基于虛擬力的異構無線傳感器網絡覆蓋優化策略*

王婷婷，孫彥景，2*，徐　釗，張曉光

（1.中國礦業大學信息與電氣工程學院，江蘇徐州221116；2.江蘇省煤礦電氣與自動化工程實驗室，江蘇徐州221008）

基于虛擬力的異構無線傳感器網絡覆蓋優化策略*

王婷婷1，孫彥景1，2*，徐釗1，張曉光1

（1.中國礦業大學信息與電氣工程學院，江蘇徐州221116；2.江蘇省煤礦電氣與自動化工程實驗室，江蘇徐州221008）

針對異構無線傳感器網絡覆蓋優化過程中，固定Sink節點的虛擬作用力限制移動節點的位置移動，導致覆蓋盲區得不到全局修復的問題，本文結合計算幾何理論，提出基于Voronoi多邊形形心引力的虛擬力覆蓋優化算法（CAVFA）。虛擬力算法能有效指導移動節點的散布過程，形心引力能更好地實現全局的覆蓋優化。通過合理設置虛擬力的距離閾值參數和優先級，調整固定節點對移動節點的約束。仿真表明，相比傳統VFA算法和CBA算法，本文提出的CAVFA算法能夠更有效地提高異構網絡的覆蓋率，且算法收斂速度更快。

無線傳感器網絡；異構網絡；網絡覆蓋；虛擬力；優化算法

現代傳感器與執行器相結合實現了傳感器節點的移動，可移動的無線傳感器網絡WSNs（Wireless Sensor Networks）以其高度的靈活性和集成功能多樣化，其應用已經滲透到軍事偵察、防爆救災、環境監測等各個領域［1-4］。覆蓋是無線傳感網絡應用的基礎，覆蓋性能的好壞直接體現網絡的感知、監視和通信等服務質量，覆蓋算法的性能優劣同樣影響著網絡的生存周期。傳感器節點受到能量、存儲容量、計算能力、移動性等自身條件的約束限制，通常具有異構性，主要包括移動性、感知和通信能力以及能量等方面差異［5-7］。

近年來，對無線傳感器網絡覆蓋性能優化的算法研究已有大量的成果，包括基于計算幾何理論的理想節點模型約束下的無線傳感網絡覆蓋建模方法，如基于Delaunay、Voronoi等網格劃分分析方法［2-3，8-9］；仿生物學的智能群體優化算法［10-11］，以及基于物理力學原理的虛擬力算法［3，9］等。Lee 2009等［12］提出了基于泰森多邊形形心的部署策略CBS （Centroid-Based Scheme），采用移動節點的分布式模式，提出基于Voronoi多邊形形心的概念，設計了基于CBS（Centroid-Based Scheme）的自組織節點部署優化策略，將節點移動至本地Voronoi多邊形的形心位置，覆蓋性能得到一定程度的改善，但是在節點移動后容易產生新的覆蓋盲區。虛擬力導向算法［3，9-10，13-14］在擴大網絡覆蓋范圍，優化網絡連接等方面表現突出。但是僅能夠滿足純移動節點構成的無線傳感網絡的部署優化需求。

而在移動特性異構的WSN中，往往是由位置固定的Sink節點和移動傳感器節點組成。在用傳統虛擬力算法（VFA）進行覆蓋優化時，移動節點會因為受到固定節點的虛擬力約束，難以實現覆蓋區域的全局優化。為解決這一問題，王雪等［10］提出基于概率感知模型的傳感器網絡進行的虛擬力導向粒子群覆蓋優化策略，關志艷等［14］提出虛擬力導向群居智能優化算法，虛擬力距離閾值參數來改善固定節點作用在移動節點上的虛擬力，用虛擬力影響群聚智能算法中粒子速度和距離的進化，以節點有效覆蓋率為適應值，指導微粒進化。雖然虛擬力算法能有效指導移動節點的散布過程，微粒群算法具有很強的全局優化能力，能消除固定節點對全局優化的影響。但是計算耗時仍是嚴重制約微粒群算法在無線傳感網絡布局優化中應用的瓶頸之一。

為實現對異構無線傳感器網絡的覆蓋優化，受計算幾何理論啟發，結合Voronoi圖的特點，對虛擬力算法進行了改進，提出基于Voronoi多邊形形心引力的虛擬力覆蓋優化算法 CAVFA（Centroidbased Attractive Virtual Force Algorithm）。通過合理設置虛擬力距離閾值參數和優先級來改善固定節點對移動節點的約束，通過實驗證明了所提算法對實現異構WSN全局覆蓋的有效性。

1　問題與假設

假設無線傳感器網絡由N1個固定Sink節點集G和N2個移動傳感器節點集S組成，移動傳感器節點通過直接或間接多跳的方式連接到Sink節點，進行數據傳輸。節點的感知半徑均為Rs，隨機拋撒在監測區域A中，A為二維平面應用場景下的面積為L×H的矩形區域。節點模型均采用布爾感知模型，Rc為節點的通信半徑，并滿足Rc≥2Rs。對無線傳感器網絡參數進行如下假設：①Sink節點位置固定，并較均勻地分布在待覆蓋區域中；②無線傳感器網絡中的所有節點初始位置可自知，第i個傳感器節點Si的位置坐標為（xi，yi）；③節點的通信半徑是感知半徑的2倍，即Rc=2Rs，在節點通信范圍內的節點為鄰居節點；④網絡包含一個信息處理中心節點，具有較強的計算能力，用于實現網絡布局優化；⑤每個傳感器節點配備移動執行器，可以在監測區域內自由移動，且有足夠的能量到達指定位置，忽略邊界的斥力。

相關定義如下：

定義1布爾感知模型［1］節點的最大感知范圍是以自身位置坐標（xi，yi）為中心、長度r為半徑的圓形，即為布爾感知模型。目標點t與傳感器節點s之間的歐式距離記為

若d（si，tj）≤Rs，則目標點被覆蓋，節點si對目標點tj的感知概率p為1，否則為0，如下式所示：

定義2形心［15］形心是抽象幾何圖形的幾何中心。對于密度均勻的物體，形心與假想的質量中心相重合，因此有的文獻也稱質心。

定義3覆蓋率［16］已被節點覆蓋的區域面積S（B）與待監測區域面積S（A）之比為覆蓋率，記為η，定義為

2　Voronoi多邊形的形心計算

將網絡覆蓋問題簡化為二維平面中隨機布散的點，為簡化覆蓋求解過程，借助計算幾何中的Voronoi圖，對這N個在平面上有區別的點，按照最鄰近原則劃分平面，又叫泰森多邊形或Dirichlet圖，它是由一組由連接兩鄰點直線的垂直平分線組成的連續多邊形組成，構成Voronoi圖的凸多邊形稱為泰森多邊形或者Voronoi單元，如圖1（a）所示。不難發現，在每個多邊形內的點到該節點的距離比到其他任何節點的距離都小。

圖1　Voronoi網格圖與多邊形形心

泰森多邊形的形心是所有將多邊形平分成兩個等面積區域的直線的交點［12］。如圖1（b）所示，節點S所在VOR多邊形包含有m個邊和m個頂點，多邊形頂點坐標集合為V=｛（vx1，vy1），（vx2，vy2）…（vxm，vym）｝。通過修正Lee在文獻［12］中所用的形心計算方法，計算該多邊形的形心（Cx，Cy），公式如下：

其中Sv為Voronoi多邊形的面積，計算如下：

Voronoi多邊形與目標點的覆蓋情況的對應幾何關系可以有效確定盲區位置［3，12］，Voronoi（簡寫為VOR）圖是解決覆蓋控制問題的一種有效的幾何方法，VOR單元結構可實現局部的或者分布式算法設計，而無需已知全局信息；通過網格劃分將網絡覆蓋優化問題轉換為每個傳感器節點各自覆蓋對應VOR多邊形區域內的優化問題，降低了問題的復雜性與計算復雜度。本文利用VOR形心的幾何特性，將其引入虛擬力算法中，解決異構網絡中固定節點對移動節點的束縛問題，通過引力約束，優化全局的節點覆蓋率和均勻性。

3　相關算法

3.1VFA算法

虛擬力算法VFA（Virtual Force Algorithm）起源于虛擬勢場［17］，起初被用于機器人移動過程中的障礙物避讓，后來被引用到WSN節點部署策略中［1］，優化網絡覆蓋。通過將移動傳感器節點虛擬成帶電粒子，并假設存在一個距離閾值，當兩個粒子間的距離大于該閾值，粒子間的作用力為引力；當粒子間的距離小于該閾值，粒子間的作用力為斥力。通過虛擬作用力的引導，網絡可以通過節點間的距離調整，實現區域的有效覆蓋，通過合理的閾值設定，達到滿足部署要求的覆蓋效果。假設節點Si所受的虛擬作用力包括其他節點的作用力FιJ，障礙物和邊界的斥力，以及待覆蓋區域中未被覆蓋的點對節點的引力等，將總的斥力記為（repulsive）FιR，引力記為（attractive）FιA，節點Si所受的合力記為Fι，則有

節點間的作用力屬性是由距離決定的，通常根據網絡的具體應用環境以及對覆蓋性能的要求進行設置。

3.2CBA算法

針對移動傳感器節點分布式自組織優化算法研究中，最早由Lee 2009等［12］提出的基于VOR多邊形形心的部署策略CBS（Centroid-Based Scheme），包括 Centroid和 Dual-Centroid兩種模式。Dual-Centroid是將節點移動至Voronoi多邊形和鄰居節點構成的多邊形的兩個質心的線段中點處，如圖2所示：A點為節點S所在VOR多邊形的質心，點B為鄰居節點構成的多邊形的質心點，C為線段AB的中點。Centroi-Based Algorithm（CBA）是將節點移動至本地Voronoi多邊形質心位置處。雙質心的算法求解過程比較復雜，且覆蓋優化效果并不優于CBA算法，因此本文采用CBA算法作為對比算法。

由于CBA算法是基于VOR圖網格劃分實現的，節點被看作分布在區域內的點，并不考慮節點的感知范圍因素，在半徑異構的WSN覆蓋優化應用中，CBA算法并不直接適用，需要與虛擬力算法相結合，以實現更優的覆蓋。

圖2　基于質心的部署策略

4CAVFA算法描述

4.1受力分析

本文的網絡環境包括位置固定的骨干節點和移動的傳感器節點，網絡初始化設定骨干節點位置，并保持靜止，傳感器節點在待測區域隨機部署，并在虛擬力的約束下進行散布行為決策，調整網絡覆蓋度和冗余度。本文采用布爾圓盤感知模型，假設節點的通信半徑為Rc，節點位置為中心的圓盤，質心即為該節點的坐標，記為受力點S。假設監測區域為矩形，但現實中的區域邊界并不規則，因此本文忽略邊界的作用力。可移動傳感器節點的受力包括固定骨干節點的作用力、移動節點間的作用力、未被覆蓋區域格點引力以及Vornoi多邊形質心引力的作用。具體受力分析如下。

其中未被覆蓋的區域中的格點Gi（gxi，gyi）對傳感器節點Si（xi，yi）的作用力設為引力（attractive），Dij為Gi與Si之間的距離，記為FιA，計算如下：

節點Si所在的VOR多邊形的形心Ci對節點的作用力設為引力，方向為Si到Ci連線的方向，記為FιC，計算如下：

節點Si和其他節點（可以是固定節點或者移動節點）Sj之間的作用力記為FιJ（且i≠j），作用力的性質由節點間的歐式距離決定。虛擬勢場算法采用距離閾值來調整WSN節點間的相互作用力FιJ的屬性，設dij是節點Si與Sj之間的歐式距離，如式（1）所示，dth是節點間通信的臨界距離。當dij大于dth且小于Rc時，兩者之間的作用力為引力；當dij小于dth時，作用力為斥力，FιJ關系式如式（9）所示。

其中，αij是節點Si到節點Sj線段的方向角，ka/kb分別為虛擬力引力/斥力系數。且FιJ僅在兩鄰居節點之間產生，即dij≤RC，減少算法計算量。已知區域一次覆蓋的最佳部署方式為正三角形部署方式，如圖3所示，因此本文以正三角形為覆蓋目標，設置節點間的距離為。

以節點間虛擬力為例，那么節點Si所受鄰居節點作用力的總和記為Fι，表達式如式（10）所示。

節點所受虛擬力Fι可分解為x與y兩個方向，力的大小為Fxy，且存在如下向量關系和矢量關系：

無線傳感器節點在虛擬力Fxy作用的約束下，將按照如下配置方式對節點位置進行調整：

其中，（x_old，y_old）為節點原來的位置坐標，算法每執行一輪，節點位置坐標更新為（x_new，y_new）。max_step是虛擬力步長，可分為max_grid、max_sensor、max_center，分別為在熱點區域網格點、傳感器節點和質心引力的作用下的半徑調整步長。虛擬力算法的設計過程就是尋找使網絡內部節點所受虛擬力達到平衡狀態的一個過程。

圖3　正三角形部署模式

4.2算法偽代碼

基于上述分析，合計算幾何理論，提出一種基于泰森多邊形形心引力的虛擬力覆蓋優化算法（CAVFA）。虛擬力算法能有效指導移動節點的散布過程，形心引力能更好地實現全局的覆蓋優化。通過合理設置虛擬力距離閾值參數和優先級來改善固定節點對移動節點的約束，以實現全局的覆蓋優化，提高網絡覆蓋效率和虛擬力算法性能。算法實現的偽代碼如下。

輸入：

監測區域L×H，N1個固定骨干節點坐標SN1=｛（x1，y1），（x2，y2…（xN1，yN1）｝，N2個移動傳感器節點的坐標的集合SN2=｛（x1，y1），（x2，y2…（xN2，yN2）｝，節點感知半徑Rs，迭代次數max-iteration，節點間的距離閾值 dth，最大移動步長 max_sensor、max_grid、max_center，虛擬力閾值fth.

輸出：移動傳感器節點坐標SN2，覆蓋率fth.

算法描述：

（1）SN1；rand（SN2）；//初始化部署

（2）while（t＜max-iteration）

（3）Fι←0，FιJ←0，FιC←0，FιA←0；

（4） VOR網格劃分，根據式（4）、式（5）計算每個V單元的質心Ci（cxi，cyi）；

（5）for（i=0；i＜N2；i++）

（6）if（cxi，cyi）∈A

（7）根據式（7）進行FιC計算；

（8）根據式（11），帶入max_center進行節點虛擬移動；

（9）end

（10）end

（11） for（i=0；i＜N2；i++）

（12）計算節點間的距離dij

（14）按式（8）進行FιJ計算

（15） 根據式（11），帶入max_sensor進行節點虛擬移動；

（16）end

（17） end

（18） for（i=0；i＜N2；i++）

（19）計算未被覆蓋格點與節點間距離Dij

（20）if Dij＜Rc

（21）按式（6）計算引力FιA

（22） 根據式（11），帶入max_grid進行節點虛擬移動；

（23） end

（24） end

（25） 更新節點位置，進行位移移動，計算覆蓋率

（26） 循環迭代

（27）end%算法結束

5　仿真結果及性能分析

本節通過仿真來驗證算法對提高網絡覆蓋質量的有效性，并對算法性能進行分析，包括收斂性能、復雜性，及其影響參數的討論。本章的算法是針對節點異構的移動無線傳感器網絡進行的覆蓋優化，通過引入VOR形心約束力對節點的移動進行干預，提高感知覆蓋率的同時，加速了算法收斂。與VFA和CBA算法進行了對比分析，結果驗證了VOR形心引力導向對虛擬力算法性能改進的有效性。本節中的仿真實驗均是在Matlab R2012b環境下進行的，仿真實驗參數設置如表1所示。

文獻［18］在對距離閾值調節虛擬力屬性的模型的研究中指出，用到的虛擬力的引力系數和斥力系數幾乎是與覆蓋率不相關，故設為相同的常數值。考慮到覆蓋算法的能效性，節點的最大移動步長一般取感知半徑的1/2［10］。本文通過幾組步長值對覆蓋率的優化效果對比分析實驗，從經驗值中選取了對算法有利的步長值，作為下一步的實驗仿真參數。

表1　仿真實驗參數

首先對幾個參數對算法性能的影響進行分析，包括最大移動步長，固定和移動節點數量分配。圖4所示為4組不同的最大移動步長設置條件下的覆蓋有效效果圖，參數設置如表2所示，且其他參數設置為Rs=7 m，N1=16，N2=60，初始化覆蓋率為67%，算法運行100次以后的覆蓋率分別為80%，85%，90%，89%。

圖4　CAVFA算法運行時待監測區域覆蓋情況，綠色為固定節點，藍色的為移動傳感器節點

表2　參數對優化性能的影響

仿真結果表明適當減小最大移動步長，覆蓋率有一定程度的提高，且當max_grid＞max_center時的覆蓋效果最佳。第4組數據表明移動步長并不是越小越好。在后面的算法對比分析中都選用第3組步長設置。

部署在待覆蓋區域的節點總數為100個，分析固定節點和移動節點的不同分配方式對算法性能的影響，選取兩組數據，并與VFA和CBA算法進行了性能對比，如圖5和表3所示。仿真結果顯示，在N1= 80，N2=20的條件下，經過100次循環后，CAVFA算法所能提高的覆蓋率百分比為16%，VFA和CBA算法分別能提高的覆蓋率百分比為15%和12%，CAVFA性能略優于其他算法；在N1=40，N2=60的條件下，經過100次循環后，CAVFA算法提高了覆蓋率的31%，明顯優于其他兩種算法的覆蓋效果28%和27%。從圖5（d）可以看出，即使在固定節點數遠多于傳感器節點數時，CAVFA也能實現全局的均勻覆蓋，這是因為通過Voronoi網格劃分提高了節點覆蓋的公平性，進而解決了固定節點對移動節點的約束問題。

圖5　VFACBACAVFA算法覆蓋優化效果圖

表3　固定節點與移動節點數的分配

算法運行時間和收斂性的比較與分析，如圖6所示，描繪了待監測區域內的覆蓋率在覆蓋優化算法隨執行時間的變化情況，節點數：N1=40，N2=60，算法運行時間：T_CAVFA=40 s，T_CBA=28 s，T_VFA= 30 s。雖然CAVFA算法運行100次所需的時間大約為40 s，耗時比CBA和VFA各自的運行時間長，但是本文所提的算法完成了對形心和虛擬力的遍歷搜索，并且耗時小于CBA與VFA算法之和，這說明本文的算法迅速有效。從圖6可以看出前5個步長內，待監測區域的覆蓋率均得到了較大幅度的提升，其中本文提出的CAVFA算法與初始覆蓋率相比提高了22個百分點，并高于VFA和CBA算法。在5個步長以后，CAVFA算法對覆蓋率的優化效果減慢，但仍有提升的空間，并趨于平穩；而VFA優化效果不穩定，隨著步長的增加反而出現了下降的趨勢；CBA算法的優化性能趨于平緩。三種算法在10個步長以后均趨于收斂。由此可見本文提出的算法CAVFA結合了VFA和CBA算法的優點，充分利用虛擬力算法的全局搜索特性，又將局部單元優化方法引入，克服了傳統虛擬力算法優化過程中出現的局部節點聚焦的現象，從而實現了對待監測區域高效、均勻的覆蓋。

圖6　算法運行100次所需的時間與覆蓋率的關系圖

6　總結

基于Voronoi多邊形形心引力的虛擬力優化的異無線傳感器網絡覆蓋策略在傳統虛擬力算法的基礎上，引入了基于計算幾何理論中的Voronoi多邊形形心的虛擬引力，通過調整虛擬力距離閾值參數、節點移動步長和虛擬力優先級等參數設置，來改善來克服固定節點對移動節點的虛擬力作用限制。通過實驗驗證了本算法的有效性，結果表明：相比傳統虛擬力算法和基于Voronoi形心的覆蓋優化策略，基于Voronoi多邊形形心引力的虛擬力優化算法實現了對異構無線傳感器網絡的全局部署優化，且覆蓋效率最高，收斂更快。但是由于本實驗環境所有節點初始化部署的隨機性，算法執行過程中并沒有實現百分之百的覆蓋率，算法中的參數設置對實驗結果的影響，有待下一步繼續研究。

［1］Zhu C，Zheng C，Shu L，et al.A Survey on Coverage and Connectivity Issues in Wireless Sensor Networks［J］.Journal of Network and Computer Applications，2012，35（2）：619-632.DOI：10.1016/ j.jnca.2011.11.016

［2］Sung T，Yang C.Distributed Voronoi-Based Self-Redeployment for Coverage Enhancement in a Mobile Directional Sensor Network ［J］.International Journal of Distributed Sensor Networks，2013，2013：1-15.DOI：10.1155/2013/165498

［3］Ye G，Zhang B，Wen L，et al.Extended Virtual Force-Based Coverage Scheme for Heterogeneous Wireless Sensor Networks［C］//2014 14th International Conference on Control，Automation and Systems （ICCAS 2014）.KINTEX，Gyeonggi-do，Korea，2014：1560-1564

［4］Jiang H，Sun Y，Sun R，et al.Fuzzy-Logic-Based Energy Optimized Routing for Wireless Sensor Networks［J］.International Journal of Distributed Sensor Networks，2013，2013：1-8.DOI：10.1155/2013/216561

［5］杜曉玉，孫力娟，郭劍，等.異構無線傳感器網絡覆蓋優化算法［J］.電子與信息學報，2014（3）：696-702.

［6］Donmez M Y，Kosar R，Ersoy C.An Analytical Approach to the Deployment Quality of Surveillance Wireless Sensor Networks Considering the Effect of Jammers and Coverage Holes［J］.Computer Networks，2010，54（18）：3449-3466.DOI：10.1016/j.comnet. 2010.07.007

［7］孫彥景，林昌林，江海峰.一種能量高效的分布式非均勻分簇路由算法［J］.傳感技術學報，2015，28（8）：1194-1200.

［8］Al-Turjman F M，Hassanein H S，Ibnkahla M.Quantifying Connectivity in Wireless Sensor Networks with Grid-Based Deployments［J］.Journal of Network and Computer Applications，2013，36（1）：368-377.DOI：10.1016/j.jnca.2012.05.006

［9］江海峰，錢建生，孫彥景.WSN中基于虛擬靜電場的多Sink路由算法［J］.中國礦業大學學報，2011（02）：321-326.

［10］王雪，王晟，馬俊杰.無線傳感網絡布局的虛擬力導向微粒群優化策略［J］.電子學報，2007，35（11）：2038-2042.

［11］張智威，孫子文.基于蟻群算法的無線傳感器網絡節點可信安全路由［J］.傳感技術學報，2016，29（2）：256-263.

［12］Lee H，Kim Y，Han Y，et al.Centroid-Based Movement Assisted Sensor Deployment Schemes in Wireless Sensor Networks［C］// 2009 IEEE 70thVehicular Technology Conference Fall（VTC 2009-Fall）.2009：1-5.DOI：10.1109/VETECF.2009.5379087

［13］馮秀芳，關志艷，全欣娜.基于虛擬力的異構節點網絡覆蓋增強算法［J］.計算機工程，2009（5）：103-105.

［14］關志艷，耿巖.虛擬力導向群聚智能優化的無線傳感器網絡覆蓋策略［J］.傳感器與微系統，2015（1）：40-42.

［15］Wang G，Cao G，La Porta T F.Movement-Assisted Sensor Deployment［J］.IEEE Transactions on Mobile Computing，2006，5（6）：640-653.

［16］S K S，M S.Coverage Rate Calculation in Wireless Sensor Networks［J］.Computing，2012，94（11）：833-856.

［17］A H，Matarimj，Sukhatmegs.An Incremental Self-Deployment Algorithm for Mobile Sensor Networks［J］.Autonomous Robots 2002，2002，13（1）：13-26.DOI：10.1023/A：1019625207705

［18］任孝平，蔡自興，任清雄.四種虛擬力模型在傳感器網絡覆蓋中的性能分析［J］.信息與控制，2010（4）：441-445.

王婷婷（1986-），女，江蘇連云港，博士研究生，主要研究無線傳感器網絡及智能優化算法等；

孫彥景（1977-），男，山東滕州，博士，教授，博士生導師，主要研究無線傳感器網絡，信息物理系統及感知物聯網等，yjsun@cumt.edu.cn；

徐釗（1955-），男，江蘇宿遷，教授，博士生導師，主要研究數字礦山綜合傳輸網絡及無線通信系統等；

張曉光（1978-），女，遼寧昌圖，副教授，碩導，主要研究無線通信和數字信號處理。

Coverage Optimization Algorithm Based on Virtual Force for Heterogeneous Wireless Sensor Networks*

WANG Tingting1，SUN Yanjing1，2*，XU Zhao1，ZHANG Xiaoguang1
（1.School of Information and Electrical Engineering，China University of Mining and Technology，Xuzhou Jiangsu 221116，China；2.Coal Mine Electrical Engineering and Automation Laboratory in Jiangsu Province，Xuzhou Jiangsu 221008，China）

In heterogeneous wireless sensor networks with diversified mobility，the global optimization of coverage usually can’t be achieved because that the mobility of mobile sensor nodes will be constrained by the fixed ones.In order to solve this problem，we propose a Centroid-based Attractive Virtual Force Algorithm（CAVFA）inspired by computational geometry theory.The traditional Virtual Forces Algorithm（VFA）has been used to guide mobile nodes to move.And the Centroid-based algorithm（CBA）has potential to improve networks coverage in the whole interest of area.Also parameters including distance thresholds and priorities of virtual forces have been set to adjust the binding effect between fixed nodes and mobile ones.Simulation results are presented to demonstrate that the proposed CAVFA strategy has higher coverage rate and convergent speed than VFA and CBA strategies.

wireless sensor networks；heterogeneous network；network coverage；virtual force；optimization algorithm EEACC：6150P；7230

10.3969/j.issn.1004-1699.2016.08.022

TP393

A

1004-1699（2016）08-1253-07

項目來源：國家自然科學基金項目（51274202）；國家自然科學基金青年項目（51504255，51504214）；江蘇省自然科學基金項目（BK20130199，BK20131124）

2016-02-14修改日期：2016-04-05