基于入侵杂草和花授粉混合算法的WSN节点部署优化
文章目录
- 一、理论基础
- 1、节点与覆盖模型
- 2、入侵杂草算法
- 3、花授粉算法
- 二、仿真分析
- 三、参考文献
一、理论基础
1、节点与覆盖模型
请参考这里。
2、入侵杂草算法
请参考这里。
3、花授粉算法
花授粉算法模拟了自然界中显花植物的花朵授粉过程。为了简化问题,使算法更加高效,同时考虑到优化问题仅有一个解,Yang假设每株显花植物都只能孕育出一朵花,并且每朵花只能产生一个花粉配子。根据文献[1]的描述,花朵授粉过程可以总结为以下4条规律:
(a)生物异花授粉被视为全局授粉过程,花粉载体携带花粉执行Levy飞行。
(b)非生物自花授粉被视为局部授粉过程。
(c)繁衍概率即为花的恒常性,繁衍概率的取值大小与两朵花的相似性成正比。
(d)利用转换概率 p ∈ [ 0 , 1 ] p∈[0,1] p∈[0,1]来控制局部授粉和全局授粉的转换。
通过以上规则,建立如下的数学模型:
- 定义1. 在全局授粉过程中,花粉的位置更新公式为: X i t + 1 = X i t + L ( X i t − g b e s t ) (1) X_i^{t+1}=X_i^t+L(X_i^t-g_{best})\tag{1} Xit+1=Xit+L(Xit−gbest)(1)其中, X i t + 1 X_i^{t+1} Xit+1、 X i t X_i^t Xit分别表示的是第 t + 1 t+1 t+1代、第 t t t代的解; g b e s t g_{best} gbest是一次迭代过程中的全局最优解; L L L为步长,服从莱维分布, L L L的计算公式如下: L ∼ λ Γ ( λ ) s i n ( π λ / 2 ) π 1 s 1 + λ , s ≫ s 0 > 0 (2) L\sim\frac{\lambda\Gamma(\lambda)sin(\pi\lambda/2)}{\pi} \frac{1}{s^{1+\lambda}},s\gg s_0>0\tag{2} L∼πλΓ(λ)sin(πλ/2)s1+λ1,s≫s0>0(2)其中, Γ ( λ ) \Gamma(\lambda) Γ(λ)是标准伽马函数, λ = 1.5 \lambda=1.5 λ=1.5。
- 定义2. 局部授粉阶段的位置更新公式如下: X i t + 1 = X i t + ε ( X j t − X k t ) (3) X_i^{t+1}=X_i^t+\varepsilon(X_j^t-X_k^t)\tag{3} Xit+1=Xit+ε(Xjt−Xkt)(3)其中, X j t X_j^t Xjt、 X k t X_k^t Xkt是从种群内部随机选择的异于 X i t X_i^t Xit的解; ε \varepsilon ε为繁衍概率,是 [ 0 , 1 ] [0,1] [0,1]上的随机数,该参数的生成符合均匀分布规则。
- 定义3. 通过转换概率 p ∈ [ 0 , 1 ] p∈[0,1] p∈[0,1]取值来控制全局授粉和局部授粉之间的转换,经过大量仿真实验表明,当 p = 0.8 p=0.8 p=0.8时,算法可以得到最好的寻优性能。
二、仿真分析
为了检验IWOFPA算法在处理WSN节点分布优化问题的有效性,仿真设WSN的有效监控范围为 50 m × 50 m 50m×50m 50m×50m的正方形区域,每个传感器节点的感知半径 R s R_s Rs为 5 m 5m 5m,在监控范围内随机分布着40个WSN节点。通过FPA算法、IWO算法和IWOFPA算法分别对这些节点的布局进行优化,都迭代300此,3种算法的种群数均设置为30。3种算法的网络覆盖率对比图如图1所示。
图1 3种算法的网络覆盖率对比图
图2~5分别是WSN节点初始部署、FPA优化覆盖图、IWO优化覆盖图和IWOFPA优化覆盖图。
图2 WSN节点初始部署
图3 FPA优化覆盖图
图4 IWO优化覆盖图
图5 IWOFPA优化覆盖图
三、参考文献
[1] Yang X S. Flower Pollination Algorithm for Global Optimization[C]// International Conference on Unconventional Computing and Natural Computation. Springer, Berlin, Heidelberg, 2012.
[2] 宁杰琼, 何庆. t-分布扰动策略和变异策略的花授粉算法[J]. 小型微型计算机系统, 2021, 42(1): 64-70.
[3] 心升明月. 改进灰狼优化算法在WSN节点部署中的应用. CSDN博客.
[4] 心升明月. 基于入侵杂草算法的函数寻优算法. CSDN博客.
基于入侵杂草和花授粉混合算法的WSN节点部署优化相关推荐
- 【优化选址】基于入侵杂草和花授粉混合算法实现无线传感器网络布局优化matlab代码
1 简介 无线传感器网络(Wireless Sensor Network,WSN)是由部署在目标区域内一定数量的传感器节点组成的无线通信网络,可实现对目标区域中物理信号的采集.监测.传输等功能.与传统 ...
- 入侵杂草与花授粉混合算法优化的无线传感器覆盖问题
入侵杂草与花授粉混合算法优化的无线传感器覆盖问题 无线传感器网络(Wireless Sensor Networks,WSNs)在农业监测和环境监测等领域具有广泛应用.其中,对于农业环境来说,及时探测和 ...
- 【优化覆盖】基于matlab入侵杂草和花授粉混合算法无线传感器覆盖优化问题【含Matlab源码 1328期】
⛄一.杂草算法简介 1 IWO定义 IWO是2006年由A. R. Mehrabian等提出的一种从自然界杂草进化原理演化而来的随机搜索算法,模仿杂草入侵的种子空间扩散.生长.繁殖和竞争性消亡的基本过 ...
- 基于改进粒子群算法的WSN节点部署优化
文章目录 一.理论基础 1.PSO算法(经典粒子群算法) 2.UPSO算法(均匀搜索粒子群算法) 3.CPSO算法(本文算法) 二.仿真实验与结果分析 三.参考文献 一.理论基础 1.PSO算法(经典 ...
- 改进杂草算法求解WSN节点分布优化问题
文章目录 一.理论基础 1.问题描述 2.改进的杂草算法 (1)IWO算法描述 (2)立方混沌算子 (3)高斯变异算子 (4)算法伪代码 二.仿真分析 三.参考文献 一.理论基础 1.问题描述 假设一 ...
- 改进灰狼优化算法在WSN节点部署中的应用
文章目录 一.理论基础 1.节点与覆盖模型 2.灰狼优化算法基本原理 3.改进灰狼优化算法 (1)非线性收敛因子 (2)δ\deltaδ狼的融合变异 二.节点部署优化算法 1.算法步骤 2.算法流程图 ...
- 【WSN】基于改进鲸鱼算法算法实现无线传感器网络wsn节点部署优化matlab源码
1 算法介绍 1.1 wsn模型 1.2 鲸鱼算法 鲸鱼优化算法(WOA),该算法模拟了座头鲸的社会行为,并引入了气泡网狩猎策略. 1.1 灵感 鲸鱼被认为是世界上最大的哺乳动物.一头成年鲸可以长达 ...
- 【优化布局】基本蚁狮算法在WSN节点部署中的应用matlab源码
1 简介 为了有效提高无线传感器网络的节点覆盖率,提出一种基于蚁狮算法的网络覆盖优化方法. 2 部分代码 %% 清除环境变量 clear; clc;%% 网络参数 L = 100; % 区域边长 V ...
- 基本蚁狮算法在WSN节点部署中的应用
文章目录 一.理论基础 1.WSN节点覆盖模型 2.基本蚁狮算法 二.仿真实验与分析 三.参考文献 一.理论基础 1.WSN节点覆盖模型 请参考这里. 2.基本蚁狮算法 蚁狮优化算法 ALO(Ant ...
最新文章
- 西雅图SQL PASS之旅
- 变电站越级跳闸的几大原因(转载)
- HDU5007 Post Robot
- java安全编码指南之:文件和共享目录的安全性
- 【Nginx】 Nginx实现端口转发
- 更改mysql数据库存放位置_更改mysql数据库存放位置
- 如何利用System.Net.Mail类发送EMAIL
- glibc版本查看_Linux开发必知内容整理 | libc、glibc和glib的关系
- 【Java】浅析SimpleDateFormat类
- UVa 400 Unix Is
- JXSE 2.5 : What's Cool #5 -- java.util.concurrent
- Multisim的学习记录(一)
- js上传插件uploadify自动检测不到flash控件的问题
- OpenWrt/Wifidog本地化解决方案
- 错误Illegal invocation;使用jquery的ajax上传文件报错Illegal invocation
- 奋斗吧,程序员——第五十四章 坐拥美人君莫笑,古来征战几人回
- Apache和Spring提供的StopWatch执行时间监视器
- 杨绛:她和谁都不争,和谁争都不屑
- 如何让树莓派启动实现图形化界面和命令行模式的切换从而解决两个光标的问题
- 使用java进行SSL证书的签名与签验