一種基于擁擠度和隔離度因子的改進粒子群優(yōu)化方法
【專利摘要】本發(fā)明公開了一種基于數(shù)據(jù)驅(qū)動的優(yōu)化方法，用于改進優(yōu)化全局性能和優(yōu)化收斂速度和精度。本發(fā)明通過引入擁擠度因子σ′和隔離度因子isolation，利用它們之間有一定的相關(guān)性，通過實驗以及綜合斂散性確定兩參數(shù)的取值范圍如下：本發(fā)明用在移動傳感網(wǎng)絡(luò)節(jié)點的自組織方面，在綜合考慮網(wǎng)絡(luò)節(jié)點的覆蓋和連接問題后，利用微粒群算法多目標優(yōu)化方面的優(yōu)勢，用其改善傳感器網(wǎng)絡(luò)中節(jié)點的自組織性.使得網(wǎng)絡(luò)在覆蓋的均勻性、快速性和連結(jié)的可靠性上，迭代運算后得到的優(yōu)化目標具有較高精確度和很低的誤差率。
【專利說明】
一種基于擁擠度和隔離度因子的改進粒子群優(yōu)化方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種針對無線傳感網(wǎng)自組織部署改進的優(yōu)化方法。
【背景技術(shù)】
[0002] 合理有效的節(jié)點部署方案可以大大減少網(wǎng)絡(luò)搭建時間，快速覆蓋目標區(qū)域，而且 通過協(xié)調(diào)控制還可以延長網(wǎng)絡(luò)壽命，適應變化的拓撲結(jié)構(gòu).如果網(wǎng)絡(luò)具有了自組織能力， 也就可以根據(jù)需要使網(wǎng)絡(luò)分散、匯聚、自我識別和最大化監(jiān)測范圍.采用簡單高效的優(yōu)化 方法尤為重要。網(wǎng)絡(luò)的自組織需要解決的優(yōu)化問題是：一簇在一定區(qū)域隨機分布的傳感器， 如何控制它們在較短的時間內(nèi)，進行自組織，使傳感器網(wǎng)絡(luò)的覆蓋范圍最大化，且各傳感器 達到均勻分布.粒子群方法是一種高度并行的隨機化搜索的自適應的組合優(yōu)化算法。該算 法不需要求導或其他輔助知識，只是通過影響搜索方向的目標函數(shù)和相應的適應度函數(shù)來 尋求最優(yōu)解。在許多領(lǐng)域得到了應用。該算法計算量大、容易陷入局部最優(yōu)的缺點一直是 改進的方向。

【發(fā)明內(nèi)容】

[0003] 本專利提出了一種基于擁擠度因子和隔離度因子的改進粒子群算法（IPS0)，當粒 子和當前極值之間滿足式（1)所示關(guān)系時，即粒子位于最優(yōu)位置匕為中心，σ'為半徑的 圓周內(nèi)的時候，則粒子計數(shù)器count加一，當count滿足式（2)的時候，對剩下的粒子進行 重新初始化，其中σ'為擁擠度因子，isolation為隔離度因子，popsize為種群。
[0004] |pE1 (t)-Xi, (t) I I ^ 〇' (1)
[0005]
(2)
[0006] 當isolation固定，〇 '越大，則count越多，貝I
?子會越早的 進行重新初始化，導致前饋過度，粒子種群沒有很好的收斂；σ '越小，則count越少，則式 (2)很難滿足，粒子群仍然為標準粒子群，算法失效。
[0007] 當固定，isolation越大
小，同樣粒子群沒有很好的收斂， isolation越小
蜜大，同樣算法失效。綜上所述，和isolation有一定的相 關(guān)性。通過實驗以及綜合斂散性確定兩參數(shù)的取值范圍如下：
[0008]
[0009] 在本算法中，由于^
仍然保持在局部極值附近，即X(t)的維數(shù)由原來的 popsize下降至
>因此算法依然收斂，同時由號
個粒子重新初始 化所帶來的擾動影響，使得Pg變化增加，從而改進了粒子群優(yōu)化算法精度和速度并避免了 局部最優(yōu)。具體方法如下：
[0010] ①對微粒的假設(shè)：由于是在二維平面上進行傳感器網(wǎng)絡(luò)的自組織，所以設(shè)\ = (Xi^Xi；；，··'XiJdi = …，η為微粒群中第i個微粒的位置向 量.其中，m表示一簇傳感器中節(jié)點的數(shù)量；η表示微粒群的規(guī)模，即：微粒群中有η個微粒； Xi和yt分別表示第i個微粒位置的橫坐標和縱坐標.
[0011] 再設(shè) Vxi = Vxi2, Vxi2，…，Vxim) Vyi = (Vyil，Vyi2，…，Vyim)分別是微粒 i 沿 X 和 y 方 向上的速度向量；Pxi = (Pxil，Pxi2，…，Pxim)、Pyi = (Pyil，Pyi2，…，Pyim)是微粒i在優(yōu)化過 程中所經(jīng)過的具有最好適應值的位置的橫縱坐標；P xg = (Pxgl，Pxg2，···，PXgm)、Pyg = (Pygl， Pyg2，…，PygJ是整個粒子群搜索到的最優(yōu)位置的橫縱坐標·其中，m、n的含義與上面相同·
[0012] ②微粒的初始化：根據(jù)前面所討論的網(wǎng)絡(luò)自組織模型，節(jié)點一般圍繞簇頭進行自 組織配置.又因為節(jié)點間通信的需要，所以，在微粒初始化時，把節(jié)點初始化在以簇頭為圓 心，以1為半徑的圓內(nèi).這樣的初始化，表示自組織網(wǎng)絡(luò)中的傳感器起初是圍繞簇頭隨機配 置的.
[0013] ③適應度的計算：設(shè)各個節(jié)點間距離的和為：?；\ ?在本文所討論的網(wǎng)絡(luò)自組織模 i*m 型中，一簇傳感器在某個區(qū)域內(nèi)進行自組織配置，是先由簇頭帶領(lǐng)該簇移動節(jié)點進入此區(qū) 域，然后圍繞簇頭在此區(qū)域內(nèi)進行自組織配置，所以簇頭一般位于網(wǎng)絡(luò)的中心，其它傳感器 作為它的一跳節(jié)點.因此，所使用的適應度函數(shù)為其中，屯是節(jié)點i與節(jié)點j k=\ 之間的距離，Dk是除簇頭以外的k個節(jié)點到簇頭的距離，m的含義仍同上.經(jīng)過變化后，適 應度函數(shù)表示的是節(jié)點到除簇頭以外其它節(jié)點的距離和，這樣取適應度函數(shù)，減少了優(yōu)化 目標，能夠使網(wǎng)絡(luò)的自組織更加迅速.
[0014] ④速度和位置的改進進化方程：由于基本粒子群算法易于陷入局部最優(yōu)，所以有 必要對其進行改進.在優(yōu)化前期，為了使微粒能夠以較大的速度接近最優(yōu)位置；在優(yōu)化后 期，為了不使微粒速度過大脫離最優(yōu)位置，按照發(fā)明方法對基本微粒群算法的速度和位置 進化進行改進。
【主權(quán)項】
1. 引入擁擠度因子σ'和隔離度因子isolation，利用它們之間有一定的相關(guān)性，通 過實驗以及綜合斂散性確定兩參數(shù)的取值范圍如下：2. 利用權(quán)力要求1，在無線傳感器網(wǎng)絡(luò)部署中取得優(yōu)化應用。
【文檔編號】H04W84/18GK105898768SQ201410782795
【公開日】2016年8月24日
【申請日】2014年12月15日
【發(fā)明人】彭力
【申請人】江南大學