張微微 楊海寧

（江蘇開放大學 江蘇省南京市 210036）

與普通的網絡相比，無線傳感器的網絡的自主性、靈活性更好一些，它的適用范圍更廣一些，在未來的生產應用中具有更廣泛的前景。目前，在相對自然環境比較惡劣的地方通常部署著無線傳感器網絡的節點，如果節點一旦出現故障問題，我們怎么更好的更換節點，有些更換是人工無法完成的部分，那么怎么將節點合理的部署在應用環境中就是我們迫切解決的問題，也是我們研究的關鍵。傳感器覆蓋的優化指的是在節點的部署上盡可能的使節點的分布達到最優，這樣我們在監控數據的時候可以更有效的對數據進行收集。如果我們在部署節點的時候用了過多的傳感器網絡節點，在傳輸過程中節點的能力容易耗盡，節點的計算能力也會由于傳輸受到局限性。通過檢測可以看出，由于節點之間存在著交叉，檢測的結果可以看出數據的重復，這樣影響數據的有效性，所以我們在部署的時候不能用過多的節點，那么就需要我們來用盡可能少的節點來部署，同時我們還得保證無線傳感器網絡在正常工作的同時還要延長生命周期，這個是目前研究的焦點。

作者查閱了相關文獻，了解到目前做無線傳感器方面研究的學者對無線傳感器網絡覆蓋做了非常深入的研究，科研成果顯著。有學者提出基于能量的無線傳感器網絡路由策略，作者設計了規則網絡模型和隨機網絡模型。文中提出的規則網絡模型就是在一個二維的平面內，規則的排列著節點，通過作者的分析得出，這個規則的網絡模型太過于理想化，在實踐中，網絡節點的投放方式多采用飛機的隨機投放，采用這樣的投放方法在實際應用中受投放當日的風向、濕度等實際環境的影響較大，我們多期待的理想效果很難達到。在網絡環境中隨機的擺放節點稱為隨機網絡模型，在代碼中現為每個節點生成監測范圍，這種情況更接近于實際情況。在無線傳感器的策略設計中通過對路由算法的分析設計實現了路由算法，通過作者的一系列仿真結果可以看出：在同等的條件下，分配初始能量的網絡生命周期比按度分配初始能量的更長，確定路由比概率路由具有更好的數據傳輸特性，路由參數對確定路由數據傳輸的調節作用比概率路由更明顯。通過相關文獻的查詢，還有學者提出用改進的人工蜂群算法來優化無線傳感器的覆蓋。由于傳統算法普遍存在節點覆蓋率較低的情況，要想實現全局優化在技術層面還比較難以實現，無線傳感器的網絡結構和群體智能算法很接近，所以該學者在研究中采用了改進的蜂群算法來優化無線傳感器的覆蓋。該學者改進了人工蜂群算法，解決了網絡覆蓋的優化問題。通過實驗可以看出，不管在節點較多還是節點較少的時候，改進的算法都有優化傳感器網絡的覆蓋率，具有更優的節點利用率，達到了研究目的。有學者提出在復雜環境下一種多移動節點的WSN 三維覆蓋算法，該覆蓋算法主要針對偏遠山地復雜地形，提出來多移動節點的WSN三維覆蓋算法，可以有效探測覆蓋空洞，利用移動節點有效修復，降低網絡能耗。隨著無線傳感器網絡應用在實際應用中的不斷深入，尤其在大數據環境下，例如啟發式算法的缺陷不斷涌現出來，如果求解效率，時間長等。

1 無線傳感器網絡節點覆蓋的原理

1.1 節點的覆蓋優化原理

無線傳感器網絡節點覆蓋的原理是：首先，在大數據環境的整個無線網絡傳感器的區域中，在視線范圍內的稱為監控區域，在這個監控區域中劃分為無數多個小區域，這個小區域稱為子區域；其次，在每個劃分的子區域中用改進的人工魚群算法對整個區域的節點覆蓋進行求解，最后，對人工魚群算法中求得的結果采用Map/Reduce 機制，利用該機制產生的結果進行融合。

1.2 Map/Reduce的機制

在大數據環境的整個無線網絡傳感器的區域中分布著規模龐大的網絡節點，在這么多數量的節點中，如果采用一臺計算機對整個監控區域的網絡節點進行求解，處理的數據量是相當大的，處理數據所消耗的時間也是很漫長，完成的效率比較低下，無法滿足當前的工作需要以及節點覆蓋的要求，Map/Reduce 的機制就是將這類數據量大的網絡傳感器劃分為多個子片，在所劃分的子片中對每個子問題來求解，與其對應的每個子問題所對應的節點來完成計算，計算結果通過Map/Reduce 的機制果進行融合，通過這樣的方法可以很快解決每個節點在運行中的缺陷。

2 傳感器節點覆蓋的優化策略

2.1 節點覆蓋優化的目標函數

在這里我們設在整個無線網絡傳感器的區域中分布的網絡節點都分布在一個矩形區域，這里做一個極端的假設為所有分布的節點都是性能相同的節點，所有的節點都是以自己為中心點，所有的節點他們都在通信半徑為R 的圓內，其中，每個節點的坐標都為(a,b)，矩形區域中分布的節點i，設在該事件中所覆蓋的坐標事件為fi，那么如下所示：

在整個無線傳感器節點(a,b)的覆蓋概率為c(0,j)，則公式為：

所以在整個無線傳感器節點覆蓋面積就是全部節點覆蓋面積的并集(wcover)，則公式為：

傳感器網絡覆蓋率f1和節點利用率f2計算公式具體如下：

在公式中，w 為事件中節點的總數，w’是假設工作的節點數。

由于整個無線網絡傳感器的區域中分布的節點在工作中會有受到能量的有限性，所以我們必須要考慮的一個問題就是在整個無線傳感器網絡的工作的矩形區域內節點能量消耗的均衡，這樣我們定義能量消耗均衡函數為：

該式子中，Ei設為節點中的剩余能量。

所以無線傳感器網絡中節點的覆蓋所優化的目標函數是：

其中，q1、q2、q3為權值。

2.2 人工魚群算法解析

《Swarm intelligence:From Natural to Artificial System》中對群智能進行了詳細的論述和分析了：任何一種由昆蟲群體和其他動物社會行為機制而激發和設計出的算法或分布解決問題的策略均屬于群智能。魚群是Swarm 的典型例子。在傳感器網絡節點中，利用人工魚群算法來模擬魚群的日?；顒?，魚群在自然環境中游行，需要不斷的適應周圍的環境，這樣魚群就需要調整自身游行的狀態，每個魚群與魚群之間需要通過相互協作，在不斷的搜索中找到根本問題的求解。

人工魚群算法就是利用魚群在不斷調整游行狀態中的尋找優化模式模仿魚群的覓食行為，分別為：魚群的覓食、魚群的聚群行為、魚群的追尾行為。

（1）魚群的覓食行為：指的是魚追著食物多的方向游動的一種行為，人工魚Xi 在其視野范圍內隨機選擇一個將來的狀態Xj，分別計算他們的目標函數進行比較，如果發現Xj 比Xi 的方向優秀，那么Xi 就往Xj 方向游動，否則Xi 繼續停留在其視野范圍內，反復嘗試后仍然沒有滿足的條件后，則隨機移動使Xi 達到一個新的狀態搜索。

（2）魚群的聚群行為（AF—swarm）：魚群在游動過程中為了保證自身的生存安全和躲避危害會自然的聚集成群。一般遵守的規則為：一是分隔規則，就是盡量避免與鄰近伙伴過于擁擠，二是對準規則，就是盡量與自己鄰近的伙伴在一致的方向游動，三是內聚規則，就是盡量朝著鄰近伙伴的中心游動。假設人工魚群Xi 搜索其視野范圍內的伙伴數為nf 及中心位置為Xc，若Yc/nf＞δ×Yi，表明魚群的中心位置狀態比較好不擁擠，則Xi 朝著魚群的中心位置移動一步，否則執行覓食行為。

（3）魚群的追尾行為（AF—follow）：指的是魚向它的可視范圍內最優化的區域游動的一種行為。人工魚Xi 搜索在它的可視范圍內所有伙伴中最優的魚伙伴Xj，如果Yj/nf＞δYi，表明最優魚伙伴的周圍不太擁擠，則Xi 朝著該伙伴周圍移動一步，否則執行覓食行為。

（4）公告板：記錄最優魚個體狀態的地方。每條人工魚在完成自身迭代后，將自身的狀態與公告板上記錄的狀態進行比較，如果優于公告板上記錄的狀態則將最優狀態記錄在公告板上，替換以前記錄的狀態，否則原公告板上的狀態不變。在整個算法迭代結束后，公告板上輸出的值就是我們算的最優值。

2.3 利用魚群算法在傳感器網絡節點覆蓋所優化的步驟

第一步：將大數據下傳感器網絡初始化，并對人工魚群算法的參數進行初始化；

第二步：計算初始魚群的個體的適應值，并對整個人工魚群的狀態進行評估，將最優魚人工魚狀態記錄到人告板。

第三步：通過模擬人工魚的覓食、聚群、追尾等行為，找到最優的食物濃度，更新自己生成新魚群。

第四步：在搜索中所有的人工魚群都完成后，人工魚群的狀態需要重新估計，估計后的狀態與第二步中記錄的公告板中的人工魚群狀態進行比較，兩者比較后結果選取更優化的結果作為公告板的最新狀態。

第五步：觀察公告板上的狀態，當公告板上的記錄的狀態達到了最優狀態，也就是結果達到了無線傳感器網絡節點覆蓋的要求了，那么人工魚群算法的搜索過程就結束了，否則返回到第三步繼續進行搜索。

3 總結

大數據傳感器網絡節點的覆蓋優化問題是我們解決的問題，本文提出了一種在改進的魚群算法。首先提出了Map/Reduce 的機制，該機制就是將這類數據量大的網絡傳感器劃分為多個片來完成，每個子問題在相對應的節點內完成，最后將各個節點完成的結果進行融合，這樣解決了每個節點的缺陷。然后通過人工魚群算法對子網絡中節點覆蓋優化問題進行求解，根據魚群算法的計算的結果可以說明：

（1）在Map/Reduce 機制下將大數據環境下的傳感器網絡進行分片的逐步細化，這樣有助于求解的簡單方便，而且還將傳感器網絡節點的覆蓋效率大大提高，實現了大數據環境下的傳感器節點覆蓋優化。

（2）采用人工魚群算法對傳感器節點覆蓋優化問題進行求解，可以提高了傳感器節點覆蓋率，可以滿足傳感器節點覆蓋的要求。