CN111556546B - 最短信息收集路径的搜索方法、系统、存储介质及应用 - Google Patents

最短信息收集路径的搜索方法、系统、存储介质及应用 Download PDF

Info

Publication number
CN111556546B
CN111556546B CN202010197684.4A CN202010197684A CN111556546B CN 111556546 B CN111556546 B CN 111556546B CN 202010197684 A CN202010197684 A CN 202010197684A CN 111556546 B CN111556546 B CN 111556546B
Authority
CN
China
Prior art keywords
information collection
dimension
search
particles
collection path
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
CN202010197684.4A
Other languages
English (en)
Other versions
CN111556546A (zh
Inventor
黄鹏宇
王薇
武福平
刘勤
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.)
Xidian University
Original Assignee
Xidian 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 Xidian University filed Critical Xidian University
Priority to CN202010197684.4A priority Critical patent/CN111556546B/zh
Publication of CN111556546A publication Critical patent/CN111556546A/zh
Application granted granted Critical
Publication of CN111556546B publication Critical patent/CN111556546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • 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
    • H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于物联网信息收集技术领域，公开了一种最短信息收集路径的搜索方法、系统、存储介质及应用。初始化一条有效的信息收集路径；将信息收集路径转换为一个有序的信息收集点位置链表，即一个粒子；随机选取粒子中的一个信息收集点(维度)位置，根据预先构建的搜索栅格进行搜索，以获取更好的信息收集点(维度)位置；遍历粒子各个维度，合并过于接近的相邻维度；计算粒子对应的信息收集路径长度(适应值)；迭代执行，直至粒子的适应值不再降低为止；输出粒子所表示的信息收集路径及其适应值。本发明能够有效地降低移动sink最短信息收集路径搜索的复杂度与计算量、获取最佳的信息收集路径，同时有效地延长物联网的生存时间。

Description

最短信息收集路径的搜索方法、系统、存储介质及应用
技术领域
本发明属于物联网信息收集技术领域，尤其涉及一种最短信息收集路径的搜索方法、系统、存储介质及应用。
背景技术
近年来，物联网(Internet ofThings，IoT)在环境监测、火情监测、遗址保护和战场探察等方面都得到了广泛的应用。为了在以上应用环境中获取信息，传统的做法是将大量的传感器节点部署到监测区域中，当目标事件发生时，传感器节点将收集到的数据经由物联网的多跳路径转发给静止的汇聚节点(静态sink节点)。由于全网收集的信息都要通过多次中转逐渐汇聚到静止的sink节点，必然会导致靠近sink节点的传感器节点承担更多的信息转发任务、消耗更多能量，从而导致其过早耗尽能量、关机，进而缩短整个物联网的生存时间。这就是“能量空洞”问题。为了解决“能量空洞”问题，人们将移动sink方法引入到物联网中，即将原来静态的sink节点安装到可移动的平台，如：无人机、无人车等，之上构成移动sink节点。借助平台的移动性，处于其移动路线周边的传感器节点都可以将其数据直接上传给移动sink节点。这就将原来静态的数据汇聚方式在空间上分散给了每一个节点或者部分节点集合，从而不再是由少数靠近静止sink的节点来负担。这种方法很好地解决了静止sink环境中，sensor节点的能耗均衡问题，从而从根本上消除了“能量空洞”问题，进而延长了整个物联网的生存时间。并且由于移动sink节点收集信息时更贴近传感器节点，因此有利于提高信息收集的数量与质量。
然而，在实际应用环境中，传感器节点的布设范围通常非常广阔。与此同时，移动sink节点依赖的移动平台却存在一定的速度和能量限制。例如，如果将sink节点装载于一般的民用无人机上，当前的民用无人机的飞行速度通常不超过为80km/h，如果安装于无人车之上，那么速度更低，大约30km/h。因此，如果假设sink节点的通信半径为0.5km，那么在一小时内，安装于无人机上的移动sink节点大约可以覆盖80平方千米的范围。如果安装于无人车之上，覆盖范围则锐减为30平方千米。载体平台速度不同，覆盖能力差距显著。此外sink节点的能量也会受移动平台的限制。在此方面，无人车的能源一般比较充裕，但是对于无人机平台来说，能量使用就存在一定限制。当前大多数无人机的持续飞行时间大多低于1小时，再加上移动sink的能耗，飞行持续时间会更加缩减。所以移动sink信息收集能力会受到载体平台的能量与移动速度地限制。
通过上述分析，现有技术存在的问题及缺陷为：在实际应用环境中，传感器节点的布设范围通常非常广阔，移动sink节点的信息收集能力受到载体平台的能量与移动速度地限制。
解决以上问题的难度在于：
(1)如果提高无人机的飞行速度以增加覆盖能力，那么就需要强度更高的机体材料和强劲的发送机。但是这两点都会使设计、使用成本急剧增加。因此在当前的生产、技术水平下，无人机的飞行速度受成本所限难以提高。
(2)对于无人车系统，受当前无人驾驶技术水平和计算能力限制，当前的自动驾驶技术尚无法开发出有效的无人驾驶车辆。为了避免繁杂的算法使硬件超载，降低失误与故障的概率，无人车的行驶速度也无法提高。
(3)对于物联网的网络性质而言，物联网中的sensor节点大多使用电池供电，因此其发送功率依照当前通信硬件水平基本无法提高。同时物联网中通信是双向的，单纯提高一个方向的通信能力对通信来讲没有很大的帮助，无法解决问题。如果使用高灵敏度接收机，则系统使用成本将会难以承受，同时系统会引入过多干扰。
在此同时，网络信息收集时延是物联网信息收集任务的重要性能指标。因此，有必要深入研究移动sink的路径规划问题，尽可能减少信息收集路径的长度，从而从根本上降低信息收集延迟的大小。
所以解决以上问题及缺陷的意义为：为了满足物联网信息收集时延的要求，在当前软件、硬件、算法的限制下，载体平台运行速度无法提高。为了增强移动sink的覆盖能力、降低信息收集时延。那么，最直接的方法为就是在保证网络覆盖能力的条件下，缩短移动sink载体平台在信息收集过程中的运行路径长度。运行路径的缩短可以从根本上降低网络信息收集时延，进而获得更好的系统性能，至少也能降低载体平台软硬件限制给系统带来的负面影响。所以，为了在物联网中获取移动sink的技术效益，最简单、高效、低成本的解决方法就是在现有硬件的基础上提高路径规划的能力，减少移动sink的移动路径长度，以减短系统信息收集时延。
发明内容
针对现有技术存在的问题，本发明提供了一种最短信息收集路径的搜索方法、系统、存储介质及应用。在当前移动sink的载体平台硬件能力限制条件下，通过使用单粒子多维度搜索方法获取最佳信息收集路径，同时极大地降低了算法计算量与计算所需时间。
本发明是这样实现的，所述最短信息收集路径的搜索方法使用单个粒子，粒子由若干有序节点构成，每个节点表示一个信息收集点(RP)的位置坐标。基于单个粒子，将移动sink最佳信息收集路径的搜索问题，转化为粒子中每个节点在空间中的随机搜索问题；为节点的搜索过程预先构建非均匀搜索栅格，将节点在覆盖范围内的连续搜索转化为搜索栅格上的离散搜索。
进一步，所述最短信息收集路径的搜索方法构建了一个4层32个栅格点的多层圆形栅格结构，根据新旧信息收集点通信范围的重叠面积与旧信息收集点通信覆盖面积的百分比设置4层圆形栅格，由内至外分别表示重叠率为95％、90％、80％、70％时的搜索栅格，每层圆环结构的半径由重叠比率和节点的通信半径计算得出，每层圆环结构上设置相同数量的栅格点；将栅格中的栅格位置标记为
Figure BDA0002418211870000031
i∈{0.95，0.9，0.8，0.7}，k∈{1，2，...，8}。其中下标i表示是由内至外的第几层栅格，数值表示对应的重叠率，上标k表示从90°开始的栅格位置标识，从1到8分别表示{90°，45°，0°，-45°，-90°，-135°，-180°，-225°}方向上的栅格点。
进一步，所述最短信息收集路径的搜索方法包括：
第一步，初始化一条有效的信息收集路径；
第二步，将初始信息收集路径转换为一个有序的信息收集点(RP)位置链表；依照初始路径中各个RP的先后次序，将每个sensor节点的位置坐标作为一个维度，构建一个有序的多维度链表，并将该结构称为一个粒子；
第三步，随机选取粒子中的一个信息收集点位置，根据预先设置的搜索栅格进行随机搜索，以获取更好的信息收集点位置；
第四步，遍历粒子各个维度，合并过于接近的相邻维度；
第五步，计算粒子对应的信息收集路径长度(适应值)；
第六步，迭代执行第三步-第五步，直至粒子的适应值不再降低为止；
第七步，输出粒子所表示的信息收集路径及其适应值。
进一步，所述第三步在粒子中随机选择一个维度进行栅格搜索包括：
(1)在粒子中随机选择一个维度(信息收集点位置)，称为原维度，原维度对应的位置坐标称为原维度位置坐标；
(2)构建一个搜索栅格，将搜索栅格叠加到选出的原维度位置坐标上，根据栅格获取备选位置坐标集合；
(3)设sensor节点与移动sink节点的通信半径都为R，设移动sink节点位于原维度位置坐标上时所能覆盖的sensor节点集合为原覆盖sensor节点集合，在备选位置集合中逐一判定、选出移动sink节点位于该备选位置上时所能覆盖的sensor节点集合能够完全包含原覆盖sensor节点集合的备选位置坐标，构成终选位置坐标集合；
(4)从终选位置坐标集合中选取使移动sink的信息收集路径长度缩短最多的位置坐标作为原维度位置坐标的替换位置坐标，更新粒子。
进一步，所述第四步遍历粒子各维度进行相邻维度合并包括：从前向后遍历粒子的各个维度，判断当前维度位置坐标与路径上前后2个相邻维度位置坐标之间的间距，如果间距小于0.1R，则分别统计前后两个相邻维度位置坐标上移动sink节点所能覆盖的sensor节点集合；如果前后2个相邻维度位置坐标上能够覆盖的sensor节点集合存在包含关系，则保留能够覆盖更多sensor节点的维度坐标，删除覆盖较少sensor节点的维度坐标。若覆盖的sensor节点集合相同时，则随机删除一个维度坐标。
进一步，所述第六步包括计算粒子的适应值，适应值是判定信息收集路径是否有效的根本依据，选择粒子对应的路径长度作为粒子的适应值，适应值越小代表路径效果越好；
迭代的退出条件设置为：搜索获得的适应值如果在100次迭代中适应值的减少率没有达到1/100，则退出，并输出最佳路径及最佳路径对应的适应值，若算法没有退出则返回第二步继续进行迭代。
本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求任意一项所述包括下列步骤：使用类似粒子群优化中的粒子概念，每个粒子由有序的若干节点构成，每个节点表示一个RP的位置坐标；使用单个粒子，将移动sink最佳信息收集路径的搜索问题，转化为单粒子中每个节点在空间中的随机搜索；为节点的搜索过程预先构建一个非均匀搜索栅格，将节点在覆盖范围内的连续搜索转化为搜索栅格上的离散搜索。
本发明的另一目的在于提供一种实施所述最短信息收集路径的搜索方法的最短信息收集路径的搜索系统，所述最短信息收集路径的搜索系统包括：
信息收集路径初始化模块，用于初始化一条有效的信息收集路径；
信息收集路径转换模块，用于将信息收集路径转换为一个有序的信息收集点位置链表；
随机搜索模块，用于随机选取粒子中的一个信息收集点位置，根据预先设置的搜索栅格进行随机搜索，以获取更好的信息收集点位置；
相邻维度合并模块，用于遍历粒子各个维度，合并过于接近的相邻维度；
信息收集路径长度计算模块，用于计算粒子对应的信息收集路径长度(适应值)；
迭代执行模块，用于迭代执行随机搜索、相邻维度合并、信息收集路径长度计算，直至粒子的适应值不再降低为止；
粒子输出模块，用于输出粒子所表示的信息收集路径及其适应值。
本发明的另一目的在于提供一种搭载所述最短信息收集路径的搜索系统的环境监测系统。
本发明的另一目的在于提供一种搭载所述最短信息收集路径的搜索系统的火情监测系统。
结合上述的技术方案，本发明所具备的优点及积极效果为：本发明的研究重点即如何获取移动sink的最短信息收集路径，从而达到最小的数据收集时延的目标。在相同网络环境下，移动sink最佳信息收集路径的单粒子多维度搜索方法获得的路径长度仅为TSP算法的三分之二以下，同时算法计算时间是TSP方法的十分之一以下(图6、图7)。由此可见本发明方法可以有效地降低算法的复杂度、同时减少全网的信息收集时延。本发明能够获取最佳的信息收集路径，同时有效地延长物联网的生存时间。
附图说明
图1是本发明实施例提供的最短信息收集路径的搜索方法流程图。
图2是本发明实施例提供的最短信息收集路径的搜索系统的结构示意图；
图中：1、信息收集路径初始化模块；2、信息收集路径转换模块；3、随机搜索模块；4、相邻维度合并模块；5、信息收集路径长度计算模块；6、迭代执行模块；7、粒子输出模块。
图3是本发明实施例提供的最短信息收集路径的搜索方法实现流程图。
图4是本发明实施例提供的新旧信息汇聚点间间距与重叠覆盖范围之间的关系示意图。
图5是本发明实施例提供的节点搜索栅格结构示意图。
图6是本发明在节点通信半径固定时，三种不同算法输出的信息收集路径长度和计算时间的对比图。
(a)(b)表示节点通信半径分别为50m和100m的情况下，三种算法所获得的信息收集路径长度随sensor节点数的变化趋势；
(c)(d)表示节点通信半径分别为50m和100m的情况下，三种算法的计算时间随sensor节点数变化的趋势。
图7是本发明在节点数量固定时，不同算法输出的信息收集路径长度和计算时间的对比图。
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。
针对现有技术存在的问题，本发明提供了一种最短信息收集路径的搜索方法、系统、存储介质及应用，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的最短信息收集路径的搜索方法包括以下步骤：
S101：初始化一条有效的信息收集路径；
S102：将信息收集路径转换为一个有序的信息收集点位置链表，即一个粒子；
S103：随机选取粒子中的一个信息收集点(维度)位置，根据预先设置的搜索栅格进行随机搜索，以获取更好的信息收集点(维度)位置；
S104：遍历粒子各个维度，合并过于接近的相邻维度；
S105：计算粒子对应的信息收集路径长度(适应值)；
S106：迭代执行步骤S103-步骤S105，直至粒子的适应值不再降低为止；
S107：输出粒子所表示的信息收集路径及其适应值。
本发明提供的最短信息收集路径的搜索方法具体包括以下步骤：
(1)初始化一条有效的信息收集路径：
针对当前传感器(sensor)节点的位置以及分布环境生成一条通过所有sensor节点位置的最短TSP路径作为本方法的初始路径。
(2)构建单个粒子：
根据步骤1中所得TSP路径，依照TSP路径中各个sensor节点的先后次序，将每个sensor节点的位置坐标作为一个维度，构建一个有序的多维度(位置坐标)链表，并将该结构称为一个粒子。
(3)在粒子中随机选择一个维度进行栅格搜索：
(3a)在粒子中随机选择一个维度，称为原维度。原维度对应的位置坐标称为原维度位置坐标；
(3b)构建一个搜索栅格，将搜索栅格叠加到(3a)选出的原维度位置坐标上，根据栅格获取备选位置坐标集合；
(3c)设sensor节点与移动sink节点的通信半径都为R。设移动sink节点位于原维度位置坐标上时所能覆盖的sensor节点集合为原覆盖sensor节点集合。在备选位置集合中逐一判定、选出那些移动sink节点位于该备选位置上时所能覆盖的sensor节点集合能够完全包含原覆盖sensor节点集合的备选位置坐标，构成终选位置坐标集合；
(3d)从终选位置坐标集合中选取使移动sink的信息收集路径长度缩短最多的位置坐标作为原维度位置坐标的替换位置坐标，更新粒子。
(4)遍历粒子各维度进行相邻维度合并：
从前向后遍历粒子的各个维度。判断当前维度位置坐标与路径上前后2个相邻维度位置坐标之间的间距，如果间距小于0.1R，则分别统计前后两个相邻维度位置坐标上移动sink节点所能覆盖的sensor节点集合。如果前后2个相邻维度位置坐标上能够覆盖的sensor节点集合存在包含关系，则保留能够覆盖更多sensor节点的维度坐标，删除覆盖较少sensor节点的维度坐标。若覆盖的sensor节点集合相同时，则随机删除一个维度坐标。
(5)计算粒子的适应值：
适应值是判定信息收集路径是否有效的根本依据，本发明选择粒子对应的路径长度作为粒子的适应值，适应值越小代表路径效果越好。
(6)迭代、输出结果：
迭代执行步骤(3)-步骤(5)。本发明方法迭代的退出条件设置为：搜索获得的适应值如果在100次迭代中适应值的减少率没有达到1/100，则退出，并输出最佳路径及最佳路径对应的适应值。若算法没有退出则返回步骤(2)继续进行迭代。
如图2所示，本发明提供的最短信息收集路径的搜索系统包括：
信息收集路径初始化模块1，用于初始化一条有效的信息收集路径。
信息收集路径转换模块2，用于将信息收集路径转换为一个有序的信息收集点位置链表。
随机搜索模块3，用于随机选取粒子中的一个信息收集点(维度)位置，根据预先设置的搜索栅格进行随机搜索，以获取更好的信息收集点(维度)位置。
相邻维度合并模块4，用于遍历粒子各个维度，合并过于接近的相邻维度。
信息收集路径长度计算模块5，用于计算粒子对应的信息收集路径长度(适应值)。
迭代执行模块6，用于迭代执行随机搜索、相邻维度合并、信息收集路径长度计算，直至粒子的适应值不再降低为止。
粒子输出模块7，用于输出粒子所表示的信息收集路径及其适应值。
下面结合附图对本发明的技术方案作进一步的描述。
移动sink信息收集路径的构建方法可以分为2种类型：基于TSP的路径构建方法和基于TSPN的路径构建方法。基于TSP的路径方法的基本思路是构建一条通过所有sensor节点位置坐标的最短路径。sensor节点的位置坐标即移动sink节点开机进行信息收集的位置，很明显基于TSP的路径构建方法并不考虑节点的无线传输能力。在以TSPN为核心的方法中，移动sink并不直接遍历传感器节点的位置坐标，而是在物联网的布设范围内选定一些信息汇聚点RP(rendezvous points)。这些信息收集点并不仅限于传感器节点的位置，而可能是物联网布设区域中的任意位置。移动sink在工作的过程中并不连续收集信息，而是移动到信息汇聚点的时候才被唤醒，并以该点为中心通过无线传输能力完成通信范围内传感器节点的信息收集任务。
长期的研究结果表明基于TSPN的路径构建方法可以获得更好的信息收集路径长度。但是由于RP位置的多样性与随机性，基于TSPN的路径构建方法通常需要庞大的计算量才能解算完成。为了降低基于TSPN的方法的解算难度，提高其实用性。本发明提出了一种新颖的单粒子多维度搜索算法。该算法使用粒子群优化中的粒子概念，每个粒子由有序的若干节点构成，每个节点表示一个RP的位置坐标。这样，每个粒子就可以表示一条移动sink的信息收集路径。在粒子群优化方法中使用大量粒子并且每个粒子都需要跟踪自身的历史最优解和种群的历史最优解，因此依然需要庞大的计算量。在实际应用环境中，沉重的计算量严重影响了粒子群优化方法的实用性。为了克服这个问题，本发明摒弃大量粒子的采用，只使用一个粒子进行迭代运算。基于单粒子的应用，本发明将移动sink最佳信息收集路径的搜索问题，转化为粒子中每个节点在可行空间中的随机搜索问题。在此基础上，为了进一步降低搜索的复杂度和计算量，本发明为节点的搜索过程预先构建了一个非均匀搜索栅格。这样就将节点在覆盖范围内的连续搜索转化为搜索栅格上的离散搜索，进一步降低了节点搜索过程的复杂度。
不失一般性，设移动sink节点以及物联网中的其它传感器节点的有效通信半径均为R。在此假设条件下，以移动sink节点为圆心，半径为R范围之内的传感器节点都可以与移动sink节点相互传输信息。在传感器节点布设位置已知的条件下，首先以使用现成的TSP路径计算方法或计算软件获得一条通过所有sensor位置的TSP路径，以之作为初始路径。以此为基础，再使用单粒子多维搜索方法循环迭代，从而获得一条最佳的信息收集路径。单粒子多维方法的搜索过程就是粒子中各个维度在空间中逐步随机搜索，以获得最佳信息收集路径的过程。其核心问题是每个节点在可行空间中如何进行搜索。由于一个信息收集路径是由若干个RP节点构成，因此路径搜索的过程就可以通过反复随机选择RP节点，再通过所选的RP节点进行随机搜索加以实现。为了简化RP节点上的搜索过程，降低搜索过程的复杂度，本发明预先为节点搜索过程构建一个筛选栅格模板，将连续搜索转化为离散搜索。移动sink最佳信息收集路径的单粒子多维度搜索方法的运行流程如图3所示：首先，本发明在粒子中随机挑选一个维度(RP位置坐标)，设选出的RP节点为RPi，设
Figure BDA0002418211870000111
为该节点通过栅格搜索找到的更新位置坐标。通过图4本发明可以看出，原位置RPi与更新后的位置
Figure BDA0002418211870000112
之间的距离越大，那么它们的有效通信范围重叠的面积就越小。
由于移动sink节点是在信息收集点上开机收集有效通信范围R之内的sensor节点的信息，因此新旧信息收集点间的距离小、那么它们覆盖范围的重叠程度就会越大。进而移动sink节点如果位于更新后的
Figure BDA0002418211870000113
上具有更大的概率覆盖原信息收集点RPi上所能够覆盖的所有sensor节点。这样如果路径从途径RPi修改为途径
Figure BDA0002418211870000114
后路径总长缩短，那么就表示本发明通过本次的节点搜索过程达到了路径优化的效果。以此方式反复迭代，最终就可以找到最佳信息收集路径。
在节点搜索的过程中，如何构建筛选栅格模板决定着节点的搜索方式和效率。为了简化节点搜索过程，本发明构建了一个4层32个栅格点的多层圆形栅格结构，如图5所示。在该结构中，根据新旧信息收集点通信范围的重叠面积与其通信范围面积的百分比，设置4层圆形栅格，由内至外分别表示重叠率为95％、90％、80％、70％时的搜索栅格。每层圆环结构的半径由重叠比率和节点的通信半径计算得出。每层圆环结构上设置相同数量的栅格点。如图5所示本发明在每层的圆形栅格结构上分别选择8个方向{90°，45°，0°，-45°，-90°，-135°，-180°，-225°}上的点作为栅格位置。为了表示方便，本发明将栅格中的栅格位置标记为
Figure BDA0002418211870000121
i∈{0.95，0.9，0.8，0.7}，k∈{1，2，...，8}。其中下标i表示是由内至外的第几层栅格，数值表示对应的重叠率，上标k表示从90°开始的栅格位置标识，从1到8分别表示{90°，45°，0°，-45°，-90°，-135°，-180°，-225°}方向上的栅格点。
如图3所示，算法的具体流程是，首先随机选择一个维度，在本例中假设选择RP1。在RP1的位置上叠加图4所示的搜索栅格，确定备选栅格位置，然后在备选栅格位置中找出使信息收集路径缩短最多的点，在本例中为作为
Figure BDA0002418211870000122
作为RP1新的位置坐标进行替换。更新路径长度(适应值)。以此迭代，在路径长度不再变化后，停止迭代并输出适应值和最佳信息收集路径。
下面结合仿真对本发明的技术效果作详细的描述。
为了对本发明方法进行验证，在相同仿真环境下将本发明方法与基于TSP的方法以及一种基于TSPN的算法——COM算法进行对比分析。为方便起见，本发明算法简称为APMDSA。
首先设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，半径设置为20m-100m；每次生成50个拓扑，每一个拓扑仿真50次。
为了更清楚地体现算法性能对比结果，首先本发明固定节点的通信半径为50m和100m，节点数由50逐级增加到100，并在这一过程中对三个算法的性能进行仿真，结果如图6所示。然后将节点数固定为50和100，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，获得的结果显示三种算法所获得的信息收集路径长度随节点通信半径的变化趋势和计算时间随通信半径变化的趋势，如图7。
从图6的仿真结果可以看出，在通信半径固定的情况下，无论网络中的节点数为50还是100，三种算法所获得的最佳路径长度都sensor节点数的变化趋势在逐渐增加。这是因为随着节点数的增多，移动sink需要经历的节点数也会同步增长，所以路径长度会随之增加。在节点数的不同设置下，显而易见TSP算法的性能都是最差的。这是由于在TSP算法中，每个传感器节点的位置就是RP的位置，因此移动sink需要遍历所有节点位置才能完成信息收集任务，因此该算法所获得的路径长度必然是其中最长的。相较于TSP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RP覆盖范围的重叠程度选择合并相邻的RP，这样COM算法生成的路径中包含的RP更少，所以生成的路径长度相对更好。相较于对比算法本发明提出的APMDSA算法具有最好的算法性能，在通信半径50m、节点数50的情况下APMDSA算法生成的路径长度比COM算法缩短了30％。若节点数增加为100，APMDSA算法的优势更是扩大到了33％。方法运行时间仅是COM算法的12.5％。
在固定节点数为50和100，节点通信半径由20m增加到100m时，仿真结果同样相似。在固定节点数时可以看到由于TSP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。随着节点通信半径的增加，由于COM和APMDSA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节点上传信息。所以随着通信半径的增长，COM以及APMDSA算法的性能提高程度都随之扩大，但本发明算法提高程度更高。从图7中看到，在节点数为50、通信半径为100m时，相较于COM算法APMDSA算法的路径长度减少了35％，若节点数增加到100，APMDSA算法的优势扩大到45％。与此同时，算法运行时间只有COM算法的7％。
以上仿真结果可见在不同的仿真配置下，本发明提出的APMDSA算法都取得了优异的结果。APMDSA算法能有效的减少了移动sink的信息收集路径长度和算法运行时间，从而降低了移动sink系统的信息收集时延，进而提高了整个系统的执行效率。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，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，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种最短信息收集路径的搜索方法，其特征在于将路径表示为一个粒子，粒子由若干有序节点构成，每个节点表示一个信息收集点RP的位置坐标；使用单个粒子，将移动sink最佳信息收集路径的全局搜索问题，转化为单个粒子上各节点在空间中的随机搜索问题；搜索过程中，每次随机挑选一个节点；使用预先构建的非均匀搜索栅格进行搜索，将节点在覆盖范围内的连续搜索转化为搜索栅格上的离散搜索；
所述最短信息收集路径的搜索方法包括：
第一步，初始化一条有效的信息收集路径；
第二步，将信息收集路径转换为一个有序的信息收集点RP位置链表；依照初始路径中各个RP的先后次序，将每个RP的位置坐标作为一个维度，构建一个有序的多维度链表，并将该结构称为一个粒子；
第三步，随机选取粒子中的一个RP位置，根据预先设置的搜索栅格进行随机搜索，以获取更好的信息收集点位置；
第四步，遍历粒子各个维度，合并过于接近的相邻维度；
第五步，计算粒子对应的信息收集路径长度，即适应值；
第六步，迭代执行第三步-第五步，直至粒子的适应值不再降低为止；
第七步，输出粒子所表示的信息收集路径及其适应值；
第三步在粒子中随机选择信息收集点位置进行栅格搜索包括：
(1)在粒子中随机选择一个维度，称为原维度，原维度对应的位置坐标称为原维度位置坐标；
(2)构建一个搜索栅格，将搜索栅格叠加到选出的原维度位置坐标上，根据栅格获取备选位置坐标集合；
(3)设sensor节点与移动sink节点的通信半径都为R，设移动sink节点位于原维度位置坐标上时所能覆盖的sensor节点集合为原覆盖sensor节点集合，在备选位置集合中逐一判定、选出移动sink节点位于备选位置上时所能覆盖的sensor节点集合能够完全包含原覆盖sensor节点集合的备选位置坐标，构成终选位置坐标集合；
(4)从终选位置坐标集合中选取使移动sink的信息收集路径长度缩短最多的位置坐标作为原维度位置坐标的替换位置坐标，更新粒子；
所述第四步遍历粒子各维度进行相邻维度合并包括：从前向后遍历粒子的各个维度，判断当前维度位置坐标与路径上前后2个相邻维度位置坐标之间的间距，如果间距小于0.1R，则分别统计前后两个相邻维度位置坐标上移动sink节点所能覆盖的sensor节点集合；如果前后2个相邻维度位置坐标上能够覆盖的sensor节点集合存在包含关系，则保留能够覆盖更多sensor节点的维度坐标，删除覆盖较少sensor节点的维度坐标，若覆盖的sensor节点集合相同时，则随机删除一个维度坐标。
2.如权利要求1所述的最短信息收集路径的搜索方法，其特征在于，所述最短信息收集路径的搜索方法构建了一个4层32个栅格点的多层圆形栅格结构，根据新旧信息收集点通信范围的重叠面积与旧信息收集点通信范围面积的百分比设置4层圆形栅格，由内至外分别表示重叠率为95％、90％、80％、70％时的搜索栅格，每层圆环结构的半径由重叠百分比和节点的通信半径计算得出，每层圆环结构上设置相同数量的栅格点；将栅格中的栅格位置标记为
Figure FDA0003585838230000021
其中下标i表示是由内至外的第几层栅格，数值表示对应的重叠率，上标k表示从90°开始的栅格位置标识，从1到8分别表示{90°，45°，0°，-45°，-90°，-135°，-180°，-225°}方向上的栅格点。
3.如权利要求1所述的最短信息收集路径的搜索方法，其特征在于，所述第六步包括计算粒子的适应值，适应值是判定信息收集路径是否有效的依据，选择粒子对应的路径长度作为粒子的适应值，适应值越小代表路径效果越好；
迭代的退出条件设置为：搜索获得的适应值如果在100次迭代中适应值的减少率没有达到1/100，则退出，并输出最佳路径及最佳路径对应的适应值，若算法没有退出则返回第二步继续进行迭代。
4.一种接收用户输入程序的存储介质，所存储的计算机程序使电子设备执行权利要求1～3任意一项所述最短信息收集路径的搜索方法，包括下列步骤：使用单个粒子，粒子由若干有序的节点构成，每个节点表示一个RP的位置坐标；基于单各粒子，将移动sink最佳信息收集路径的搜索问题，转化为粒子中各节点在空间中的随机搜索问题；在粒子中随机挑选一个节点；为节点的搜索预先构建一个非均匀搜索栅格，将节点在其覆盖范围内的连续搜索转化为搜索栅格上的离散搜索；
所述最短信息收集路径的搜索方法包括：
第一步，初始化一条有效的信息收集路径；
第二步，将信息收集路径转换为一个有序的信息收集点RP位置链表；依照初始路径中各个RP的先后次序，将每个RP的位置坐标作为一个维度，构建一个有序的多维度链表，并将该结构称为一个粒子；
第三步，随机选取粒子中的一个RP位置，根据预先设置的搜索栅格进行随机搜索，以获取更好的信息收集点位置；
第四步，遍历粒子各个维度，合并过于接近的相邻维度；
第五步，计算粒子对应的信息收集路径长度；
第六步，迭代执行第三步-第五步，直至粒子的适应值不再降低为止；
第七步，输出粒子所表示的信息收集路径及其适应值；
第三步在粒子中随机选择信息收集点位置进行栅格搜索包括：
(1)在粒子中随机选择一个维度，称为原维度，原维度对应的位置坐标称为原维度位置坐标；
(2)构建一个搜索栅格，将搜索栅格叠加到选出的原维度位置坐标上，根据栅格获取备选位置坐标集合；
(3)设sensor节点与移动sink节点的通信半径都为R，设移动sink节点位于原维度位置坐标上时所能覆盖的sensor节点集合为原覆盖sensor节点集合，在备选位置集合中逐一判定、选出移动sink节点位于备选位置上时所能覆盖的sensor节点集合能够完全包含原覆盖sensor节点集合的备选位置坐标，构成终选位置坐标集合；
(4)从终选位置坐标集合中选取使移动sink的信息收集路径长度缩短最多的位置坐标作为原维度位置坐标的替换位置坐标，更新粒子；
所述第四步遍历粒子各维度进行相邻维度合并包括：从前向后遍历粒子的各个维度，判断当前维度位置坐标与路径上前后2个相邻维度位置坐标之间的间距，如果间距小于0.1R，则分别统计前后两个相邻维度位置坐标上移动sink节点所能覆盖的sensor节点集合；如果前后2个相邻维度位置坐标上能够覆盖的sensor节点集合存在包含关系，则保留能够覆盖更多sensor节点的维度坐标，删除覆盖较少sensor节点的维度坐标，若覆盖的sensor节点集合相同时，则随机删除一个维度坐标。
5.一种实施权利要求1～3任意一项所述最短信息收集路径的搜索方法的最短信息收集路径的搜索系统，其特征在于，所述最短信息收集路径的搜索系统包括：
信息收集路径初始化模块，用于初始化一条有效的信息收集路径；
信息收集路径转换模块，用于将信息收集路径转换为一个有序的信息收集点位置链表；
随机搜索模块，用于随机选取粒子中的一个信息收集点位置，根据预先设置的搜索栅格进行随机搜索，以获取更好的信息收集点位置；
相邻维度合并模块，用于遍历粒子各个维度，合并过于接近的相邻维度；
信息收集路径长度计算模块，用于计算粒子对应的信息收集路径长度；
迭代执行模块，用于迭代执行随机搜索、相邻维度合并、信息收集路径长度计算，直至粒子的适应值不再降低为止；
粒子输出模块，用于输出粒子所表示的信息收集路径及其适应值。
6.一种搭载权利要求5所述最短信息收集路径的搜索系统的环境监测系统。
7.一种搭载权利要求5所述最短信息收集路径的搜索系统的火情监测系统。
CN202010197684.4A 2020-03-19 2020-03-19 最短信息收集路径的搜索方法、系统、存储介质及应用 Active CN111556546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010197684.4A CN111556546B (zh) 2020-03-19 2020-03-19 最短信息收集路径的搜索方法、系统、存储介质及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010197684.4A CN111556546B (zh) 2020-03-19 2020-03-19 最短信息收集路径的搜索方法、系统、存储介质及应用

Publications (2)

Publication Number Publication Date
CN111556546A CN111556546A (zh) 2020-08-18
CN111556546B true CN111556546B (zh) 2022-08-23

Family

ID=72001854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010197684.4A Active CN111556546B (zh) 2020-03-19 2020-03-19 最短信息收集路径的搜索方法、系统、存储介质及应用

Country Status (1)

Country Link
CN (1) CN111556546B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930147B (zh) * 2020-10-09 2021-01-26 成都纵横自动化技术股份有限公司 存储介质、飞行控制方法、装置、自动驾驶仪及无人机

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103095572A (zh) * 2013-01-29 2013-05-08 山东省计算中心 一种移动多Sink型无线传感器网络的路由维护方法
CN104050390A (zh) * 2014-06-30 2014-09-17 西南交通大学 一种基于可变维粒子群膜算法的移动机器人路径规划方法
CN105246121A (zh) * 2015-09-30 2016-01-13 西北大学 一种移动sink信息收集路径的可变维粒子群构建方法
CN106203697A (zh) * 2016-07-08 2016-12-07 西北大学 一种无人机数据收集过程中的路径规划方法
CN106658570A (zh) * 2016-12-23 2017-05-10 西安电子科技大学 基于二次栅格划分的移动sink信息收集路径构建方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9514388B2 (en) * 2008-08-12 2016-12-06 Halliburton Energy Services, Inc. Systems and methods employing cooperative optimization-based dimensionality reduction

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103095572A (zh) * 2013-01-29 2013-05-08 山东省计算中心 一种移动多Sink型无线传感器网络的路由维护方法
CN104050390A (zh) * 2014-06-30 2014-09-17 西南交通大学 一种基于可变维粒子群膜算法的移动机器人路径规划方法
CN105246121A (zh) * 2015-09-30 2016-01-13 西北大学 一种移动sink信息收集路径的可变维粒子群构建方法
CN106203697A (zh) * 2016-07-08 2016-12-07 西北大学 一种无人机数据收集过程中的路径规划方法
CN106658570A (zh) * 2016-12-23 2017-05-10 西安电子科技大学 基于二次栅格划分的移动sink信息收集路径构建方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
An Efficient Variable Dimension PSO Algorithm for Mobile Node Tour Planning in WSN;Wei Wang、Haoshan Shi等;《百度文库》;20151101;全文 *
VD-PSO: An efficient mobile sink routing algorithm in wireless sensor networks;Wei Wang、 Haoshan Shi等;《Peer-to-Peer Networking and Applications》;20161006;全文 *
基于二次栅格划分的移动sink最小路径构建算法;王薇;《西北工业大学学报》;20161215;全文 *
基于改进蚁群粒子群算法的移动机器人路径规划;何少佳等;《桂林理工大学学报》;20141115(第04期);全文 *

Also Published As

Publication number Publication date
CN111556546A (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
CN112016812B (zh) 多无人机任务调度方法、系统及存储介质
CN111695776B (zh) 无人机集群分布式在线协同区域侦察方法及装置
CN109583665A (zh) 一种无线传感器网络中的无人机充电任务调度方法
Kaur et al. Flying ad-hoc network (FANET): challenges and routing protocols
US20210390376A1 (en) Automated generation of neural networks
CN108519737B (zh) 一种考虑能源补给的无人设备路径规划方法
CN113131985B (zh) 一种基于信息年龄最优路径规划的多无人机数据收集方法
CN111047087A (zh) 无人机与车辆协同下路径的智能优化方法和装置
Li et al. Placing sensors for area coverage in a complex environment by a team of robots
CN113759971A (zh) 一种面向无人机协同侦察的路径规划方法
Du Method for the optimal sensor deployment of WSNs in 3D terrain based on the DPSOVF algorithm
CN111556546B (zh) 最短信息收集路径的搜索方法、系统、存储介质及应用
CN106658570B (zh) 基于二次栅格划分的移动sink信息收集路径构建方法
Pravija Raj et al. EDGO: UAV-based effective data gathering scheme for wireless sensor networks with obstacles
Wang et al. Robotic wireless energy transfer in dynamic environments: system design and experimental validation
CN114815801A (zh) 一种基于策略-价值网络及mcts的自适应环境路径规划方法
Li et al. UAV trajectory optimization for spectrum cartography: a PPO approach
CN117075634A (zh) 基于改进蚁群算法的配电网多无人机调度巡检方法及装置
Pei et al. UAV swarm for connectivity enhancement of multiple isolated sensor networks for internet of things application
Yu et al. AGV multi-objective path planning method based on improved cuckoo algorithm
Raj et al. An enhanced evolutionary scheme for obstacle-aware data gathering in uav-assisted wsns
CN114979134B (zh) 边缘计算环境中服务迁移的路径选择方法
CN114598721B (zh) 基于轨迹与资源联合优化的高能效数据收集方法及系统
CN115328210A (zh) 路径规划方法、装置、终端设备以及存储介质
Zhao et al. A compound path planning algorithm for mobile robots

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