CN108541037A - 无线传感网的移动传感节点感知路径选择方法 - Google Patents
无线传感网的移动传感节点感知路径选择方法 Download PDFInfo
- Publication number
- CN108541037A CN108541037A CN201810298574.XA CN201810298574A CN108541037A CN 108541037 A CN108541037 A CN 108541037A CN 201810298574 A CN201810298574 A CN 201810298574A CN 108541037 A CN108541037 A CN 108541037A
- Authority
- CN
- China
- Prior art keywords
- grid
- mobile sensor
- sensor node
- chromosome
- node
- 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
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- 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
- H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
-
- 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
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种无线传感网的移动传感节点感知路径选择方法，其中包括：建立移动路径选择优化模型；初始化参数和每一个种群的每一个染色体；计算每一个种群中每一个染色体的适应度值；将不具有全局最优染色体的所有种群中最差染色体替换为全局最优染色体；种群i进行MR次选择和交叉操作；种群i的MR个染色体都进行变异判断和操作；采用最近邻算法寻找能遍历经过不在该染色体中网格的最短路径；如果染色体中下一个元素不是前一个元素的邻居网格，采用从当前网格到目标网格的路径寻找方法，更新染色体；根据i和re的值，输出移动传感节点的最优移动路径。本发明能够在保证区域全覆盖的前提下提高数据传输率，降低数据传输时延和丢弃数据的总量。
Description
技术领域
本发明涉及通信技术领域，尤其涉及无线传感网技术领域，具体是指一种无线传感网的移动传感节点感知路径选择方法。
背景技术
近几年，我国地震、危险品爆炸等重大自然或事故灾害频发，造成大量的建筑物倒塌和人员伤亡。由于我国人口密度大、房屋及工程设施抗震性能差、救援方面的科学技术落后等原因，我国的重大自然或事故灾害死亡人数和其他国家的差距较大。生命探测仪、废墟表面搜索机器人和狭小缝隙搜索机器人需要救援人员到达现场进行操作。当交通受阻、人力不足、救援现场环境恶劣(如余震不断、存在有毒气体)等原因造成救援人员无法第一时间携带这些设备抵达受灾区域时，这些设备就无法发挥作用，因此迫切需要一种技术手段——无线传感网技术。当救援人员无法第一时间携带这些设备抵达受灾区域时，探测设备自主感知、移动和通信，从而采集受困人员的信息，为以后救援人员进入受灾现场提供相关数据和建议。
但是目前传统静态无线传感网适用于火山地震、森林火灾、土壤环境等对象的实时长期监测。由于重大灾难的受灾区域面积大、大规模部署时系统成本高等原因，因此静态传感网不适用于短期使用的重大灾难现场紧急救援，需要考虑移动无线传感网(mobilewireless sensor networks,MWSNs)。移动无线传感网中部分或全部节点除了具有传统静态节点的传感、计算和通信能力外,还具有一定的机动能力。在移动传感网中需要考虑移动传感节点的移动路径选择问题，尽可能提高区域覆盖率。同时在保证区域覆盖率的前提下，需要提高移动传感节点的数据传输率，降低到Sink节点的数据传输时延。因此一些学者研究移动传感节点的移动路径选择方法，并取得一定的成果。如王荔豪等人针对高超声速飞行器，考虑有限转弯半径约束和最短飞行路径约束，提出一种基于Dubins曲线的高超声速飞行器路径规划算法。陆亮等人在三维空间上寻找路径，在该路径上分解关键位置，并在A＊算法的基础上提出三维路径规划算法。Albert A等人利用无人机跟踪冰山的位置和移动方向，建立飞行器移动轮数最大和移动路程最小的优化模型，并采用CPLEX求解器获得最优方案。Guillermo F等人考虑障碍物的3D结构，根据高度分成多个层，并在每一个层上确定可停留位置。提出近似3D欧几里德最短路径算法寻找到目的地址的最短路径。Chen Y等人提出路径长度、高度方差和路径光滑度的评价函数，建立最小优化模型，并采用改进的中心力优化算法求解优化模型，获得最优解。Hung L等人将监测区域分成多个移动监测的普通六边形网格和实时监测的关键六边形网格，提出了移动传感节点的移动策略(temporalcoverage mechanism for distinct quality，TCM)避开关键节点的网格。
综上所述，目前移动传感节点的感知路径选择方法没有考虑多个节点协同感知问题和数据传输问题，且每个设备需要获知监测区域内障碍物等物体的位置和形状，这在实际应用中较难实现且需要增加较大的成本。
发明内容
本发明为了解决以上技术问题，提供一种无线传感网的移动传感节点感知路径选择方法。该方法建立和求解保证区域覆盖率下的移动路径选择优化模型，获得移动传感节点的最优移动路径，从而能够在保证区域全覆盖的前提下提高数据传输率，降低数据传输时延和丢弃数据的总量。
为了实现上述目的，本发明具有如下构成：
该无线传感网的移动传感节点感知路径选择方法，包括如下步骤：
(1)将监测区域分成大小一致的六边形网格，并根据从左到右，从上到下的原则对每一个六边形网格进行编码，令grid(v,w)表示从左开始计数的第v列中从下到上开始计数的第w个六边形网格，建立权衡数据传输时延、数据传输率和节点平均能耗的移动路径选择优化模型；
(2)初始化种群个数MZ和种群染色体个数MR，初始化每一个种群的每一个染色体的迭代次数re、每一个种群的选择因子Pi c和变异因子Pi y，且令i＝1，re＝1；
(3)计算每一个种群中每一个染色体的适应度值,在每一个种群中根据染色体的适应度值排序，选出每一个种群中适应度值最大的染色体和所有种群的全局最优染色体；
(4)将不具有全局最优染色体的所有种群中最差染色体替换为全局最优染色体；
(5)种群i进行MR次选择和交叉操作；
(6)种群i的MR个染色体均进行变异判断和操作；
(7)判断种群i的每一个染色体中是否存在相同元素，如果染色体中存在相同的元素，删除重复元素，采用最近邻算法寻找能遍历经过不在该染色体中网格的最短路径；
(8)判断染色体是否全覆盖监测区域，如果染色体没有全覆盖监测区域，寻找未覆盖且不存在障碍物的网格元素，将其加入到使其移动路程增幅最小的移动传感节点路径，获得能全覆盖监测区域的染色体；
(9)如果染色体中下一个元素不是前一个元素的邻居网格，采用从当前网格到目标网格的路径寻找方法，寻找两者间移动路径，更新染色体；
(10)如果染色体中存在障碍物的网格，删除该网格，添加可绕过该网格的邻居网格，更新染色体；
(11)i＝i+1，如果i小于等于MZ，继续步骤(5)，否则，re＝re+1，i＝1，继续步骤(12)；
(12)如果re小于等于Repeat，继续步骤(3)，否则，结束算法，输出所有种群的最优染色体，即移动传感节点的最优移动路径。
可选地，所述步骤(1)中移动路径选择优化模型的建立方法如下：
(1-1)令Pi表示移动传感节点i的移动路径，是网格中心位置的集合，且其中pi,j表示移动传感节点i的第j个停留位置，且表示网格grid(v,w)的中心位置，Ni表示移动传感节点i的移动路径中停留位置个数，令集合Pi中除初始位置的其他所有位置需是上一时刻位置的邻居网格中心，则集合位置约束表示为：
pi,j+1∈Hv,w,j＝1,2,...,Ni-1 (1)
其中，Hv,w表示网格grid(v,w)的邻居网格中心集合，令θv,w表示网格grid(v,w)中是否存在障碍物的指示符，如果为1，则表示存在障碍物，否则不存在障碍物，且令移动传感节点的停留位置为网格grid(v,w)的中心位置，继续步骤(1-2)；
(1-2)令m表示监测区域内第一行的网格数量，n表示监测区域内第一列的网格数量，表示不考虑障碍物情况下网格grid(v,w)的邻居网格中心集合，根据网格中心的位置分布，计算每一个网格中心的邻居网格中心集合；
(1-3)令每一个传感节点的移动路径中所有停留位置不相同，则停留位置不重复约束表示为：
k且j≠k (3)
(1-4)令表示grid(v,w)是否被移动传感节点i覆盖或存在障碍物的指示符，表示为：
其中，当时，表示grid(v,w)已被移动传感节点覆盖或存在障碍物，当时，表示未覆盖，令被所有移动传感节点覆盖的网格个数为：
其中，NC表示被所有移动传感节点覆盖的网格个数；
令区域覆盖率C为：
C＝NC/NG (6)
其中，NG表示监测区域内不存在障碍物的网格总数量；
(1-5)令当前时刻数据传输时延估计值为
其中，Daverage(t)表示当前时刻t的数据传输时延估计值，表示成功送到汇聚节点的数据包a的数据传输时延，TbD表示存储在移动传感节点或丢弃的数据包b的产生时刻，Np表示经过时间t后，移动传感节点产生的数据包总量；
(1-6)令由感知数据的无线通信能耗和节点移动能耗两部分组成的移动传感节点能耗表示为：
其中，Fij表示移动传感节点i发送给移动传感节点j的数据量，Eelec表示无线收发单位比特数据时电路的电子能耗，εfs表示放大单位比特信号时信号放大器的电子能耗，dij表示移动传感节点i和移动传感节点j之间的距离，Ji表示移动传感节点i的接收数据总量，εmove表示移动传感节点的移动能耗因子，di表示移动传感节点i的移动总距离，则令平均节点能耗Eaverage表示为：
其中，N表示移动传感节点个数；
(1-7)结合公式(1)至(9)建立移动路径选择优化模型如下：
min(x1Daverage/Dyu+x2/Trate+x3Eaverage/Eyu) (10)
s.t.C＝100％ (10.1)
其中，Dyu表示数据传输时延阈值，Eyu表示平均节点能耗阈值，x1表示数据传输时延权重因子，x2表示数据传输率权重因子，x3表示平均节点能耗权重因子，且x1+x2+x3＝1。
可选地，(1-2)中每一个网格中心的邻居网格中心集合的计算方法如下：
(1-2-1)初始化v＝1，w＝1；
(1-2-2)如果v＝1且w＝1时，继续步骤(1-2-17)，否则继续步骤(1-2-3)；
(1-2-3)如果v＝1且w＝n时，继续步骤(1-2-17)，否则继续步骤(1-2-4)；
(1-2-4)如果v＝1且1<w<n-1时，继续步骤(1-2-17)，否则继续步骤(1-2-5)；
(1-2-5)如果v＝m，w＝1且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-6)；
(1-2-6)如果v＝m，w＝n且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-7)；
(1-2-7)如果v＝m，1<w<n且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-8)；
(1-2-8)如果v＝m，w＝1且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-9)；
(1-2-9)如果v＝m，w＝n+1且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-10)；
(1-2-10)如果v＝m，1<w<n+1且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-11)；
(1-2-11)如果w＝1，1<v<m且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-12)；
(1-2-12)如果w＝1，1<v<m且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-13)；
(1-2-13)如果w＝n+1，1<v<m且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-14)；
(1-2-14)如果w＝n，1<v<m且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-15)；
(1-2-15)如果1<v<m且v是偶数时继续步骤(1-2-17)，否则继续步骤(1-2-16)；
(1-2-16)如果1<v<m且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-17)；
(1-2-17)w＝w+1；如果v是奇数且w＝n+1时,v＝v+1,w＝1，继续步骤(1-2-18)，否则如果v是偶数且w＝n+2时,v＝v+1,w＝1，继续步骤(1-2-18)，否则直接继续步骤(1-2-18)；
(1-2-18)如果v＝m+1，继续步骤(1-2-19)，否则继续步骤(1-2-2)；
(1-2-19)在所有的集合中寻找所有θv,w＝1的位置坐标，删除中存在障碍物的网格中心位置，获得每一个网格中心的邻居网格中心集合，即可表示为
其中表示删除所有中存在障碍物的网格中心位置的函数。
可选地，所述步骤(2)中每一个种群中每一个染色体的初始化方法如下：
(2-1)初始化所有移动传感节点的初始停留网格和所有移动传感节点的当前移动路径为初始停留网格，k＝1；
(2-2)选择移动传感节点k的当前网格，判断当前网格的邻居网格集合，如果该集合中存在未被移动传感节点停留过且不存在障碍物的网格的集合Pu，则随机选择集合Pu中一个网格作为下一个时刻的停留网格，并将该网格添加到移动传感节点k的移动路径中，继续步骤(2-4)，否则继续步骤(2-3)；
(2-3)选择离当前网格距离最短的网格为目标网格，寻找一条从当前网格到目标网格的移动路径，并将该路径添加到移动传感节点k的移动路径中，继续步骤(2-4)；
(2-4)k＝k+1，如果k≤Ns，其中Ns表示移动传感节点的最大移动次数，则继续步骤(2-2)，否则根据所有移动传感节点的移动路径和公式(4)-公式(6)计算区域覆盖率C，如果C为100％，则所有移动传感节点的移动路径达到全覆盖监测区域的要求，结束返回所有移动传感节点的移动路径，否则k＝1，继续步骤(2-2)。
可选地，所述步骤(2-3)中从当前网格到目标网格的移动路径寻找方法如下：
(2-3-1)令表示目标网格所在列数和行数，表示当前网格所在的列数和行数，表示初始网格所在的列数和行数，△x表示目标网格与当前网格的列数差，△y表示目标网格与当前网格的行数差，|x|表示x的绝对值，令已寻找的网格集合Gc为网格
(2-3-2)如果是偶数且是1，则选择网格为下一时刻需要经过的网格，并将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是偶数且是n+1，则选择网格为下一时刻需要经过的网格，将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则根据当前网格计算邻居网格集合Nc，删除已经访问或存在障碍物的网格，获得新的邻居网格集合N′c，如果N′c不是空集，继续步骤(2-3-3)，否则继续步骤(2-3-4)；
(2-3-3)：如果网格是集合N′c中一个元素，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是N′c中一个元素网格的行数，且△y≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是N′c中一个元素网格的列数，且△x≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则继续步骤(2-3-4)；
(2-3-4)如果网格是集合Nc中一个元素，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是Nc中一个元素网格的行数，且△y≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是Nc中一个元素网格的列数，且△x≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则继续步骤(2-3-4)；
(2-3-5)如果且则已寻找到目标网格，结束返回已寻找的网格集合Gc，否则继续步骤(2-3-2)。
可选地，所述步骤(3)中染色体适应度值的计算方法如下：
(3-1)初始化所有移动传感节点的初始能量、存储空间等参数，且t＝1，k＝1；
(3-2)根据各个移动传感节点位置和通信半径，设置移动传感节点与其通信范围内的邻居传感节点的链路权值为1，采用最短路径树算法构建以汇聚节点为根的最短路径树；
(3-3)如果移动传感节点在汇聚节点的最短路径树内，则可通过汇聚节点的自身位置信息广播和移动传感节点的汇聚节点位置信息转发，获知汇聚节点的位置坐标，否则移动传感节点未知汇聚节点的位置坐标；
(3-4)所有移动传感节点感知和存储数据，记录该数据为且当前存储空间大小加1，如果存储空间大于最大存储空间，则删除时间最早的一个数据，否则不处理，其中表示当前网格所在的列数和行数，表示t时刻移动传感节点k在网格上感知的数据；
(3-5)t＝t+1，移动传感节点移动到下一个时刻位置，未知汇聚节点的位置坐标的移动传感节点遇到已知汇聚节点的位置坐标的移动传感节点，通过通信获知汇聚节点的位置坐标，如果移动传感节点已知汇聚节点的位置坐标，则根据自身的移动方向、存储空间大小等信息，计算自身数据转发概率，否则当两个传感节点都未获知汇聚节点的位置坐标时，根据自身的存储空间大小计算自身的数据转发概率；
(3-6)如果移动传感节点k在汇聚节点的1跳范围内，则直接将存储空间中所有数据发送给汇聚节点，记录汇聚节点接收到的数据，否则判断是否具有邻居移动传感节点，如果不存在邻居移动传感节点，继续步骤(3-7)，否则比较自身数据转发概率和邻居移动传感节点的数据转发概率，如果移动传感节点k的邻居移动传感节点具有更高的数据转发概率，则移动传感节点k将数据发送给最高数据转发概率的邻居移动传感节点，自身存储空间中删除该数据，否则接收邻居移动传感节点的数据，如果存储空间大于最大存储空间，则删除时间最早的一个数据，存储接收到数据；
(3-7)k＝k+1，如果k≤Ns，继续步骤(3-6)，否则如果t≤Ts，其中Ts表示移动传感节点的最大移动时间，继续步骤(3-4)，否则根据汇聚节点接收到数据的信息，通过公式(7)-(9)计算数据传输时延Daverage，数据传输率Trate和节点平均能耗Eaverage，通过公式(14)计算染色体的适应度值fitness：
fitness＝x1Daverage/Dyu+x2/Trate+x3Eaverage/Eyu (14)。
与现有技术相比，本发明有益效果主要表现在：用数学公式分析了邻居网格集合、区域覆盖率、数据传输时延、节点平均能耗等参数，建立了能保证覆盖监测区域的权衡数据传输时延、数据传输率和节点平均能耗的移动路径选择优化模型。提出多种群修正算法求解优化模型，获得移动传感节点的最优移动方案。本发明解决无线传感网移动传感节点的区域全覆盖和数据传输问题，不管监测区域内是否存在障碍物，都能寻找到移动传感节点的最优移动方案，提高了数据传输率，降低了数据传输时延和节点丢弃的总数据量。
附图说明
图1为本发明的无线传感网的移动传感节点感知路径选择方法的流程图。
具体实施方式
为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。
参照图1，本发明提供了一种无线传感网的移动传感节点感知路径选择方法，其具体步骤如下：
(1)将监测区域分成大小一致的六边形网格，并根据从左到右，从上到下的原则对每一个六边形网格进行编码。令grid(v,w)表示从左开始计数的第v列中从下到上开始计数的第w个六边形网格。
(1)建立权衡数据传输时延、数据传输率和节点平均能耗的移动路径选择优化模型。移动路径选择优化模型的建立方法如下：
(1-1)令Pi Pi表示移动传感节点i的移动路径，是网格中心位置的集合，且其中pi,j pi,j表示移动传感节点i的第j个停留位置，且表示网格grid(v,w)的中心位置，Ni Ni表示移动传感节点i的移动路径中停留位置个数。由于移动传感节点需要从一个网格中心移动到其邻居网格中心，因此集合Pi Pi中除初始位置的其他所有位置需是上一时刻位置的邻居网格中心，即集合位置约束为
pi,j+1∈Hv,w,j＝1,2,...,Ni-1pi,j+1∈Hv,w,j＝1,2,...,Ni-1 (1)
其中，Hv,w Hv,w表示网格grid(v,w)的邻居网格中心集合。由于在监控中心中存在障碍物，因此在邻居网格中心选择时需要删除存在障碍物的网格中心。令θv,wθv,w表示网格grid(v,w)中是否存在障碍物的指示符。如果为1，则表示存在障碍物，否则不存在障碍物，且令移动传感节点的停留位置为网格grid(v,w)的中心位置。继续步骤(1-2)；
(1-2)令m表示监测区域内第一行的网格数量，n表示监测区域内第一列的网格数量，表示不考虑障碍物情况下网格grid(v,w)的邻居网格中心集合。根据网格中心的位置分布，计算每一个网格中心的邻居网格中心集合。每一个网格中心的邻居网格中心集合的计算方法如下：
(1-2-1)初始化v＝1，w＝1；
(1-2-2)如果v＝1且w＝1时，继续步骤(1-2-17)，否则继续步骤(1-2-3)；
(1-2-3)如果v＝1且w＝n时，继续步骤(1-2-17)，否则继续步骤(1-2-4)；
(1-2-4)如果v＝1且1<w<n-1时，继续步骤(1-2-17)，否则继续步骤(1-2-5)；
(1-2-5)如果v＝m，w＝1且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-6)；
(1-2-6)如果v＝m，w＝n且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-7)；
(1-2-7)如果v＝m，1<w<n且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-8)；
(1-2-8)如果v＝m，w＝1且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-9)；
(1-2-9)如果v＝m，w＝n+1且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-10)；
(1-2-10)如果v＝m，1<w<n+1且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-11)；
(1-2-11)如果w＝1，1<v<m且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-12)；
(1-2-12)如果w＝1，1<v<m且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-13)；
(1-2-13)如果w＝n+1，1<v<m且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-14)；
(1-2-14)如果w＝n，1<v<m且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-15)；
(1-2-15)如果1<v<m且v是偶数时继续步骤(1-2-17)，否则继续步骤(1-2-16)；
(1-2-16)如果1<v<m且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-17)；
(1-2-17)w＝w+1；如果v是奇数且w＝n+1时,v＝v+1,w＝1，继续步骤(1-2-18)，否则如果v是偶数且w＝n+2时,v＝v+1,w＝1，继续步骤(1-2-18)，否则直接继续步骤(1-2-18)；
(1-2-18)如果v＝m+1，继续步骤(1-2-19)，否则继续步骤(1-2-2)；
(1-2-19)在所有的集合中寻找所有θv,w＝1的位置坐标，删除中存在障碍物的网格中心位置，获得每一个网格中心的邻居网格中心集合，即可表示为
其中表示删除所有中存在障碍物的网格中心位置的函数。
(1-3)令每一个传感节点的移动路径中所有停留位置不相同，则停留位置不重复约束表示为：
k且j≠k (3)
(1-4)令表示grid(v,w)是否被移动传感节点i覆盖或存在障碍物的指示符，表示为：
其中，当时，表示grid(v,w)已被移动传感节点覆盖或存在障碍物，当时，表示未覆盖，令被所有移动传感节点覆盖的网格个数为：
其中，NC表示被所有移动传感节点覆盖的网格个数；
令区域覆盖率C为：
C＝NC/NG (6)
其中，NG表示监测区域内不存在障碍物的网格总数量；
(1-5)令当前时刻数据传输时延估计值为
其中，Daverage(t)表示当前时刻t的数据传输时延估计值，表示成功送到汇聚节点的数据包a的数据传输时延，Tb D表示存储在移动传感节点或丢弃的数据包b的产生时刻，Np表示经过时间t后，移动传感节点产生的数据包总量；
(1-6)令由感知数据的无线通信能耗和节点移动能耗两部分组成的移动传感节点能耗表示为：
其中，Fij表示移动传感节点i发送给移动传感节点j的数据量，Eelec表示无线收发单位比特数据时电路的电子能耗，εfs表示放大单位比特信号时信号放大器的电子能耗，dij表示移动传感节点i和移动传感节点j之间的距离，Ji表示移动传感节点i的接收数据总量，εmove表示移动传感节点的移动能耗因子，di表示移动传感节点i的移动总距离，则令平均节点能耗Eaverage表示为：
其中，N表示移动传感节点个数；
(1-7)结合公式(1)至(9)建立移动路径选择优化模型如下：
min(x1Daverage/Dyu+x2/Trate+x3Eaverage/Eyu) (10)
s.t.C＝100％ (10.1)
公式(1)-(9)
其中，Dyu表示数据传输时延阈值，Eyu表示平均节点能耗阈值，x1表示数据传输时延权重因子，x2表示数据传输率权重因子，x3表示平均节点能耗权重因子，且x1+x2+x3＝1。
(2)初始化种群个数MZ和种群染色体个数MR。初始化每一个种群的每一个染色体，迭代次数Repeat、每一个种群的选择因子Pic和变异因子Piy等参数，且令i＝1，re＝1。其中，每一个种群中每一个染色体的初始化方法如下：
(2-1)初始化所有移动传感节点的初始停留网格和所有移动传感节点的当前移动路径为初始停留网格，k＝1；
(2-2)选择移动传感节点k的当前网格，判断当前网格的邻居网格集合。如果该集合中存在未被移动传感节点停留过且不存在障碍物的网格的集合Pu，则随机选择集合Pu中一个网格作为下一个时刻的停留网格，并将该网格添加到移动传感节点k的移动路径中，继续步骤(2-4)，否则继续步骤(2-3)；
(2-3)选择离当前网格距离最短的网格为目标网格，寻找一条从当前网格到目标网格的移动路径，并将该路径添加到移动传感节点k的移动路径中，继续步骤(2-4)；其中从当前网格到目标网格的移动路径寻找方法如下：
(2-3-1)令表示目标网格所在列数和行数，表示当前网格所在的列数和行数，表示初始网格所在的列数和行数，△x表示目标网格与当前网格的列数差，△y表示目标网格与当前网格的行数差，|x|表示x的绝对值，令已寻找的网格集合Gc为网格
(2-3-2)如果是偶数且是1，则选择网格为下一时刻需要经过的网格，并将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是偶数且是n+1，则选择网格为下一时刻需要经过的网格，将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则根据当前网格计算邻居网格集合Nc，删除已经访问或存在障碍物的网格，获得新的邻居网格集合N′c，如果N′c不是空集，继续步骤(2-3-3)，否则继续步骤(2-3-4)；
(2-3-3)：如果网格是集合N′c中一个元素，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果|是N′c中一个元素网格的行数，且△y≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是N′c中一个元素网格的列数，且△x≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则继续步骤(2-3-4)；
(2-3-4)如果网格是集合Nc中一个元素，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是Nc中一个元素网格的行数，且△y≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是Nc中一个元素网格的列数，且△x≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则继续步骤(2-3-4)；
(2-3-5)如果且则已寻找到目标网格，结束返回已寻找的网格集合Gc，否则继续步骤(2-3-2)。
(2-4)k＝k+1。如果k≤Ns，其中Ns表示移动传感节点的最大移动次数，则继续步骤(2-2)，否则根据所有移动传感节点的移动路径和公式(4)-(6)计算区域覆盖率C。如果C为100％，则所有移动传感节点的移动路径达到全覆盖监测区域的要求，结束返回所有移动传感节点的移动路径，否则k＝1，继续步骤(2-2)；
(3)计算每一个种群中每一个染色体的适应度值。在每一个种群中根据染色体的适应度值排序，选出每一个种群的适应度值最大的染色体和所有种群的全局最优染色体；其中，染色体适应度值的计算方法如下：
(3-1)初始化所有移动传感节点的初始能量、存储空间等参数，且t＝1，k＝1；
(3-2)根据各个移动传感节点位置和通信半径，设置移动传感节点与其通信范围内的邻居传感节点的链路权值为1，采用最短路径树算法构建以汇聚节点为根的最短路径树；
(3-3)如果移动传感节点在汇聚节点的最短路径树内，则可通过汇聚节点的自身位置信息广播和移动传感节点的汇聚节点位置信息转发，获知汇聚节点的位置坐标，否则移动传感节点未知汇聚节点的位置坐标；
(3-4)所有移动传感节点感知和存储数据，记录该数据为且当前存储空间大小加1，如果存储空间大于最大存储空间，则删除时间最早的一个数据，否则不处理，其中表示当前网格所在的列数和行数，表示t时刻移动传感节点k在网格上感知的数据；
(3-5)t＝t+1，移动传感节点移动到下一个时刻位置，未知汇聚节点的位置坐标的移动传感节点遇到已知汇聚节点的位置坐标的移动传感节点，通过通信获知汇聚节点的位置坐标，如果移动传感节点已知汇聚节点的位置坐标，则根据自身的移动方向、存储空间大小等信息，计算自身数据转发概率，否则当两个传感节点都未获知汇聚节点的位置坐标时，根据自身的存储空间大小计算自身的数据转发概率；
其中，Pit表示移动传感节点i在t时将消息成功传输给汇聚节点的概率，(xit,yit)表示时刻t时移动传感节点i的位置坐标，(xs,ys)表示汇聚节点的位置坐标，dmax表示汇聚节点到监测区域边界的距离，k3表示存储容量参数，Di表示传感节点i的空闲存储空间，Dt表示传感节点的总存储空间，k4表示传感节点到Sink节点的距离参数,s5表示移动方向指示符号，s5＝0表示传感节点移动靠近Sink节点，否则s5＝1，表示传感节点移动远离Sink节点，即
其中，θ表示传感节点移动方向与传感节点到汇聚节点的有向线段的夹角。否则当两个传感节点都未获知汇聚节点的位置坐标时根据自身的存储空间大小，通过公式(13)计算自身的数据转发概率；
其中，k1表示初始参数，k2表示存储容量参数；
(3-7)k＝k+1，如果k≤Ns，继续步骤(3-6)，否则如果t≤Ts，其中Ts表示移动传感节点的最大移动时间，继续步骤(3-4)，否则根据汇聚节点接收到数据的信息，通过公式(7)-公式(9)计算数据传输时延Daverage，数据传输率Trate和节点平均能耗Eaverage，通过公式(14)计算染色体的适应度值fitness：
fitness＝x1Daverage/Dyu+x2/Trate+x3Eaverage/Eyu (14)
(4)将不具有全局最优染色体的所有种群中最差染色体替换为全局最优染色体；
(5)种群i进行MR次选择和交叉操作；其中选择和交叉操作方法如下：
(5-1)采用轮盘赌法寻找两个染色体R1和R2，令新染色体R3为空集合，r1＝1。
(5-2)产生一个随机数据，如果小于Pi c，选择R1中的第r1个基因加入染色体R3，否则选择R2的第r1个基因加入染色体R3，r1＝r1+1。
(5-3)如果r1≤MJ，其中MJ表示染色体中的基因个数，继续步骤(5-2)，否则返回染色体R3。
(6)种群i的MR个染色体都进行变异判断和操作。其中，染色体的变异判断和操作方法如下：
(6-1)初始化r2＝1，r3＝1；
(6-2)产生一个随机数据，如果小于Pi y，则染色体r2进入变异操作，继续步骤(6-3)，否则不进行变异操作，继续步骤(6-5)。
(6-3)产生一个随机数，如果该随机数小于Pi J，则染色体r2的基因r3进行变异，随机选择监测区域内不存在障碍物的网格，替换该基因。r3＝r3+1；
(6-4)如果r3≤MJ，继续步骤(6-3)，否则继续步骤(6-5)。
(6-5)r2＝r2+1，如果r2≤MR，继续步骤(6-2)，否则结束变异判断和操作。
(7)判断种群i的每一个染色体中是否存在相同元素，如果染色体中存在相同的元素，删除重复元素，采用最近邻算法寻找能遍历经过不在该染色体中网格的最短路径。
(8)判断染色体是否全覆盖监测区域。如果染色体没有全覆盖监测区域，寻找未覆盖且不存在障碍物的网格元素，将其加入到使最大移动路程增幅最小的移动传感节点路径，获得能全覆盖监测区域的染色体。
(9)如果染色体中下一个元素不是前一个元素的邻居网格采用从当前网格到目标网格的路径寻找方法，寻找两者间移动路径，更新染色体。
(10)如果染色体中存在障碍物的网格，删除该网格，添加可绕过该网格的邻居网格，更新染色体。
(11)i＝i+1，如果i小于等于MZ，继续步骤(5)，否则，re＝re+1，i＝1，然后继续步骤(11)；
(12)如果re小于等于Repeat，继续步骤(3)，否则，结束算法，输出所有种群的全局最优染色体，即移动传感节点的最优移动路径。
本发明提供了一种无线传感网移动传感节点的感知路径选择方法。用数学公式表示邻居网格集合、区域覆盖率、数据传输时延、节点平均能耗等参数。建立能保证全覆盖监测区域的权衡数据传输时延、数据传输率和节点平均能耗的移动路径选择优化模型。提出到目标网格的路径寻找方法、初始染色体的确定方法和染色体适应度值计算方法。最终提出修正的多种群遗传算法求解移动路径选择优化模型，获得移动传感节点的最优移动方案。不管监测区域内是否存在障碍物，本发明都能提高数据传输率，降低数据传输时延和节点丢弃的总数据量。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。
Claims (6)
1.一种无线传感网的移动传感节点感知路径选择方法，其特征在于，包括如下步骤：
(1)将监测区域分成大小一致的六边形网格，并根据从左到右，从上到下的原则对每一个六边形网格进行编码，令grid(v,w)表示从左开始计数的第v列中从下到上开始计数的第w个六边形网格，建立权衡数据传输时延、数据传输率和节点平均能耗的移动路径选择优化模型；
(2)初始化种群个数MZ和种群染色体个数MR，初始化每一个种群的每一个染色体的迭代次数re、每一个种群的选择因子Pi c和变异因子Pi y，且令i＝1，re＝1；
(3)计算每一个种群中每一个染色体的适应度值，在每一个种群中根据染色体的适应度值排序，选出每一个种群中适应度值最大的染色体和所有种群的全局最优染色体；
(4)将不具有全局最优染色体的所有种群中最差染色体替换为全局最优染色体；
(5)种群i进行MR次选择和交叉操作；
(6)种群i的MR个染色体均进行变异判断和操作；
(7)判断种群i的每一个染色体中是否存在相同元素，如果染色体中存在相同的元素，删除重复元素，采用最近邻算法寻找能遍历经过不在该染色体中网格的最短路径；
(8)判断染色体是否全覆盖监测区域，如果染色体没有全覆盖监测区域，寻找未覆盖且不存在障碍物的网格元素，将其加入到使其移动路程增幅最小的移动传感节点路径，获得能全覆盖监测区域的染色体；
(9)如果染色体中下一个元素不是前一个元素的邻居网格，采用从当前网格到目标网格的路径寻找方法，寻找两者间移动路径，更新染色体；
(10)如果染色体中存在障碍物的网格，删除该网格，添加可绕过该网格的邻居网格，更新染色体；
(11)i＝i+1，如果i小于等于MZ，继续步骤(5)，否则，re＝re+1，i＝1，继续步骤(12)；
(12)如果re小于等于Repeat，继续步骤(3)，否则，结束算法，输出所有种群的最优染色体，即移动传感节点的最优移动路径。
2.根据权利要求1所述的无线传感网的移动传感节点感知路径选择方法，其特征在于，所述步骤(1)中移动路径选择优化模型的建立方法如下：
(1-1)令Pi表示移动传感节点i的移动路径，是网格中心位置的集合，且其中pi,j表示移动传感节点i的第j个停留位置，且 表示网格grid(v,w)的中心位置，Ni表示移动传感节点i的移动路径中停留位置个数，令集合Pi中除初始位置的其他所有位置需是上一时刻位置的邻居网格中心，则集合位置约束表示为：
pi,j+1∈Hv,w,j＝1,2,...,Ni-1 (1)
其中，Hv,w表示网格grid(v,w)的邻居网格中心集合，令θv,w表示网格grid(v,w)中是否存在障碍物的指示符，如果为1，则表示存在障碍物，否则不存在障碍物，且令移动传感节点的停留位置为网格grid(v,w)的中心位置，继续步骤(1-2)；
(1-2)令m表示监测区域内第一行的网格数量，n表示监测区域内第一列的网格数量，表示不考虑障碍物情况下网格grid(v,w)的邻居网格中心集合，根据网格中心的位置分布，计算每一个网格中心的邻居网格中心集合；
(1-3)令每一个传感节点的移动路径中所有停留位置不相同，则停留位置不重复约束表示为：
(1-4)令表示grid(v,w)是否被移动传感节点i覆盖或存在障碍物的指示符，表示为：
其中，当时，表示grid(v,w)已被移动传感节点覆盖或存在障碍物，当时，表示未覆盖，令被所有移动传感节点覆盖的网格个数为：
其中，NC表示被所有移动传感节点覆盖的网格个数；
令区域覆盖率C为：
C＝NC/NG (6)
其中，NG表示监测区域内不存在障碍物的网格总数量；
(1-5)令当前时刻数据传输时延估计值为
其中，Daverage(t)表示当前时刻t的数据传输时延估计值，表示成功送到汇聚节点的数据包a的数据传输时延，Tb D表示存储在移动传感节点或丢弃的数据包b的产生时刻，Np表示经过时间t后，移动传感节点产生的数据包总量；
(1-6)令由感知数据的无线通信能耗和节点移动能耗两部分组成的移动传感节点能耗表示为：
其中，Fij表示移动传感节点i发送给移动传感节点j的数据量，Eelec表示无线收发单位比特数据时电路的电子能耗，εfs表示放大单位比特信号时信号放大器的电子能耗，dij表示移动传感节点i和移动传感节点j之间的距离，Ji表示移动传感节点i的接收数据总量，εmove表示移动传感节点的移动能耗因子，di表示移动传感节点i的移动总距离，则令平均节点能耗Eaverage表示为：
其中，Ns表示移动传感节点个数；
(1-7)结合公式(1)至(9)建立移动路径选择优化模型如下：
min(x1Daverage/Dyu+x2/Trate+x3Eaverage/Eyu) (10)
s.t.C＝100％ (10.1)
其中，Dyu表示数据传输时延阈值，Eyu表示平均节点能耗阈值，x1表示数据传输时延权重因子，x2表示数据传输率权重因子，x3表示平均节点能耗权重因子，且x1+x2+x3＝1。
3.根据权利要求2所述的无线传感网的移动传感节点感知路径选择方法，其特征在于，(1-2)中每一个网格中心的邻居网格中心集合的计算方法如下：
(1-2-1)初始化v＝1，w＝1；
(1-2-2)如果v＝1且w＝1时，继续步骤(1-2-17)，否则继续步骤(1-2-3)；
(1-2-3)如果v＝1且w＝n时，继续步骤(1-2-17)，否则继续步骤(1-2-4)；
(1-2-4)如果v＝1且1<w<n-1时，继续步骤(1-2-17)，否则继续步骤(1-2-5)；
(1-2-5)如果v＝m，w＝1且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-6)；
(1-2-6)如果v＝m，w＝n且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-7)；
(1-2-7)如果v＝m，1<w<n且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-8)；
(1-2-8)如果v＝m，w＝1且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-9)；
(1-2-9)如果v＝m，w＝n+1且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-10)；
(1-2-10)如果v＝m，1<w<n+1且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-11)；
(1-2-11)如果w＝1，1<v<m且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-12)；
(1-2-12)如果w＝1，1<v<m且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-13)；
(1-2-13)如果w＝n+1，1<v<m且v是偶数时，继续步骤(1-2-17)，否则继续步骤(1-2-14)；
(1-2-14)如果w＝n，1<v<m且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-15)；
(1-2-15)如果1<v<m且v是偶数时继续步骤(1-2-17)，否则继续步骤(1-2-16)；
(1-2-16)如果1<v<m且v是奇数时，继续步骤(1-2-17)，否则继续步骤(1-2-17)；
(1-2-17)w＝w+1；如果v是奇数且w＝n+1时,v＝v+1,w＝1，继续步骤(1-2-18)，否则如果v是偶数且w＝n+2时,v＝v+1,w＝1，继续步骤(1-2-18)，否则直接继续步骤(1-2-18)；
(1-2-18)如果v＝m+1，继续步骤(1-2-19)，否则继续步骤(1-2-2)；
(1-2-19)在所有的集合中寻找所有θv,w＝1的位置坐标，删除中存在障碍物的网格中心位置，获得每一个网格中心的邻居网格中心集合，即可表示为
其中表示删除所有中存在障碍物的网格中心位置的函数。
4.根据权利要求2所述的无线传感网的移动传感节点感知路径选择方法，其特征在于，所述步骤(2)中每一个种群中每一个染色体的初始化方法如下：
(2-1)初始化所有移动传感节点的初始停留网格和所有移动传感节点的当前移动路径为初始停留网格，k＝1；
(2-2)选择移动传感节点k的当前网格，判断当前网格的邻居网格集合，如果该集合中存在未被移动传感节点停留过且不存在障碍物的网格的集合Pu，则随机选择集合Pu中一个网格作为下一个时刻的停留网格，并将该网格添加到移动传感节点k的移动路径中，继续步骤(2-4)，否则继续步骤(2-3)；
(2-3)选择离当前网格距离最短的网格为目标网格，寻找一条从当前网格到目标网格的移动路径，并将该路径添加到移动传感节点k的移动路径中，继续步骤(2-4)；
(2-4)k＝k+1，如果k≤Ns，其中Ns表示移动传感节点的最大移动次数，则继续步骤(2-2)，否则根据所有移动传感节点的移动路径和公式(4)-公式(6)计算区域覆盖率C，如果C为100％，则所有移动传感节点的移动路径达到全覆盖监测区域的要求，结束返回所有移动传感节点的移动路径，否则k＝1，继续步骤(2-2)。
5.根据权利要求4所述的无线传感网的移动传感节点感知路径选择方法，其特征在于：所述步骤(2-3)中从当前网格到目标网格的移动路径寻找方法如下：
(2-3-1)令表示目标网格所在列数和行数，表示当前网格所在的列数和行数，表示初始网格所在的列数和行数，△x表示目标网格与当前网格的列数差，△y表示目标网格与当前网格的行数差，|x|表示x的绝对值，令已寻找的网格集合Gc为网格
(2-3-2)如果是偶数且是1，则选择网格为下一时刻需要经过的网格，并将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是偶数且是n+1，则选择网格为下一时刻需要经过的网格，将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则根据当前网格计算邻居网格集合Nc，删除已经访问或存在障碍物的网格，获得新的邻居网格集合N′c，如果N′c不是空集，继续步骤(2-3-3)，否则继续步骤(2-3-4)；
(2-3-3)：如果网格是集合N′c中一个元素，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是N′c中一个元素网格的行数，且△y≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是N′c中一个元素网格的列数，且△x≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则继续步骤(2-3-4)；
(2-3-4)如果网格是集合Nc中一个元素，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是Nc中一个元素网格的行数，且△y≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则如果是Nc中一个元素网格的列数，且△x≠0，则将该网格添加到已寻找的网格集合Gc中，继续步骤(2-3-5)，否则继续步骤(2-3-4)；
(2-3-5)如果且则已寻找到目标网格，结束返回已寻找的网格集合Gc，否则继续步骤(2-3-2)。
6.根据权利要求2所述的无线传感网的移动传感节点感知路径选择方法，其特征在于：述步骤(3)中染色体适应度值的计算方法如下：
(3-1)初始化所有移动传感节点的初始能量、存储空间等参数，且t＝1，k＝1；
(3-2)根据各个移动传感节点位置和通信半径，设置移动传感节点与其通信范围内的邻居传感节点的链路权值为1，采用最短路径树算法构建以汇聚节点为根的最短路径树；
(3-3)如果移动传感节点在汇聚节点的最短路径树内，则可通过汇聚节点的自身位置信息广播和移动传感节点的汇聚节点位置信息转发，获知汇聚节点的位置坐标，否则移动传感节点未知汇聚节点的位置坐标；
(3-4)所有移动传感节点感知和存储数据，记录该数据为且当前存储空间大小加1，如果存储空间大于最大存储空间，则删除时间最早的一个数据，否则不处理，其中表示当前网格所在的列数和行数，表示t时刻移动传感节点k在网格上感知的数据；
(3-5)t＝t+1，移动传感节点移动到下一个时刻位置，未知汇聚节点的位置坐标的移动传感节点遇到已知汇聚节点的位置坐标的移动传感节点，通过通信获知汇聚节点的位置坐标，如果移动传感节点已知汇聚节点的位置坐标，则根据自身的移动方向、存储空间大小等信息，计算自身数据转发概率，否则当两个传感节点都未获知汇聚节点的位置坐标时，根据自身的存储空间大小计算自身的数据转发概率；
(3-6)如果移动传感节点k在汇聚节点的1跳范围内，则直接将存储空间中所有数据发送给汇聚节点，记录汇聚节点接收到的数据，否则判断是否具有邻居移动传感节点，如果不存在邻居移动传感节点，继续步骤(3-7)，否则比较自身数据转发概率和邻居移动传感节点的数据转发概率，如果移动传感节点k的邻居移动传感节点具有更高的数据转发概率，则移动传感节点k将数据发送给最高数据转发概率的邻居移动传感节点，自身存储空间中删除该数据，否则接收邻居移动传感节点的数据，如果存储空间大于最大存储空间，则删除时间最早的一个数据，存储接收到数据；
(3-7)k＝k+1，如果k≤Ns，继续步骤(3-6)，否则如果t≤Ts，其中Ts表示移动传感节点的最大移动时间，继续步骤(3-4)，否则根据汇聚节点接收到数据的信息，通过公式(7)-公式(9)计算数据传输时延Daverage，数据传输率Trate和节点平均能耗Eaverage，通过公式(14)计算染色体的适应度值fitness：
fitness＝x1Daverage/Dyu+x2/Trate+x3Eaverage/Eyu (14)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810298574.XA CN108541037B (zh) | 2018-04-04 | 2018-04-04 | 无线传感网的移动传感节点感知路径选择方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810298574.XA CN108541037B (zh) | 2018-04-04 | 2018-04-04 | 无线传感网的移动传感节点感知路径选择方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108541037A true CN108541037A (zh) | 2018-09-14 |
| CN108541037B CN108541037B (zh) | 2021-08-20 |
Family
ID=63483106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810298574.XA Active CN108541037B (zh) | 2018-04-04 | 2018-04-04 | 无线传感网的移动传感节点感知路径选择方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108541037B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111365198A (zh) * | 2020-03-10 | 2020-07-03 | 中国海洋大学 | 一种海上风电机组振动监测方法及系统 |
| CN116761225A (zh) * | 2023-08-17 | 2023-09-15 | 湖南天联城市数控有限公司 | 一种无线传感网络可靠传输方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101018235A (zh) * | 2006-11-16 | 2007-08-15 | 南京邮电大学 | 基于智能代理的无线传感器网络数据聚合路径规划方法 |
| CN101617328A (zh) * | 2006-12-22 | 2009-12-30 | 新加坡技术动态私人有限公司 | 在问题解决环境中用于超启发式算法的自动配置的方法和装置 |
| CN105246097A (zh) * | 2015-09-11 | 2016-01-13 | 浙江树人大学 | 一种具有移动Sink节点的无线传感网生存时间优化方法 |
| KR20170086363A (ko) * | 2016-01-18 | 2017-07-26 | 성신여자대학교 산학협력단 | 무선 센서 네트워크 복구 및 교체 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터로 판독 가능한 기록매체 |
-
2018
- 2018-04-04 CN CN201810298574.XA patent/CN108541037B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101018235A (zh) * | 2006-11-16 | 2007-08-15 | 南京邮电大学 | 基于智能代理的无线传感器网络数据聚合路径规划方法 |
| CN101617328A (zh) * | 2006-12-22 | 2009-12-30 | 新加坡技术动态私人有限公司 | 在问题解决环境中用于超启发式算法的自动配置的方法和装置 |
| CN105246097A (zh) * | 2015-09-11 | 2016-01-13 | 浙江树人大学 | 一种具有移动Sink节点的无线传感网生存时间优化方法 |
| KR20170086363A (ko) * | 2016-01-18 | 2017-07-26 | 성신여자대학교 산학협력단 | 무선 센서 네트워크 복구 및 교체 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터로 판독 가능한 기록매체 |
Non-Patent Citations (1)
| Title |
|---|
| 王章权，陈友荣，尉理哲，任条娟: "优化网络生存时间的Sink节点移动路径选择算法", 《传感技术学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111365198A (zh) * | 2020-03-10 | 2020-07-03 | 中国海洋大学 | 一种海上风电机组振动监测方法及系统 |
| CN116761225A (zh) * | 2023-08-17 | 2023-09-15 | 湖南天联城市数控有限公司 | 一种无线传感网络可靠传输方法 |
| CN116761225B (zh) * | 2023-08-17 | 2023-11-14 | 湖南天联城市数控有限公司 | 一种无线传感网络可靠传输方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108541037B (zh) | 2021-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gelenbe et al. | Large scale simulation for human evacuation and rescue | |
| WO2021243767A1 (zh) | 应用于海洋信息网络的分层式数据采集系统及方法 | |
| Du et al. | Evolutionary planning of multi-UAV search for missing tourists | |
| Yao et al. | Coverage enhancement strategy for WSNs based on virtual force-directed ant lion optimization algorithm | |
| CN108541037A (zh) | 无线传感网的移动传感节点感知路径选择方法 | |
| CN111163477B (zh) | 一种广域三维环境下一体化智能基站自动部署方法 | |
| Ramachandran et al. | A probabilistic zonal approach for swarm‐inspired wildfire detection using sensor networks | |
| CN105635974A (zh) | 一种基于方向决策的动态路径节点定位方法 | |
| CN105246120A (zh) | 一种数据传输时延和跳数受限的Sink节点移动路径分布式选择方法 | |
| CN113242563A (zh) | 一种无线传感器网络覆盖率优化方法及系统 | |
| CN111836199A (zh) | 一种室内导航动态避障寻径方法 | |
| CN109040999A (zh) | 建筑深基坑智能监测装置 | |
| CN109947129A (zh) | 基于Dijkstra与改进粒子群算法的旋翼无人机路径规划方法 | |
| CN109874145A (zh) | 权衡生存时间和丢包率的三维无线传感网数据收集方法 | |
| Goudarzi et al. | Real-time and intelligent flood forecasting using UAV-assisted wireless sensor network | |
| CN108174428A (zh) | 山体滑坡无线监测预警系统 | |
| CN115355922A (zh) | 一种基于改进蚁群算法的出行路径规划方法及系统 | |
| CN114399226A (zh) | 一种基于语义认知的无人机区域侦察价值评估方法 | |
| CN112199747B (zh) | 基于排队网络的室内人员疏散方法和疏散系统 | |
| Yang et al. | A multi-agent and GIS based simulation for emergency evacuation in park and public square | |
| Krzysztoń et al. | Heavy gas cloud boundary estimation and tracking using mobile sensors | |
| Fu et al. | Probabilistic ants (PAnts) in multi-agent patrolling | |
| Mannan et al. | Classical versus reinforcement learning algorithms for unmanned aerial vehicle network communication and coverage path planning: A systematic literature review | |
| Hirokawa et al. | Access time of emergency vehicles under the condition of street blockages after a large earthquake | |
| CN109587695A (zh) | 权衡丢包率和数据传输时延的稀疏移动传感节点感知覆盖方法 |
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 |