インテリジェントな最適化アルゴリズム アプリケーション: アトミック検索アルゴリズムに基づく 3D ワイヤレス センサー ネットワーク (WSN) カバレッジの最適化 - コードが添付されています。
記事ディレクトリ
要約: この記事では主に、アトミック検索アルゴリズムを使用して 3D ワイヤレス センサー ネットワーク (WSN) カバレッジを最適化する方法を紹介します。
1. 無線センサーネットワークノードモデル
この記事は主に 0/1 モデルに基づいた最適化です。 2 次元平面上でのセンサーノードの検知範囲は、ノードを中心とした半径 R n R_n の円となります。Rn の円形領域は、ノードの「知覚ディスク」と呼ばれることがよくあります。 R n R_n Rn は、センサー ノードの検知半径と呼ばれます。検知半径は、ノードの内蔵センサー デバイスの物理的特性に関連します。ノードが n n < であると仮定します。 /span>n的位置坐标为 ( x n , y n , z n ) (x_n,y_n,z_n) (xn 、そしてn 、とn )0-1 知覚モデルでは、平面上の任意の点について p ( x p , y p , z p ) p(x_p, y_p、z_p) p(xp 、そしてp 、とp ),则节点 n n n監視対象エリア内のポイント p p p の事象確率は次のとおりです。
P r ( n , p ) = { 1 , d ( n , p ) ≤ R n 0 , e s l e (1) P_r(n,p)=\begin{cases}1, \,d(n,p)\leq R_n\\ 0,\, esle \end{cases}\tag{1} Pr (n,p)={
1、d(n,p)≤Rn 0、esle (1)
其中 d ( n , p ) = ( x n − x p ) 2 + ( y n − y p ) 2 + ( z n − z p ) 2 d(n,p)=\sqrt{(x_n-x_p)^2+(y_n-y_p)^2 + (z_n-z_p)^2} d(n,p)=(xn −バツp ）2+(yn −そしてp ）2+(zn −とp ）2は、点 と の間のユークリッド距離です。
2. 数学的モデルと分析をカバーする
ここで、ターゲット監視エリアが 2 次元平面であると仮定します。 エリア エリア エリア Area に配置された同じ種類の構造を持つセンサー ノードの数は N 個です、各ノードの番号 位置座標値は初期化されて割り当てられているものとし、ノードの検知半径r。センサーノードセットは次のように表現されます:
No de { x 1 , . . . , x N } (2) Node\{x_1,...,x_N\} \tag{2} Node{
x1 、...,バツN }(2)
その中 no d e i = { x i , y i , z i , r } ノードi=\{x_i,y_i,z_i,r\} nodei ={
xi 、そしてi 、とi 、r},表示以节点 ( x i , y i , z i ) (x_i,y_i,z_i) (xi 、そしてi 、とi ) は円の中心、r は監視範囲を想定した監視半径の球です。 面積 Area被数字化离散为 m ∗ n ∗ l m*n*l メートル∗n∗l 空間点。空間点の座標は ( x , y , z ) (x,y,z) >(x,y,z)，目标点与传感器节点间的距离为：
d ( n o d e i , p ) = ( x i − x ) 2 + ( y i − y ) 2 + ( z i − z ) 2 (3) d(node_i,p)=\sqrt{(x_i-x)^2+(y_i-y)^2 + (z_i-z)^2}\tag{3} d(nod ei 、p)=(xi −x)2+(yi −y)2+(zi −z)2(3)
対象エリア内の点がセンサー ノードによってカバーされるイベントは a> c i c_i ci 。次に、イベントが発生する確率 P c i P{c_i} Pci 即为点 ( x , y , z ) (x,y,z) (x,y,z)被传感器节点 n o d e i node_i nodei 適用される確率:
P c o v ( x , y , z , no de i ) = { 1 , i f d ( no de i , p ) ≤ r 0 , es le (4) P_ {cov}(x,y,z,node_i)=\begin{cases}1, if\,d(node_i,p)\leq r\\ 0,\, esle \end{cases}\tag{4} < /span>P何(x,y,z、nodei ）={
1、ifd(nod ei 、p)≤r0、esle (4)
ターゲット監視環境内のすべてのセンサー ノードの地域カバレッジを比較します。< /span> カバー率 CoverRatio CoverRatio定义为传感器节点集的覆盖面积与监测区域的面积之比，如公式所示：
C o v e r R a t i o = ∑ P c o v m ∗ n ∗ l (5) CoverRatio = \frac{\sum P_{cov}}{m*n*l}\tag{5} CoverR atio=メートル∗n∗私∑P何(5)
最終的な目標は、カバレッジを最大化するノードのグループを見つけることです。
3. アトミック検索アルゴリズム
アトミック検索アルゴリズムの原理については、https://blog.csdn.net/u011835903/article/details/112909360 を参照してください。
アトミック検索アルゴリズムは、最小値。次に、適応度関数は、最小のカバーされていない比率、つまり最大のカバー率として定義されます。次のとおりです。
f u n = a r g min ( 1 − Cover R a t i o ) = a r g min ( 1 − ∑ P c o v m ∗ n ∗ l ) (6) fun = argmin(1 - CoverRatio) = argmin( 1 -\frac{\sum P_{cov}}{m*n*l}) \tag{6} fun=arg分( 1−CoverR atio)=arg分( 1−メートル∗n∗私∑P何）(6)
4. 実験パラメータの設定
ワイヤレス センサーのカバレッジ パラメーターは次のように設定されます。
%% 设定WNS覆盖参数,
%% 默认输入参数都是整数，如果想定义小数，请自行乘以系数变为整数再做转换。
%% 比如范围1*1，R=0.03可以转换为100*100，R=3；
%区域范围为AreaX*AreaY*AreaZ
AreaX = 100;
AreaY = 100;
AreaZ = 100;
N = 20 ;%覆盖节点数
R = 15;%通信半径
アトミック検索アルゴリズムのパラメータは次のとおりです。
%% 设定原子搜索优化参数
pop=30; % 种群数量
Max_iteration=30; %设定最大迭代次数
lb = ones(1,3*N);
ub = [AreaX.*ones(1,N),AreaY.*ones(1,N),AreaZ.*ones(1,N)];
dim = 3*N;%维度为3N，N个坐标点
5. アルゴリズムの結果
結果から判断すると、最適化プロセス中にカバー率は増加し続けています。これは、アトミック検索アルゴリズムがカバレッジの最適化において最適化の役割を果たしていることを示しています。
6. 参考文献
[1] Shi Chaoya. PSO アルゴリズムに基づくワイヤレス センサー ネットワーク カバレッジの最適化に関する研究 [D]. 南京科学技術大学。