CN110430579B - 基于果蝇优化的非均匀环境的无线ap部署优化方法 - Google Patents

基于果蝇优化的非均匀环境的无线ap部署优化方法 Download PDF

Info

Publication number
CN110430579B
CN110430579B CN201910761168.7A CN201910761168A CN110430579B CN 110430579 B CN110430579 B CN 110430579B CN 201910761168 A CN201910761168 A CN 201910761168A CN 110430579 B CN110430579 B CN 110430579B
Authority
CN
China
Prior art keywords
wireless
fruit fly
taste concentration
value
deployment
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.)
Active
Application number
CN201910761168.7A
Other languages
English (en)
Other versions
CN110430579A (zh
Inventor
唐震洲
刘鹏
孟欣
支子聪
胡倩
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.)
Wenzhou University
Original Assignee
Wenzhou University
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 Wenzhou University filed Critical Wenzhou University
Priority to CN201910761168.7A priority Critical patent/CN110430579B/zh
Publication of CN110430579A publication Critical patent/CN110430579A/zh
Application granted granted Critical
Publication of CN110430579B publication Critical patent/CN110430579B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种基于果蝇优化的非均匀环境的无线AP部署优化方法，包括获取无线AP布置范围并处理后，设定三种障碍物及信号衰减值；设置计算变量为无线AP的位置坐标以及功率；初始化果蝇种群及参数；获取果蝇个体的新位置及其距离原点的距离以及味道浓度判定值；代入目标函数中求解适应度；根据适应度，选择群体中有最佳味道浓度值的果蝇及其位置；判断所选果蝇的味道浓度是否优于当前最优味道浓度值；更新最优味道浓度值的果蝇位置，继续迭代直至迭代结束，得到无线AP最小的总功率以及相应的位置。实施本发明，构成非均匀的传播环境，并将无线AP部署位置与功率进行联合优化，从而解决现有技术中非均匀环境下无线AP分析及部署偏差问题。

Description

基于果蝇优化的非均匀环境的无线AP部署优化方法
技术领域
本发明涉及无线AP技术领域，尤其涉及一种基于果蝇优化的非均匀环境的无线AP部署优化方法。
背景技术
近年来，随着移动互联网的快速发展以及学习办公地点的多样化，传统的网线接入互联网方式变得越来越不方便，特别是在人员流动性较大的公共性办公场所其局限性尤为突出。大量的无线网络被部署于校园、工厂和公司等人群密集的地方，各种不同的无线接入点在我们的日常生活中随处可见。无线AP拥有中继、桥接、主从模式控制等基本功能，但其工作范围有限，未经合理安排放置的AP会造成一系列的问题。例如，分布位置过松，可能导致信号接收与发送的不稳定；又如，分布位置过于紧密，可能造成资源的浪费，并带来严重的信道间干扰。
目前，国内外的研究工作主要集中在无线传感器网络(WSN)的拓扑优化，而对非均匀环境下的WLAN的优化较少。例如，在2015年H.Zhao,Q.Zhang,L.Zhang Y.Wang等人提出了一种基于果蝇优化算法的无线传感器网络的传感器部署优化的方法，该方法通过利用果蝇优化算法对传感器的部署位置进行优化，使得其覆盖率具有了明显的提升，同时也大大的提高了网络的鲁棒性。又如，在2016年金鑫等学者提出了一种基于Ad Hoc无线传感网络的三维智能组网优化算法，通过对生成网络的簇头数及分簇平衡度进行分析，优化了分簇算法生成分级网络的过程，使得生成的分簇结构更加稳定。又如，2018年学者王月琴通过遗传算法对小型无线网络进行优化，将WLAN热点中的智能无线AP类比为分布在遗传算法模块的种群，通过对AP的遗传操作以求达到WLAN热点的网络达到最优化。
然而，上述网络拓扑优化方法中，因所用的模型都为均匀模型，且每个节点具有相同的覆盖半径，导致非均匀环境下的无线AP分析及部署存在偏差。上述无线AP分析及部署存在偏差的主要原因在于：实际无线信号传播过程中，信号的衰减与传播距离并不是线性关系，而且当传播当中遇到障碍物阻挡时，信号还会有比较明显的衰减。
发明内容
本发明实施例所要解决的技术问题在于，提供一种基于果蝇优化的非均匀环境的无线AP部署优化方法，在传播环境中引入不同类型的障碍物构成非均匀的传播环境，并将无线AP部署位置与功率进行联合优化，从而解决现有技术中非均匀环境下无线AP分析及部署偏差问题。
为了解决上述技术问题，本发明实施例提供了一种基于果蝇优化的非均匀环境的无线AP部署优化方法，包括以下步骤：
步骤S1、获取无线AP布置范围，并将所述无线AP布置范围进行网格离散化处理后，在网格离散化处理后的无线AP布置范围中，设定三种类型障碍物及每一种类型障碍物对应的信号衰减值；
步骤S2、将无线AP的位置坐标x，y以及功率p均设置为计算变量；
步骤S3、设置迭代次数maxgen，以及设置3n个果蝇种群为
Figure BDA0002170351080000021
且进一步设置3n个果蝇群体中每个个体的位置信息由公式(2)中对应的(X,Y)二维坐标给出：
Figure BDA0002170351080000022
其初始位置由下面的公式(3)和(4)给出：
Figure BDA0002170351080000031
Figure BDA0002170351080000032
其中，pmax为功率p的最大值；pmin为功率p的最小值；L为种群位置范围；
步骤S4、果蝇个体i通过嗅觉随机搜寻食物，利用公式(5)和(6)得到果蝇个体i的新位置，并根据果蝇个体i的新位置，利用公式(7)得到果蝇个体i距离原点的距离，以及进一步根据果蝇个体i距离原点的距离，利用公式(8)得到味道浓度判定值；
Figure BDA0002170351080000033
Figure BDA0002170351080000034
Figure BDA0002170351080000035
Figure BDA0002170351080000036
其中，σ1＝1为果蝇i对应位置坐标更新的步长；σ2＝0.5为果蝇i对应发射功率更新的步长；
步骤S5、将所得到的味道浓度判定值代入目标函数(9)中，求解函数的适应度；
Figure BDA0002170351080000037
其中，ηk为不满足约束条件下的惩罚函数，则其约束优化问题表示为
min(∑i∈npi)+η
s.t.C1:C∑≥Cmin
C2:pmin≤pi≤pmax；C∑为目标区域的覆盖率，且
Figure BDA0002170351080000041
c(APi,Lj)为第i个无线AP对第j个目标点的覆盖率，且
Figure BDA0002170351080000042
β为传播路径中的信号衰减，且
Figure BDA0002170351080000043
βs是由障碍物引起的信号衰减，且当AP位置与覆盖目标点之间跨障碍物时加上相应的障碍物衰减值；
步骤S6、根据所求解函数的适应度，利用公式(10)选择群体中具有最佳味道浓度值的果蝇
Figure BDA0002170351080000044
及其相应的位置
Figure BDA0002170351080000045
并记录其味道浓度值；
Figure BDA0002170351080000046
步骤S7、判断果蝇
Figure BDA0002170351080000047
的味道浓度值是否优于当前最优味道浓度值；
步骤S8、如果否，则返回步骤S4，直至迭代次数maxgen迭代完毕为止；
步骤S9、如果是，则将果蝇
Figure BDA0002170351080000048
的味道浓度设为最优味道浓度值，并利用公式(11)得到对应果蝇位置信息，群体中的其他果蝇均利用视觉飞向此位置后，返回步骤S4，直至迭代次数maxgen迭代完毕为止；
Figure BDA0002170351080000049
步骤S10、输出最优味道浓度值的果蝇的位置，即得到无线AP最小的总功率以及相应的位置。
实施本发明实施例，具有如下有益效果：
本发明提出一种无线网络拓扑的非均匀模型，在传播环境中引入不同类型的障碍物构成非均匀的传播环境，并将AP部署的位置与功率进行联合优化，使得网络部署方案的整体功耗达到最小，并对网络覆盖质量没有贡献作用的AP进行筛除，生成一个最优的部署方案，在保证覆盖范围的前提下尽可能的节约能耗以及网络部署成本，从而解决现有技术中非均匀环境下无线AP分析及部署偏差问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提出的一种基于果蝇优化的非均匀环境的无线AP部署优化方法的流程图；
图2为本发明实施例提出的一种基于果蝇优化的非均匀环境的无线AP部署优化方法与现有技术各自应用部署36个无线AP的对比图；
图3为本发明实施例提出的一种基于果蝇优化的非均匀环境的无线AP部署优化方法中36个无线AP的具体覆盖范围分布图；
图4为本发明实施例提出的一种基于果蝇优化的非均匀环境的无线AP部署优化方法与现有技术各自应用部署49个无线AP的对比图；
图5为本发明实施例提出的一种基于果蝇优化的非均匀环境的无线AP部署优化方法中49个无线AP的具体覆盖范围分布图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1所示，为本发明实施例中，提出的一种基于果蝇优化的非均匀环境的无线AP部署优化方法，包括以下步骤：
步骤S1、获取无线AP布置范围，并将所述无线AP布置范围进行网格离散化处理后，在网格离散化处理后的无线A布置范围中，设定三种类型障碍物及每一种类型障碍物对应的信号衰减值；
步骤S2、将无线AP的位置坐标x，y以及功率p均设置为计算变量；
步骤S3、设置迭代次数maxgen，以及设置3n个果蝇种群为
Figure BDA0002170351080000061
且进一步设置3n个果蝇群体中每个个体的位置信息由公式(2)中对应的(X,Y)二维坐标给出：
Figure BDA0002170351080000062
其初始位置由下面的公式(3)和(4)给出：
Figure BDA0002170351080000063
Figure BDA0002170351080000064
其中，pmax为功率p的最大值；pmin为功率p的最小值；L为种群位置范围；
步骤S4、果蝇个体i通过嗅觉随机搜寻食物，利用公式(5)和(6)得到果蝇个体i的新位置，并根据果蝇个体i的新位置，利用公式(7)得到果蝇个体i距离原点的距离，以及进一步根据果蝇个体i距离原点的距离，利用公式(8)得到味道浓度判定值；
Figure BDA0002170351080000065
Figure BDA0002170351080000066
Figure BDA0002170351080000067
Figure BDA0002170351080000068
其中，σ1＝1为果蝇i对应位置坐标更新的步长；σ2＝0.5为果蝇i对应发射功率更新的步长；
步骤S5、将所得到的味道浓度判定值代入目标函数(9)中，求解函数的适应度；
Figure BDA0002170351080000071
其中，ηk为不满足约束条件下的惩罚函数，则其约束优化问题表示为
min(∑i∈npi)+η
s.t.C1:C∑≥Cmin
C2:pmin≤pi≤pmax；C∑为目标区域的覆盖率，且
Figure BDA0002170351080000072
c(APi,Lj)为第i个无线AP对第j个目标点的覆盖率，且
Figure BDA0002170351080000073
β为传播路径中的信号衰减，且
Figure BDA0002170351080000074
βs是由障碍物引起的信号衰减，且当AP位置与覆盖目标点之间跨障碍物时加上相应的障碍物衰减值；
步骤S6、根据所求解函数的适应度，利用公式(10)选择群体中具有最佳味道浓度值的果蝇
Figure BDA0002170351080000075
及其相应的位置
Figure BDA0002170351080000076
并记录其味道浓度值；
Figure BDA0002170351080000077
步骤S7、判断果蝇
Figure BDA0002170351080000078
的味道浓度值是否优于当前最优味道浓度值；
步骤S8、如果否，则返回步骤S4，直至迭代次数maxgen迭代完毕为止；
步骤S9、如果是，则将果蝇
Figure BDA0002170351080000079
的味道浓度设为最优味道浓度值，并利用公式(11)得到对应果蝇位置信息，群体中的其他果蝇均利用视觉飞向此位置后，返回步骤S4，直至迭代次数maxgen迭代完毕为止；
Figure BDA00021703510800000710
步骤S10、输出最优味道浓度值的果蝇的位置，即得到无线AP最小的总功率以及相应的位置。
具体过程为，在步骤S1中，将无线AP布置范围(如100m×100m的正方形)进行网络离散化处理(如，正方形域被离散化为100个网格，网格中心被视为覆盖目标点)，然后，在目标区域引入了三种不同类型的障碍物(如承重墙、砖墙和金属门)，不同的障碍物对应不同的信号衰减值。
在步骤S2中，设置AP的位置坐标x，y以及功率p都是计算变量，为了计算方便，采用比值法将数据变量进行统一。具体如下：
xk＝(xk-xmin)/(xmax-xmin)
yk＝(yk-ymin)/(ymax-ymin)
pk＝(pk-pmin)/(pmax-pmin)
在步骤S3中，对果蝇种群、种群位置以及迭代次数等参数进行初始化。
在步骤S4中，执行果蝇嗅觉搜索过程，当群体中的每一只果蝇利用其嗅觉搜索时，赋予它一个随机的飞行方向和距离。因为食物(指代参数)味道的来源位置是未知的，因此先计算果蝇个体距离原点的距离，然后计算其味道浓度判定值。
在步骤S5中，设置包括信号覆盖率及传播路径中信号衰减值的目标函数，求解适应度更优的果蝇作为当前进行搜索的果蝇。
在步骤S6中，找到具有最佳味道浓度值的果蝇及其相应的位置。
在步骤S7中，对比所找到味道浓度值是否优于当前最优味道浓度值，如果否，进入步骤S8，则返回重复步骤S4～步骤S6重新进行迭代，直至迭代次数结束；如果是，则进入步骤S9，将所找到果蝇的味道浓度设为最优味道浓度值，并得到对应果蝇位置信息后，返回重复步骤S4～步骤S6重新进行迭代，直至迭代次数结束。
在步骤S10中，输出步骤S8中最后迭代或者步骤S9中最优味道浓度值的果蝇的位置，即得到无线AP最小的总功率以及相应的位置。
如图2所示，为本发明实施例提出的一种基于果蝇优化的非均匀环境的无线AP部署优化方法与现有技术各自应用部署36个无线AP的对比图；图3为图2中36个无线AP的具体覆盖范围分布图。
如图4所示，为本发明实施例提出的一种基于果蝇优化的非均匀环境的无线AP部署优化方法与现有技术各自应用部署49个无线AP的对比图；图5为图4中49个无线AP的具体覆盖范围分布图。
实施本发明实施例，具有如下有益效果：
本发明提出一种无线网络拓扑的非均匀模型，在传播环境中引入不同类型的障碍物构成非均匀的传播环境，并将AP部署的位置与功率进行联合优化，使得网络部署方案的整体功耗达到最小，并对网络覆盖质量没有贡献作用的AP进行筛除，生成一个最优的部署方案，在保证覆盖范围的前提下尽可能的节约能耗以及网络部署成本，从而解决现有技术中非均匀环境下无线AP分析及部署偏差问题。
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步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (1)

1.一种基于果蝇优化的非均匀环境的无线AP部署优化方法，其特征在于，包括以下步骤：
步骤S1、获取无线AP布置范围，并将所述无线AP布置范围进行网格离散化处理后，在网格离散化处理后的无线AP布置范围中，设定三种类型障碍物及每一种类型障碍物对应的信号衰减值；
步骤S2、将无线AP的位置坐标x，y以及功率p均设置为计算变量；
步骤S3、设置迭代次数maxgen，以及设置3n个果蝇种群为
Figure FDA0002170351070000011
且进一步设置3n个果蝇群体中每个个体的位置信息由公式(2)中对应的(X,Y)二维坐标给出：
Figure FDA0002170351070000012
Figure FDA0002170351070000013
其初始位置由下面的公式(3)和(4)给出：
Figure FDA0002170351070000014
Figure FDA0002170351070000015
其中，pmax为功率p的最大值；pmin为功率p的最小值；L为种群位置范围；
步骤S4、果蝇个体i通过嗅觉随机搜寻食物，利用公式(5)和(6)得到果蝇个体i的新位置，并根据果蝇个体i的新位置，利用公式(7)得到果蝇个体i距离原点的距离，以及进一步根据果蝇个体i距离原点的距离，利用公式(8)得到味道浓度判定值；
Figure FDA0002170351070000021
Figure FDA0002170351070000022
Figure FDA0002170351070000023
Figure FDA0002170351070000024
其中，σ1＝1为果蝇i对应位置坐标更新的步长；σ2＝0.5为果蝇i对应发射功率更新的步长；
步骤S5、将所得到的味道浓度判定值代入目标函数(9)中，求解函数的适应度；
Figure FDA0002170351070000025
其中，ηk为不满足约束条件下的惩罚函数，则其约束优化问题表示为
min(∑i∈npi)+η
s.t.C1:C∑≥Cmin
C2:pmin≤pi≤pmax；C∑为目标区域的覆盖率，且
Figure FDA0002170351070000026
c(APi,Lj)为第i个无线AP对第j个目标点的覆盖率，且
Figure FDA0002170351070000027
β为传播路径中的信号衰减，且
Figure FDA0002170351070000028
βs是由障碍物引起的信号衰减，且当AP位置与覆盖目标点之间跨障碍物时加上相应的障碍物衰减值；
步骤S6、根据所求解函数的适应度，利用公式(10)选择群体中具有最佳味道浓度值的果蝇
Figure FDA0002170351070000029
及其相应的位置
Figure FDA00021703510700000210
并记录其味道浓度值；
Figure FDA00021703510700000211
步骤S7、判断果蝇
Figure FDA0002170351070000031
的味道浓度值是否优于当前最优味道浓度值；
步骤S8、如果否，则返回步骤S4，直至迭代次数maxgen迭代完毕为止；
步骤S9、如果是，则将果蝇
Figure FDA0002170351070000032
的味道浓度设为最优味道浓度值，并利用公式(11)得到对应果蝇位置信息，群体中的其他果蝇均利用视觉飞向此位置后，返回步骤S4，直至迭代次数maxgen迭代完毕为止；
Figure FDA0002170351070000033
Figure FDA0002170351070000034
步骤S10、输出最优味道浓度值的果蝇的位置，即得到无线AP最小的总功率以及相应的位置。
CN201910761168.7A 2019-08-17 2019-08-17 基于果蝇优化的非均匀环境的无线ap部署优化方法 Active CN110430579B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910761168.7A CN110430579B (zh) 2019-08-17 2019-08-17 基于果蝇优化的非均匀环境的无线ap部署优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910761168.7A CN110430579B (zh) 2019-08-17 2019-08-17 基于果蝇优化的非均匀环境的无线ap部署优化方法

Publications (2)

Publication Number Publication Date
CN110430579A CN110430579A (zh) 2019-11-08
CN110430579B true CN110430579B (zh) 2020-06-30

Family

ID=68415141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910761168.7A Active CN110430579B (zh) 2019-08-17 2019-08-17 基于果蝇优化的非均匀环境的无线ap部署优化方法

Country Status (1)

Country Link
CN (1) CN110430579B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111542069B (zh) * 2020-04-17 2023-05-16 温州大学 一种基于快速非支配遗传算法实现无线ap部署优化方法
CN111818535B (zh) * 2020-06-05 2023-04-18 温州大学 一种融合多种群优化算法的无线局域网三维优化部署方法
CN111818534B (zh) * 2020-06-05 2021-09-14 温州大学 一种分层异构无线传感器网络三维优化部署方法
CN115955648B (zh) * 2022-10-18 2023-07-18 兰州理工大学 一种基于多通信半径和FOA-c的节点定位方法
CN116801267B (zh) * 2023-08-25 2023-11-07 中化学交通建设集团运营管理(山东)有限公司 一种结合楼宇功能分区的弱电优化部署方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934330A (zh) * 2019-03-04 2019-06-25 温州大学 基于多样化种群的果蝇优化算法来构建预测模型的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102752761B (zh) * 2012-06-19 2015-04-29 江苏科技大学 基于粒子群的无线传感器网络移动节点覆盖优化方法
US10659540B2 (en) * 2017-03-27 2020-05-19 Intel IP Corporation [5G next generation Wi-Fi] on the fly traffic steering for collocated multi-band aggregation
CN108063452A (zh) * 2017-12-04 2018-05-22 广东电网有限责任公司电力科学研究院 基于自适应混沌果蝇优化算法的配电网最优孤岛划分方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934330A (zh) * 2019-03-04 2019-06-25 温州大学 基于多样化种群的果蝇优化算法来构建预测模型的方法

Also Published As

Publication number Publication date
CN110430579A (zh) 2019-11-08

Similar Documents

Publication Publication Date Title
CN110430579B (zh) 基于果蝇优化的非均匀环境的无线ap部署优化方法
Hussain et al. Genetic algorithm for hierarchical wireless sensor networks.
Wang et al. An elite hybrid metaheuristic optimization algorithm for maximizing wireless sensor networks lifetime with a sink node
Jain A coherent approach for dynamic cluster-based routing and coverage hole detection and recovery in bi-layered WSN-IoT
Balamurugan et al. Hybrid Marine predators optimization and improved particle swarm optimization-based optimal cluster routing in wireless sensor networks (WSNs)
Bacanin et al. RFID network planning by ABC algorithm hybridized with heuristic for initial number and locations of readers
Ahmadinia et al. Energy-efficient and multi-stage clustering algorithm in wireless sensor networks using cellular learning automata
CN111818535B (zh) 一种融合多种群优化算法的无线局域网三维优化部署方法
CN106162663A (zh) 一种基于改进蜂群算法的传感节点覆盖方法
Zhang et al. An improved routing protocol for raw data collection in multihop wireless sensor networks
Tandon et al. A Bio-inspired Hybrid Cross-Layer Routing Protocol for Energy Preservation in WSN-Assisted IoT.
Sett et al. Effect of optimal cluster head placement in MANET through multi objective GA
CN113115342B (zh) 一种虚拟力导向麻雀搜索算法的WSNs部署方法及系统
Dinc et al. Smart home security with the use of wsns on future intelligent cities
Cai et al. Coordination graph-based deep reinforcement learning for cooperative spectrum sensing under correlated fading
Kumar et al. CL‐HPWSR: Cross‐layer‐based energy efficient cluster head selection using hybrid particle swarm wild horse optimizer and stable routing in IoT‐enabled smart farming applications
CN112333810B (zh) 一种基于tmpa算法的分层无线传感器网络拓扑优化方法
Cao et al. Energy Management using Optimal Fuzzy Logic Control in Wireless Sensor Network.
Abdi et al. A Novel Selfish Node Detection Based on Fuzzy System and Game Theory in Internet of Things
Limouchi et al. Cross-layer multi-hop broadcast based on adaptive neuro-fuzzy inference system in vanets
Ghorbanvirdi et al. Energy Efficient Multi-Clustering Using Grey Wolf Optimizer in Wireless Sensor Network.
Li et al. Particle swarm optimization based multi-robot task allocation using wireless sensor network
Maleki et al. Lifetime enhancement in wireless sensor networks through a fuzzy logic-based tabu search algorithm
Jin et al. An efficient energy routing protocol based on gradient descent method in WSNS
Sangeetha et al. Location area planning problem in WiMAX networks using nature inspired techniques: performance study

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20191108

Assignee: Zhejiang Yilian Network Technology Co.,Ltd.

Assignor: Wenzhou University

Contract record no.: X2021330000031

Denomination of invention: Optimization method of wireless AP deployment in heterogeneous environment based on Drosophila optimization

Granted publication date: 20200630

License type: Common License

Record date: 20210402