一种基于智能传感设备的遍历搜索方法
【技术领域】
[0001] 本发明设及无线网络和移动计算领域，特别设及一种基于智能传感设备的遍历捜 索方法。
【背景技术】
[0002] 智能传感设备包括智能手机、传感器、机器人等，可W探测包括震动、电磁、温度、 湿度、噪声、光强度、压力、±壤成分、人体生命体症等周边环境中多种多样的物理参数。
[0003] 有些应用场景中，需要利用智能传感设备来捜索或者监测特定区域内的目标。
[0004] 比如，在灾难救援工作中，能及时发现伤员往往是成功施救的关键。向特定的救援 区域投放相当数量的智能传感设备，W伤员为目标，采用遍历捜索方法，可W迅速、有效、全 面地捜索到该区域内的全部伤员，从而达到节约救援时间，提高救援成功率的目的。
[0005] 再比如，在某区域布置相当数量的智能传感器，设定多个监测点，针对该地区的环 境指标进行采样、监测。此时，被监测点的环境参数就视为目标，而为了研发和表述方便，一 般将智能传感设备抽象为节点。
[0006] 通常情况下，为了系统的稳定性，投放或者布置的节点数目远多于能够捜索到全 部目标所需要的最少节点数目，就是说利用部分节点就能够完全监测到所有目标。为了 节省传感设备的能耗，希望把所有节点合理、有效地分成若干组，不同节点不能在同一个组 内，而每组内的节点都可W捜索到所有目标。该样，可W轮询启动某一个分组处于工作状 态，其它分组处于休眠状态，实现利用最少的节点就能够遍历捜索、监测到所有目标。
[0007] 在此之前，已有少量关于遍历捜索方法的文献和专利。
[000引比如，已有专利公开了一种基于多Agent强化学习的多机器人联合目标捜索系 统，该发明将多机器人系统中的每个机器人看作一个智能Agent,机器人Agent通过传感器 感知到所要捜索目标的特征信息，通过学习和多Agent协调算法实现联合目标捜索。该发 明是在目标位置不确定的情况下进行捜索，可W避免机器人碰壁W及机器人之间发生碰撞 等问题，适合应用于捜索危险的或人类无法到达的区域。但是该发明主要目的是利用多个 Agent的协调机制发现未知目标，机器人必须移动，且不能够使部分机器人工作就能够遍历 捜索到全部目标。因此各机器人耗能大，网络生命周期短暂，工作适应度低。
[0009] 已有专利公开了一种采用节点边界覆盖的无线传感器网络覆盖控制方法，该方法 采用节点休眠资格判定法则ERPC对无线传感器网络中分布的各节点进行动态休眠控制。 根据每个节点收集到的周边所有邻居的位置信息，WERPC进行休眠资格判断，符合条件的 节点则进入休眠状态，不符合休眠资格条件的节点则保持工作状态。该发明的目标是实现 覆盖度可配置的分布式网络覆盖控制，但是需要不断地对每个节点轮询判断，并与其邻居 节点通信，必然造成大量网络通信量，不适合无线传感器网络的节能要求和实际应用目标。
[0010] 已有专利公开了一种目标捜索方法，包括对训练图像进行训练的步骤和对目标图 像进行捜索的步骤。该发明通过高斯滤波获取图像的全局信息，通过训练图像全局特征与 目标位置，得到的分布函数模拟图像中的目标对人眼注意的自顶向下的调制，更准确的模 拟了人眼捜索过程，提高了人眼捜索结果的准确性。显然，该发明仅能适用于从复杂场景的 数字图像数据中快速、准确地获取待寻找的目标区域，从而提高数字图像处理的效率，不能 适用于有形目标的捜索和监测。
[0011] 已有文献针对无线传感器网络在二维平面中的覆盖控制问题，提出了一种基于泰 森盲区多边形形屯、的覆盖控制部署策略BCBS。BCBS先对监测区域做Voronoi图划分，W得 到被每个传感器节点覆盖的泰森多边形，而后根据泰森多边形顶点的覆盖情况构造出泰森 盲区多边形，最后W该多边形的几何中屯、作为传感器节点移动的候选目标位置，从而达到 提高网络覆盖率的目的。该文献仅提供了一种提高传感器网络覆盖控制率的方法，既不能 保证被监测区域的遍历覆盖，也不能确保网络的连通性。
[0012] 综上所述，尚没有一种基于智能传感设备的遍历捜索方法，能把节点资源优化协 调，分组搭配，实现依次利用最少的节点就能够遍历捜索、监测到所有目标，从而大大延长 智能传感设备的生命周期。
【发明内容】
[0013] 本发明的目的就是为了解决上述问题，提供一种基于智能传感设备的遍历捜索方 法，它利用智能传感设备，在指定区域内遍历捜索、监测多个目标，适用于救援、流行病监 控、安全监测、野外动物监测等领域。它具有计算复杂度低、通信量少、网络生命周期长、总 体能量消耗低等优点。
[0014] 为了实现上述目的，本发明采用如下技术方案：
[0015] 一种基于智能传感设备的遍历捜索方法，包括：
[0016] 步骤（1);系统初始化；首先将智能传感设备随机撒布或者安放在捜索区域内，然 后建立捜索区域内的目标和节点的数学模型；
[0017] 步骤（2);遍历捜索：利用步骤（1)建立的数学模型，依据设定的约束条件将节点 分组，再调配冗余节点，生成各分组都能够遍历所有目标的捜索分组.
[001引执行完步骤（2)后，某一个捜索分组处于工作状态，其它捜索分组允许处于休眠 状态，从而实现利用最少的节点就能够监测到所有目标，最大限度地延长传感网生命周期。
[0019] 所述步骤（2)的步骤为：
[0020] 步骤（2-1);依据设定的约束条件，生成原始捜索分组；
[002U步骤（2-2);进行适应度函数值计算，从而确定原始捜索分组中，有多少分组能够 捜索到所有的目标；
[002引步骤（2-3);冗余节点分配，将每个捜索分组中可能存在的冗余节点分配给其它 捜索分组；
[0023] 步骤（2-4);优化捜索分组方案，将适应度函数值分别为1和0的捜索分组中的非 必要节点进行互相替换，对原捜索分组方案进行优化，W提高全局适应度函数值；
[0024] 步骤（2-5);结果输出，输出最优捜索方案。
[0025] 所述步骤（1)的步骤为：
[0026] 将智能传感设备随机撒布或者安放在捜索区域内；
[0027]智能传感设备数目超过能够监测到所有目标的最少智能传感设备的数量；
[002引将智能传感设备抽象为节点，建立捜索区域内的目标和节点的数学模型；
[0029]令S=怯。i= 1，2,. . .，n}表示随机部署在捜索区域内的n个节点的集合，Ri是 Si的捜索半径，T={Tj,j= 1，2,. . .，m}表示捜索区域内的m个目标的集合。当目标Tj在 Si的捜索半径内，即Tj距离Si小于等于Ri时，认为Si能够覆盖Tj，用Si= {Tj}表示该一 关系。
[0030] 那么，定义覆盖矩^
【主权项】
1. 一种基于智能传感设备的遍历搜索方法，其特征是，包括： 步骤（1):系统初始化：首先将智能传感设备随机撒布或者安放在搜索区域内，然后建 立搜索区域内的目标和节点的数学模型； 步骤（2):遍历搜索：利用步骤（1)建立的数学模型，依据设定的约束条件将节点分组， 再调配冗余节点，生成各分组都能够遍历所有目标的搜索分组； 执行完步骤（2)后，某一个搜索分组处于工作状态，其它搜索分组允许处于休眠状态， 从而实现利用最少的节点就能够监测到所有目标，最大限