收集路径构建方法,其特征在于,第二级栅格划分后最佳路径的搜索方法的流程如下:
若通过第一级栅格划分后获得的初级最优路径为:其中该路径涉及的栅格依次为对于这些初级最优路径途经的栅格根据二级栅格跨度大小L2做更细致的第二层栅格划分;使用遗传算法计算最佳信息收集路径;在该处由于计算过程中,分别从中各自选择一个二级栅格来进行进一步的迭代搜索,用传统的固定长度编码的遗传算法即可,获得最终的最佳信息收集路径形如
5.一种利用权利要求1~5任意一项所述基于二次栅格划分的移动sink信息收集路径构建方法的无线传感器网络。
6.一种利用权利要求1~5任意一项所述基于二次栅格划分的移动sink信息收集路径构建方法的环境监测系统。
7.一种利用权利要求1~5任意一项所述基于二次栅格划分的移动sink信息收集路径构建方法的火情监测系统。
8.一种利用权利要求1~5任意一项所述基于二次栅格划分的移动sink信息收集路径构建方法的战场探察系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611213541.8A CN106658570B (zh) | 2016-12-23 | 2016-12-23 | 基于二次栅格划分的移动sink信息收集路径构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611213541.8A CN106658570B (zh) | 2016-12-23 | 2016-12-23 | 基于二次栅格划分的移动sink信息收集路径构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106658570A true CN106658570A (zh) | 2017-05-10 |
CN106658570B CN106658570B (zh) | 2019-12-10 |
Family
ID=58827684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611213541.8A Active CN106658570B (zh) | 2016-12-23 | 2016-12-23 | 基于二次栅格划分的移动sink信息收集路径构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106658570B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109348416A (zh) * | 2018-09-06 | 2019-02-15 | 西安电子科技大学 | 基于二分k均值的指纹室内定位方法 |
CN109670656A (zh) * | 2019-02-27 | 2019-04-23 | 重庆邮电大学 | 一种基于4g网络的无人机最优通信路线规划方法 |
CN111556546A (zh) * | 2020-03-19 | 2020-08-18 | 西安电子科技大学 | 最短信息收集路径的搜索方法、系统、存储介质及应用 |
CN113453184A (zh) * | 2021-06-25 | 2021-09-28 | 滁州学院 | 基于多移动数据收集车合作机制的无线传感器网络数据收集方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101448267A (zh) * | 2008-12-31 | 2009-06-03 | 中山大学 | 基于粒子群算法的无线传感器网络节点覆盖优化方法 |
CN102413471A (zh) * | 2012-01-09 | 2012-04-11 | 哈尔滨工业大学 | 一种基于链路稳定性估算的无线栅格传感器网络组网方法 |
-
2016
- 2016-12-23 CN CN201611213541.8A patent/CN106658570B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101448267A (zh) * | 2008-12-31 | 2009-06-03 | 中山大学 | 基于粒子群算法的无线传感器网络节点覆盖优化方法 |
CN102413471A (zh) * | 2012-01-09 | 2012-04-11 | 哈尔滨工业大学 | 一种基于链路稳定性估算的无线栅格传感器网络组网方法 |
Non-Patent Citations (2)
Title |
---|
NIRAJ B. NAKE等: "An Energy Efficient Grid Based Routing in Mobile Sink Based Wireless Sensor Networks", 《IEEE》 * |
ZHANGBING ZHOU等: "An Energy-Balanced Heuristic for Mobile Sink Scheduling in Hybrid WSNs", 《IEEE》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109348416A (zh) * | 2018-09-06 | 2019-02-15 | 西安电子科技大学 | 基于二分k均值的指纹室内定位方法 |
CN109348416B (zh) * | 2018-09-06 | 2020-08-25 | 西安电子科技大学 | 基于二分k均值的指纹室内定位方法 |
CN109670656A (zh) * | 2019-02-27 | 2019-04-23 | 重庆邮电大学 | 一种基于4g网络的无人机最优通信路线规划方法 |
CN111556546A (zh) * | 2020-03-19 | 2020-08-18 | 西安电子科技大学 | 最短信息收集路径的搜索方法、系统、存储介质及应用 |
CN111556546B (zh) * | 2020-03-19 | 2022-08-23 | 西安电子科技大学 | 最短信息收集路径的搜索方法、系统、存储介质及应用 |
CN113453184A (zh) * | 2021-06-25 | 2021-09-28 | 滁州学院 | 基于多移动数据收集车合作机制的无线传感器网络数据收集方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106658570B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104239556B (zh) | 基于密度聚类的自适应轨迹预测方法 | |
Pham et al. | A general model for out-of-town region recommendation | |
CN106658570A (zh) | 基于二次栅格划分的移动sink信息收集路径构建方法 | |
CN109583665A (zh) | 一种无线传感器网络中的无人机充电任务调度方法 | |
CN107948246B (zh) | 一种基于车联网车辆社交性的rsu部署方法及系统 | |
CN107613480B (zh) | 一种基于树状簇与移动元素的数据收集方法 | |
CN108809839A (zh) | 无线Mesh骨干网络流量控制方法与装置 | |
CN107067091A (zh) | 一种基于蚁群优化算法的城市生态用地空间规划模型 | |
Konstantinidis et al. | Energy-aware topology control for wireless sensor networks using memetic algorithms | |
Zhong et al. | Ant colony optimization algorithm for lifetime maximization in wireless sensor network with mobile sink | |
Al-Turjman | Hybrid approach for mobile couriers election in smart-cities | |
CN109102124A (zh) | 基于分解的动态多目标多路径诱导方法、系统及存储介质 | |
CN105740964A (zh) | 一种城市路网数据组织与最短路径快速计算方法 | |
CN105447595A (zh) | 一种基于谱聚类算法的景点路线推荐方法 | |
CN107121146A (zh) | 基于路链深度的最优路径规划方法 | |
Boukerche et al. | A novel joint optimization method based on mobile data collection for wireless rechargeable sensor networks | |
Xiong et al. | Route network design of community shuttle for metro stations through genetic algorithm optimization | |
Benmad et al. | Data collection in UAV-assisted wireless sensor networks powered by harvested energy | |
CN111274700A (zh) | 一种基于矢量数据的生境网络构建方法 | |
Chiu et al. | Robot routing using clustering-based parallel genetic algorithm with migration | |
Lee et al. | Predictive data delivery to mobile users through mobility learning in wireless sensor networks | |
CN105025504A (zh) | 一种无线充电传感器网络锚点选择方法 | |
CN116634504A (zh) | 基于改进nsga-ii算法的无人机组网拓扑关系与带宽分配优化策略 | |
Wu et al. | A novel data collector path optimization method for lifetime prolonging in wireless sensor networks | |
CN106651010A (zh) | 一种基于最短路径的线网划分方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |