标签：覆盖 50 WSN 算法 matlab 鲸鱼 优化 EABC
文章目录
- 一、理论基础
-
- 1、WSN节点覆盖模型
- 2、基本鲸鱼算法
- 3、改进鲸鱼优化算法
-
- （1）量子位Bloch球面初始化
- （2）改进搜索猎物过程
- （3）莱维飞行扰动策略
- 二、算法流程
- 三、仿真实验与分析
-
- 1、实验环境
- 2、实验结果
-
- （1）与FA算法对比
- （2）与EABC算法对比
- 四、参考文献
- 五、Matlab代码
一、理论基础
2、基本鲸鱼算法
1、启发
鲸鱼优化算法 (whale optimization algorithm,WOA)是 2016 年由澳大利亚格里菲斯大学的Mirjalili等提出的一种新的群体智能优化算法，其优点在于操作简单、参数少以及跳出局部最优的能力强。
图1 座头鲸的狩猎摄食行为
2、包围猎物
座头鲸能识别猎物的位置并围着它们转。由于最优位置在搜索空间中的位置是未知的，WOA算法假设当前的最佳候选解是目标猎物或接近最优解。在定义了最佳候选解之后，其他候选位置将尝试向最佳位置移动并更新其位置。此行为由以下等式表示：
3、狩猎行为
根据座头鲸的狩猎行为，它是以螺旋运动游向猎物，故狩猎行为的数学模型如下：
4、搜索猎物
数学模型如下：
3、改进鲸鱼优化算法
（1）量子位Bloch球面初始化
（2）改进搜索猎物过程
（3）莱维飞行扰动策略
算法流程如图1所示。
图1 IWOA覆盖优化流程图
三、仿真实验与分析1、实验环境
为验证本文改进的鲸鱼算法应用于WSN覆盖优化性能，用MATLAB进行仿真，将原始WOA、改进后的IWOA 和其他文献的覆盖效果进行对比，其中实验的参数与其他文献的对应参数设置相同。参与对比的算法如表1所示。
表1 对比算法
2、实验结果
（1）与FA算法对比
将实验参数设置与文献[2]相同， 设监测区域为50 m × 50 m 50 m×50 m50m×50m的二维平面， 传感器节点个数N = 35 N=35N=35，其感知半径是R s = 5 m R_s = 5 mRs=5m，通信半径R c = 10 m R_c= 10 mRc=10m，迭代1000次。初始部署、FA优化覆盖、IWOA优化覆盖如图2~4所示。
图2 初始部署
图3 FA优化覆盖
图4 IWOA优化覆盖
二者的对比如图5所示。
图5 FAvsIWOA
（2）与EABC算法对比
将实验参数设置与文献[3]相同，即监测区域为100 m × 100 m 100 m×100 m100m×100m的二维正方形平面，部署同构传感器节点个数N = 50 N=50N=50，其感知半径是R s = 10 m R_s=10 mRs=10m，通信半径R c = 20 m R_c=20 mRc=20m，迭代次数为1000。图6为EABC初始部署，图7为EABC优化覆盖图，图8为IWOA优化覆盖图，图9为二者对比图。
图6 EABC初始部署
图7 EABC优化覆盖
图8 IWOA优化覆盖
图9 EABCvsIWOA
四、参考文献[1] 宋婷婷, 张达敏, 王依柔,等. 基于改进鲸鱼优化算法的WSN覆盖优化[J]. 传感技术学报, 2020, 033(003):415-422.
[2] Tuba E , Tuba M , Beko M . Mobile wireless sensor networks coverage maximization by firefly algorithm[C]// Radioelektronika. IEEE, 2017:1-5.
[3] 于文杰, 李迅波, 羊行,等. 外推人工蜂群算法在WSN部署优化中的应用研究[J]. 仪表技术与传感器, 2017(6).
标签：覆盖,50,WSN,算法,matlab,鲸鱼,优化,EABC 来源： https://blog.51cto.com/u_15287693/2960416
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。