基于改進粒子群算法的無線傳感器網絡覆蓋優化

摘 要：為了提高無線傳感器網絡（Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ，ＷＳＮ） 的覆蓋率，提出了一種基于相互學習能力和動態學習因子的改進粒子群優化（Ｍｏｄｉｆｉｅｄ Ｐａｒｔｉｄｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＭＰＳＯ） 算法。引入了拉丁超立方采樣（Ｌａｔｉｎ ＨｙｐｅｒｃｕｂｅＳａｍｐｌｉｎｇ，ＬＨＳ） 序列來初始化種群，增加了種群的多樣性，為之后優化奠定基礎；引入一種相互學習方法，粒子通過隨機選擇目標粒子來增強自身的學習能力，提升局部尋優性能；利用一種動態學習因子策略，通過改變粒子的學習能力，加快了算法收斂速度并增強了全局尋優能力。仿真結果表明，在不改變原算法復雜度的情況下，相較于基本ＰＳＯ 算法和其他對比算法，改進ＰＳＯ 算法可以耗費更少的資源達到更好的尋優效果，可以有效地解決網絡覆蓋盲區和覆蓋冗余問題，提高網絡覆蓋率。

關鍵詞：無線傳感器網絡；粒子群優化算法；拉丁超立方采樣；相互學習能力；動態學習因子

中圖分類號：ＴＮ９１５． ９ 文獻標志碼：Ａ

文章編號：１００３－３１０６（２０２４）１２－２８４１－０９

０ 引言

無線傳感器網絡（Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ，ＷＳＮ）作為物聯網技術中的重要一環，由于具有自組織性，功耗低且造價低廉而被大量用于環境監測和軍事安全等方面［１－２］。合理的部署可以耗費更少的資源達到更好的覆蓋效果，所以如何提高網絡覆蓋率是一個重要研究內容［３－４］。