CN110059848A - Wsn充电服务站点设定方法及充电设备行驶路径规划方法 - Google Patents

Wsn充电服务站点设定方法及充电设备行驶路径规划方法 Download PDF

Info

Publication number
CN110059848A
CN110059848A CN201910167732.2A CN201910167732A CN110059848A CN 110059848 A CN110059848 A CN 110059848A CN 201910167732 A CN201910167732 A CN 201910167732A CN 110059848 A CN110059848 A CN 110059848A
Authority
CN
China
Prior art keywords
node
anchor node
sensor
antibody
wsn
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
Application number
CN201910167732.2A
Other languages
English (en)
Other versions
CN110059848B (zh
Inventor
毛莉
李中华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
SYSU CMU Shunde International Joint Research Institute
Research Institute of Zhongshan University Shunde District Foshan
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University, SYSU CMU Shunde International Joint Research Institute, Research Institute of Zhongshan University Shunde District Foshan filed Critical Sun Yat Sen University
Priority to CN201910167732.2A priority Critical patent/CN110059848B/zh
Publication of CN110059848A publication Critical patent/CN110059848A/zh
Application granted granted Critical
Publication of CN110059848B publication Critical patent/CN110059848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种WSN充电服务站点设定方法及充电设备行驶路径规划方法，通过若干个大小相等的图形将WSN划分成若干个区域，将每个传感器节点分别对应到所属的区域中，并在每个区域中根据传感器节点的位置选取锚节点，利用锚节点作为充电服务站点的设定基准，可以简单、合理地确定充电服务站点的最优位置；而通过人工免疫模型，筛选出移动无线充电设备完成能量补充任务所需总耗能最小的行驶路径，有效地节约了能量资源；另一方面，由于人工免疫模型的多样性和快速的收敛速度，有利于提高行驶路径的优化准确性以及获取效率。

Description

WSN充电服务站点设定方法及充电设备行驶路径规划方法
技术领域
本发明涉及智能路径规划领域，尤其是一种WSN充电服务站点设定方法及充电设备行驶路径规划方法。
背景技术
无线传感器网络(Wireless Sensor Network，WSN)是由各种相同或不同的传感器节点，通过协作的方式，感知环境变量数据并采集、处理和传输。因其具备自组织、部署便捷、低功耗能等特点，被广泛应用于智能交通、军事、室内定位、灾害预防等多领域。
在WSN中传感器节点采用单跳或多跳的方式进行数据传输，因传感器节点的储能有限，为保证WSN中传感器节点正常工作，需要对传感器节点进行能量补充。
目前，针对该问题，各国研究者进行了大量的研究，主要可分为节能法、能量收集法以及无线充电法。
在无线充电法中，一般的，传感器节点以及充电服务站点的部署都是预先设定的。显然，不同工程应用中，WSN的区域范围不同，传感器节点的部署也不同，预先部署传感器节点的方式不能涵盖各类不同工程应用的实际情况。同时，移动无线充电设备所携带的能量有限，可能无法一次遍历所有传感器节点，而需要多次往返充电服务站点，进行能量补充，所以充电服务站点位置的选择十分关键。再者，移动无线充电设备可采用一对一的充电方式或一对多的充电方式对传感器节点进行能量的补充。一般地，当传感器节点部署密度较大时，采用一对一的充电方式所花费的时长较大，同时，移动无线充电设备所行驶的路程较大；当传感器节点部署密度较小时，采用一对多的充电方式时，由于传感器节点距离充电锚节点的不等，若距离较远，则充电效率骤减，严重影响充电质量。
发明内容
为解决上述问题的至少一个，本发明的目的在于提供一种WSN充电服务站点设定方法及充电设备行驶路径规划方法，能够较为合理地设定WSN充电服务站点的位置、规划充电设备行驶路径。
本发明解决其问题所采用的技术方案是：
第一方面，本发明实施例提出了一种WSN充电服务站点设定方法，包括：
利用若干个大小相等的图形将WSN划分成若干个区域；
将每个传感器节点分别对应到所属的区域中；
在每个区域中根据传感器节点的位置选取锚节点；
将充电服务站点设定在与各个锚节点的距离之和最小的位置。
进一步，利用若干个大小相等的正六边形将WSN区域划分成若干个蜂窝。
进一步，所述将每个传感器节点分别对应到所属的区域中，包括：
按顺序对区域进行编号；
按照区域的编号顺序，判断WSN中的每一个传感器节点是否位于某一个区域内，将在某一个区域和该区域内的传感器节点对应起来，若传感器节点位于两个相邻区域的边界上，优先将其对应到编号较前的区域。
进一步，所述在每个区域中根据传感器节点的位置选取锚节点，包括：
若某个区域中不存在传感器节点，则不在该区域内选取锚节点；若某个区域中仅存在一个传感器节点，则锚节点的位置即为该传感器节点的位置；若某个区域中存在两个传感器节点，则锚节点的位置为两个传感器节点的位置的中心点；若某个区域内的传感器节点数量大于两个，则锚节点的位置为该区域的中心点；
对每个锚节点进行编号。
第二方面，基于本发明实施例的第一方面，本发明实施例还提供了一种充电设备行驶路径规划方法，包括：将传感器节点、锚节点和充电服务站点的位置输入到人工免疫模型，筛选出移动无线充电设备完成能量补充任务所需总耗能最小的行驶路径。
进一步，所述筛选出移动无线充电设备完成能量补充任务所需总耗能最小的行驶路径，包括：
以移动无线充电设备遍历锚节点的路径作为抗体，构建抗体种群；
根据移动无线充电设备的剩余能量对抗体种群中的抗体进行检验；
获取抗体的适应度；
对抗体种群进行克隆操作；
通过变异算子对克隆后的抗体种群进行变异操作；
在变异后的抗体种群中筛选出适应度较小的抗体；
若未达到迭代终止条件，则更新抗体种群，迭代执行以上步骤；若达到迭代终止条件，则输出该适应度较小的抗体。
进一步，所述以移动无线充电设备遍历锚节点的路径作为抗体，构建抗体种群，包括：
根据锚节点的数量生成一组随机序列，作为一个抗体；
生成若干个抗体，将抗体和抗体数量利用矩阵形式表示。
进一步，所述根据移动无线充电设备的剩余能量对抗体种群中的抗体进行检验，包括：从行驶路径上的第一个锚节点开始，判断从某个锚节点到下一个锚节点之前移动无线充电设备的剩余能量是否满足行驶到下一个锚节点为其充电并返回充电服务站点，若无线充电设备的剩余能量不足，则返回充电服务站点，进行能量补充。
进一步，利用适应度函数获取抗体的适应度，所述适应度函数为：
fit＝Etra+Ech；
进一步，所述变异算子包括字符交换变异算子、字符串移位变异算子、字符串逆转变异算子以及字符串重组变异算子中的至少一种。
第三方面，本发明实施例还提供了一种装置，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明实施例第一方面、第二方面所述的方法。
一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行本发明实施例第一方面、第二方面所述的方法。
本发明实施例中提供的一个或多个技术方案，至少具有如下有益效果：本发明实施例提供的一种充电服务站点设定方法，通过若干个大小相等的图形将WSN划分成若干个区域，将每个传感器节点分别对应到所属的区域中，并在每个区域中根据传感器节点的位置选取锚节点，利用锚节点作为充电服务站点的设定基准，可以简单、合理地确定充电服务站点的最优位置。
本发明实施例提供的一种充电设备行驶路径规划方法，通过人工免疫模型，筛选出移动无线充电设备完成能量补充任务所需总耗能最小的行驶路径，有效地节约了能量资源；另一方面，由于人工免疫模型的多样性和快速的收敛速度，有利于提高行驶路径的优化准确性以及获取效率。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明一个实施例中充电服务站点设定方法的流程图；
图2是本发明一个实施例中将每个传感器节点分别对应到所属的区域中的流程图；
图3是本发明一个实施例中在每个区域中根据传感器节点的位置选取锚节点的流程图；
图4是本发明一个实施例中充电设备行驶路径规划方法的流程图；
图5是本发明一个实施例中以移动无线充电设备遍历锚节点的路径作为抗体，构建抗体种群的流程图；
图6是本发明一个实施例中锚节点的部署示意图；
图7是本发明一个实施例中充电服务站点的部署示意图；
图8是本发明一个实施例中充电设备行驶路径的规划示意图；
图9是本发明一个实施例中执行充电服务站点设定方法或者充电设备行驶路径的装置的示意图。
具体实施方式
无线传感器网络(Wireless Sensor Network，WSN)是由各种相同或不同的传感器节点，通过协作的方式，感知环境变量数据并采集、处理和传输。因其具备自组织、部署便捷、低功耗能等特点，被广泛应用于智能交通、军事、室内定位、灾害预防等多领域。
在WSN中传感器节点采用单跳或多跳的方式进行数据传输，因传感器节点的储能有限，为保证WSN中传感器节点正常工作，需要对传感器节点进行能量补充。
目前，针对该问题，各国研究者进行了大量的研究，主要可分为节能法、能量收集法以及无线充电法。
在无线充电法中，一般的，传感器节点以及充电服务站点的部署都是预先设定的。显然，不同工程应用中，WSN的区域范围不同，传感器节点的部署也不同，预先部署传感器节点的方式不能涵盖各类不同工程应用的实际情况。同时，移动无线充电设备所携带的能量有限，可能无法一次遍历所有传感器节点，而需要多次往返充电服务站点，进行能量补充，所以充电服务站点位置的选择十分关键。再者，移动无线充电设备可采用一对一的充电方式或一对多的充电方式对传感器节点进行能量的补充。一般地，当传感器节点部署密度较大时，采用一对一的充电方式所花费的时长较大，同时，移动无线充电设备所行驶的路程较大；当传感器节点部署密度较小时，采用一对多的充电方式时，由于传感器节点距离充电锚节点的不等，若距离较远，则充电效率骤减，严重影响充电质量。
基于此，本发明提供了一种WSN充电服务站点设定方法及充电设备行驶路径规划方法，通过若干个大小相等的图形将WSN划分成若干个区域，将每个传感器节点分别对应到所属的区域中，并在每个区域中根据传感器节点的位置选取锚节点，利用锚节点作为充电服务站点的设定基准，可以简单、合理地确定充电服务站点的最优位置；而通过人工免疫模型，筛选出移动无线充电设备完成能量补充任务所需总耗能最小的行驶路径，有效地节约了能量资源；另一方面，由于人工免疫模型的多样性和快速的收敛速度，有利于提高行驶路径的优化准确性以及获取效率。
下面结合附图，对本发明实施例作进一步阐述。
参照图1、图6、图7，本发明的一个实施例提供了一种WSN充电服务站点设定方法，包括但不限于以下步骤：
S100:利用若干个大小相等的图形将WSN划分成若干个区域；
S200:将每个传感器节点分别对应到所属的区域中；
S300:在每个区域中根据传感器节点的位置选取锚节点；
S400:将充电服务站点设定在与各个锚节点的距离之和最小的位置。
在本实施例中，WSN为图6中的正方形区域。利用若干个大小相等的图形将WSN划分成若干个区域，可以保证每个传感器节点所在区域的大小相等，使得后续锚节点和充电服务站点的选取更加准确。
在本实施例中，可以采用坐标的方式，确定各个传感器节点和锚节点的坐标，便于得出与各个锚节点的距离之和最小的位置。
在本实施例中，通过若干个大小相等的图形将WSN划分成若干个区域，将每个传感器节点分别对应到所属的区域中，并在每个区域中根据传感器节点的位置选取锚节点，利用锚节点作为充电服务站点的设定基准，可以简单、合理地确定充电服务站点的最优位置。
进一步地，作为其中一个优选的实施例，在步骤S100中，利用若干个大小相等的正六边形将WSN区域划分成若干个蜂窝。
在本实施例中，并不限定于使用正六边形对WSN区域进行划分，也可以采用其他形状的图形，例如正方形、三角形等，而由于传感器天线的覆盖范围是圆形的，正六边形的内接圆形的面积要比正方形、三角形的内接圆形的面积要大，因此采用正六边形进行划分有利于提高覆盖范围。需要特别说明的是，若采用圆形、椭圆形等图形进行划分会存在相邻间覆盖不完全的情况，因此将这类图形排除。
进一步地，参照图2，作为其中一个优选的实施例，步骤S200:将每个传感器节点分别对应到所属的区域中，具体包括：
S210:按顺序对区域进行编号；
S220:按照区域的编号顺序，判断WSN中的每一个传感器节点是否位于某一个区域内，将在某一个区域和该区域内的传感器节点对应起来，若传感器节点位于两个相邻区域的边界上，优先将其对应到编号较前的区域。
在本实施例中，按顺序对区域进行编号，然后按照区域的编号顺序，判断WSN中的每一个传感器节点是否位于某一个区域内，可以避免出现遗漏而影响最终的充电服务站点的位置确定。
进一步地，参照图3，作为其中一个优选的实施例，步骤S300:在每个区域中根据传感器节点的位置选取锚节点，具体包括：
S310:若某个区域中不存在传感器节点，则不在该区域内选取锚节点；若某个区域中仅存在一个传感器节点，则锚节点的位置即为该传感器节点的位置；若某个区域中存在两个传感器节点，则锚节点的位置为两个传感器节点的位置的中心点；若某个区域内的传感器节点数量大于两个，则锚节点的位置为该区域的中心点；
S320:对每个锚节点进行编号。
本实施例根据传感器节点的数量和位置分别选取锚节点，使得锚节点尽量位于各个传感器节点的中心，有利于提高充电服务站点位置的准确性。
在选取了充电服务站点的位置后，本发明的另一个实施例还提供了充电设备行驶路径规划方法，包括：将传感器节点、锚节点和充电服务站点的位置输入到人工免疫模型，筛选出移动无线充电设备完成能量补充任务所需总耗能最小的行驶路径。
生物的免疫系统是一种自适应的、自组织的、分布式的系统，是一种能够抵挡外来病原体的具有复杂功能的防御系统，人工免疫系统是一种灵感来源于生物体免疫系统，用于解决计算机领域问题的新兴算法。免疫系统是哺乳动物抵御外来病毒侵害的防御系统，动物的生命过程中会遇到各种伤害可能，免疫系统为其正常的活动起着重要的作用。免疫系统的一大特点就是用有限的资源有效地应对了数量庞大且种类多变的病毒入侵。受此特性的启发，人们设计了一种具有对多峰值函数进行多峰值搜索和全局寻优的新型算法，这种算法称为人工免疫算法，采用这种算法的为人工免疫模型。
在本实施例中，通过人工免疫模型，筛选出移动无线充电设备完成能量补充任务所需总耗能最小的行驶路径，有效地节约了能量资源；另一方面，由于人工免疫模型的多样性和快速的收敛速度，有利于提高行驶路径的优化准确性以及获取效率。
进一步地，参照图4、图8，作为其中一个优选的实施例，以移动无线充电设备遍历锚节点的路径作为抗体，构建抗体种群，包括但不限于以下步骤：
S500:以移动无线充电设备遍历锚节点的路径作为抗体，构建抗体种群；
S600:根据移动无线充电设备的剩余能量对抗体种群中的抗体进行检验；
S700:获取抗体的适应度；
S800:对抗体种群进行克隆操作；
S900:通过变异算子对克隆后的抗体种群进行变异操作；
S1000:在变异后的抗体种群中筛选出适应度较小的抗体；
若未达到迭代终止条件，则更新抗体种群，迭代执行以上步骤；若达到迭代终止条件，则输出该适应度较小的抗体及其适应度。
在本实施例中，迭代终止条件为最大迭代次数，设定为500次，在其他实施例中也可以根据实际的情况自由设定。
进一步地，参照图5，作为其中一个优选的实施例，步骤S500:以移动无线充电设备遍历锚节点的路径作为抗体，构建抗体种群，具体包括：
S510:根据锚节点的数量生成一组随机序列，作为一个抗体；
S520:生成若干个抗体，将抗体和抗体数量利用矩阵形式表示。
例如，锚节点的数量为n个，随机生成一组1-n的随机序列，即移动无线充电设备的行驶路径为抗体的结构。随机生成m组此类抗体，则构成一个m×n的矩阵，该矩阵即为抗体种群。
进一步地，作为其中一个优选的实施例，步骤S600:根据移动无线充电设备的剩余能量对抗体种群中的抗体进行检验，具体包括：从行驶路径上的第一个锚节点开始，判断从某个锚节点到下一个锚节点之前移动无线充电设备的剩余能量是否满足行驶到下一个锚节点为其充电并返回充电服务站点，若无线充电设备的剩余能量不足，则返回充电服务站点，进行能量补充，反之，则继续行驶到下一锚节点完成充电任务。
进一步地，作为其中一个优选的实施例，步骤S700:获取抗体的适应度中，适应度为移动无线充电设备总消耗能量，总消耗能量包括移动无线充电设备的行驶能量以及为WSN中传感器节点充电所消耗的能量，采用适应度函数获取抗体的适应度，适应度函数为：fit＝Etra+Ech (1)
其中，公式(1)中，fit为总耗能，Etra为移动无线充电设备行驶耗能，Ech为移动无线充电设备为WSN中所有传感器节点充电所消耗的能量。
其中，公式(2)中，Ptra为移动无线充电设备的行驶功率，V为移动无线充电设备的行驶速度，Len为移动无线充电设备完成充电任务所行驶的路程。
其中，公式(3)中，Dl为一个充电回路移动无线充电设备的行驶路程。
其中，公式(4)中，di,i+1为锚节点i到锚节点i+1的距离，dm,0为锚节点m到充电服务站点的距离。
其中，公式(5)中，echi为第i个锚节点所在蜂窝内，移动无线充电设备对该蜂窝内传感器节点充电所消耗的能量。
其中，公式(6)中，Esn为传感器节点的初始能量，esn,j为该区域内第j个节点的剩余能量。
其中，公式(7)中，Pi为传感器节点的能耗功率，t为移动无线充电设备达到该传感器节点所在区域的时刻。
进一步地，作为其中一个优选的实施例，步骤S900:通过变异算子对克隆后的抗体种群进行变异操作中，变异算子包括字符交换变异算子、字符串移位变异算子、字符串逆转变异算子以及字符串重组变异算子。具体地，变异算子分为字符交换变异算子、字符串移位变异算子、字符串逆转变异算子以及字符串重组变异算子。字符交换即随机生成1-n中2个整数，交换对应的锚节点顺序；字符串移位变异算子即随机生成2个不等的1-n之间的随机整数，将抗体中对应的两个锚节点以及两锚节点之间的其他锚节点，向左循环移动一位，其余位不变；字符串逆转变异算子即随机生成2个不等的1-n之间的随机整数，将对应位上的锚节点以及2锚节点之间的其他锚节点进行逆转，其他位上的锚节点保持不变；字符串重组变异算子即随机生成2个不等的1-n之间的随机整数，将对应位上的锚节点以及2锚节点之间的其他锚节点进行重新排序，其他位上的锚节点保持不变。
参照图9，本发明的一个实施例还提供了一种装置，包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述方法实施例中任意一种WSN充电服务站点设定方法或者充电设备行驶路径规划方法。
该装置100可以是任意类型的智能终端，例如手机、平板电脑、个人计算机等。
处理器和存储器可以通过总线或者其他方式连接，图9中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的WSN充电服务站点设定方法或者充电设备行驶路径规划方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行装置100的各种功能应用以及数据处理，即实现上述任一方法实施例的WSN充电服务站点设定方法或者充电设备行驶路径规划方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据装置100的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该装置100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中，当被所述一个或者多个处理器执行时，执行上述任意方法实施例中的WSN充电服务站点设定方法或者充电设备行驶路径规划方法，例如，执行以上描述的图1中的方法步骤S100至S400，图4中的方法步骤S500至S1000。
本发明的一个实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，例如，被图9中的一个处理器执行，可使得上述一个或多个处理器执行上述方法实施例中的一种WSN充电服务站点设定方法或者充电设备行驶路径规划方法，例如，执行以上描述的图1中的方法步骤S100至S400、图2中的方法步骤S210至S220、图3中的方法步骤S310至S320、图4中的方法步骤S500至S1000，图5中的方法步骤S510至S520。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种WSN充电服务站点设定方法，其特征在于，包括：
利用若干个大小相等的图形将WSN划分成若干个区域；
将每个传感器节点分别对应到所属的区域中；
在每个区域中根据传感器节点的位置选取锚节点；
将充电服务站点设定在与各个锚节点的距离之和最小的位置。
2.根据权利要求1所述的一种WSN充电服务站点设定方法，其特征在于，所述将每个传感器节点分别对应到所属的区域中，包括：
按顺序对区域进行编号；
按照区域的编号顺序，判断WSN中的每一个传感器节点是否位于某一个区域内，将在某一个区域和该区域内的传感器节点对应起来，若传感器节点位于两个相邻区域的边界上，优先将其对应到编号较前的区域。
3.根据权利要求1所述的一种WSN充电服务站点设定方法，其特征在于，所述在每个区域中根据传感器节点的位置选取锚节点，包括：
若某个区域中不存在传感器节点，则不在该区域内选取锚节点；
若某个区域中仅存在一个传感器节点，则锚节点的位置即为该传感器节点的位置；若某个区域中存在两个传感器节点，则锚节点的位置为两个传感器节点的位置的中心点；若某个区域内的传感器节点数量大于两个，则锚节点的位置为该区域的中心点；
对每个锚节点进行编号。
4.一种应用于权利要求1-3任一所述方法的充电设备行驶路径规划方法，其特征在于，包括：将传感器节点、锚节点和充电服务站点的位置输入到人工免疫模型，筛选出移动无线充电设备完成能量补充任务所需总耗能最小的行驶路径。
5.根据权利要求4所述的一种充电设备行驶路径规划方法，其特征在于，所述筛选出移动无线充电设备完成能量补充任务所需总耗能最小的行驶路径，包括：
以移动无线充电设备遍历锚节点的路径作为抗体，构建抗体种群；根据移动无线充电设备的剩余能量对抗体种群中的抗体进行检验；获取抗体的适应度；
对抗体种群进行克隆操作；
通过变异算子对克隆后的抗体种群进行变异操作；
在变异后的抗体种群中筛选出适应度较小的抗体；
若未达到迭代终止条件，则更新抗体种群，迭代执行以上步骤；
若达到迭代终止条件，则输出该适应度较小的抗体。
6.根据权利要求5所述的一种充电设备行驶路径规划方法，其特征在于，所述以移动无线充电设备遍历锚节点的路径作为抗体，构建抗体种群，包括：
根据锚节点的数量生成一组随机序列，作为一个抗体；
生成若干个抗体，将抗体和抗体数量利用矩阵形式表示。
7.根据权利要求5所述的一种充电设备行驶路径规划方法，其特征在于，所述根据移动无线充电设备的剩余能量对抗体种群中的抗体进行检验，包括：从行驶路径上的第一个锚节点开始，判断从某个锚节点到下一个锚节点之前移动无线充电设备的剩余能量是否满足行驶到下一个锚节点为其充电并返回充电服务站点，若无线充电设备的剩余能量不足，则返回充电服务站点，进行能量补充。
8.根据权利要求5所述的一种充电设备行驶路径规划方法，其特征在于：利用适应度函数获取抗体的适应度，所述适应度函数为：
fit＝Etra+Ech；
9.一种装置，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-8任一项所述的方法。
CN201910167732.2A 2019-03-06 2019-03-06 Wsn充电服务站点设定方法及充电设备行驶路径规划方法 Active CN110059848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910167732.2A CN110059848B (zh) 2019-03-06 2019-03-06 Wsn充电服务站点设定方法及充电设备行驶路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910167732.2A CN110059848B (zh) 2019-03-06 2019-03-06 Wsn充电服务站点设定方法及充电设备行驶路径规划方法

Publications (2)

Publication Number Publication Date
CN110059848A true CN110059848A (zh) 2019-07-26
CN110059848B CN110059848B (zh) 2021-06-08

Family

ID=67316646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910167732.2A Active CN110059848B (zh) 2019-03-06 2019-03-06 Wsn充电服务站点设定方法及充电设备行驶路径规划方法

Country Status (1)

Country Link
CN (1) CN110059848B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111030256A (zh) * 2019-12-31 2020-04-17 广州杰赛科技股份有限公司 一种无线传感网络充电方法、设备及存储介质
CN113313285A (zh) * 2021-04-21 2021-08-27 山东师范大学 多约束条件的车辆路径优化方法、系统、存储介质及设备
CN113570022A (zh) * 2021-03-05 2021-10-29 福建工程学院 传感器网络中可充电移动小车路径规划方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160049824A1 (en) * 2014-08-15 2016-02-18 Analog Devices Technology Wireless charging platform using environment based beamforming for wireless sensor network
CN107172675A (zh) * 2017-04-17 2017-09-15 河海大学 一种WRSNs中结合数据路由的充电方法
CN107578132A (zh) * 2017-09-11 2018-01-12 天津工业大学 一种基于免疫优化的垃圾车路径获取方法
CN108900998A (zh) * 2018-08-14 2018-11-27 长春理工大学 一种能耗均衡的移动汇聚节点路径规划方法及系统
CN108924895A (zh) * 2018-07-13 2018-11-30 国网四川省电力公司技能培训中心 一种无线传感器网络移动充电模型及路由优化方法
CN109190832A (zh) * 2018-09-11 2019-01-11 东南大学 一种基于重心理论的电动公交车充电站选址方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160049824A1 (en) * 2014-08-15 2016-02-18 Analog Devices Technology Wireless charging platform using environment based beamforming for wireless sensor network
CN107172675A (zh) * 2017-04-17 2017-09-15 河海大学 一种WRSNs中结合数据路由的充电方法
CN107578132A (zh) * 2017-09-11 2018-01-12 天津工业大学 一种基于免疫优化的垃圾车路径获取方法
CN108924895A (zh) * 2018-07-13 2018-11-30 国网四川省电力公司技能培训中心 一种无线传感器网络移动充电模型及路由优化方法
CN108900998A (zh) * 2018-08-14 2018-11-27 长春理工大学 一种能耗均衡的移动汇聚节点路径规划方法及系统
CN109190832A (zh) * 2018-09-11 2019-01-11 东南大学 一种基于重心理论的电动公交车充电站选址方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111030256A (zh) * 2019-12-31 2020-04-17 广州杰赛科技股份有限公司 一种无线传感网络充电方法、设备及存储介质
CN111030256B (zh) * 2019-12-31 2021-08-10 广州杰赛科技股份有限公司 一种无线传感网络充电方法、设备及存储介质
CN113570022A (zh) * 2021-03-05 2021-10-29 福建工程学院 传感器网络中可充电移动小车路径规划方法及装置
CN113570022B (zh) * 2021-03-05 2023-05-23 福建工程学院 传感器网络中可充电移动小车路径规划方法及装置
CN113313285A (zh) * 2021-04-21 2021-08-27 山东师范大学 多约束条件的车辆路径优化方法、系统、存储介质及设备
CN113313285B (zh) * 2021-04-21 2023-01-17 山东师范大学 多约束条件的车辆路径优化方法、系统、存储介质及设备

Also Published As

Publication number Publication date
CN110059848B (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN110059848B (zh) Wsn充电服务站点设定方法及充电设备行驶路径规划方法
Wang et al. Wireless sensor network deployment optimization based on two flower pollination algorithms
Kumar et al. Meta-heuristic range based node localization algorithm for wireless sensor networks
CN107113764B (zh) 提高人工神经网络定位性能的方法和装置
Pradhan et al. Connectivity constrained wireless sensor deployment using multiobjective evolutionary algorithms and fuzzy decision making
Giorgetti et al. Wireless localization using self-organizing maps
CN111417066B (zh) 定位方法、装置、电子设备和计算机可读存储介质
CN106102079B (zh) 基于改进pso的c-ran载波迁移资源需求预测方法
CN112902969B (zh) 一种无人机在数据收集过程中的路径规划方法
CN107229287A (zh) 一种基于遗传蚂蚁算法的无人机全局路径规划方法
CN113485429B (zh) 空地协同交通巡检的路径优化方法和装置
CN113709754B (zh) 基于聚类算法的无线宽带通信系统布站组网方法及系统
CN101459915A (zh) 基于遗传算法的无线传感器网络节点覆盖优化方法
CN110568140B (zh) 一种基于机器仿生鱼的污染源探查定位方法
CN114827931B (zh) 基于多智能体增强学习的wsn能量效率优化路由方法
CN105246097A (zh) 一种具有移动Sink节点的无线传感网生存时间优化方法
CN111308996A (zh) 教练装置及其合作运作控制方法
CN113342029B (zh) 基于无人机群的最大传感器数据采集路径规划方法及系统
CN104185191A (zh) 基于多重数据收集二叉树的无线传感网数据收集方法
Dehni et al. Power control and clustering in wireless sensor networks
CN106157220A (zh) 一种基于最小费用距离模型的城市生态网络构建方法
CN109246602B (zh) 一种无线可充电传感器网络的充电基站部署方法
CN114531665B (zh) 一种基于莱维飞行的无线传感器网络节点分簇方法及系统
Nazarzehi et al. A distributed bio-inspired algorithm for search of moving targets in three dimensional spaces
Cheng et al. A PSO-based maintenance strategy in wireless sensor networks

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
TR01 Transfer of patent right

Effective date of registration: 20240605

Address after: 510000 No. 135 West Xingang Road, Guangdong, Guangzhou

Patentee after: SUN YAT-SEN University

Country or region after: China

Address before: No.9, Nanguo East Road, Yunlu community residents committee, Daliang sub district office, Shunde District, Foshan City, Guangdong Province, 528399

Patentee before: FOSHAN SHUNDE SUN YAT-SEN UNIVERSITY Research Institute

Country or region before: China

Patentee before: SYSU-CMU SHUNDE INTERNATIONAL JOINT Research Institute

Patentee before: SUN YAT-SEN University

TR01 Transfer of patent right