一种基于拥挤度和隔离度因子的改进粒子群优化方法
【专利摘要】本发明公开了一种基于数据驱动的优化方法，用于改进优化全局性能和优化收敛速度和精度。本发明通过引入拥挤度因子σ′和隔离度因子isolation，利用它们之间有一定的相关性，通过实验以及综合敛散性确定两参数的取值范围如下：本发明用在移动传感网络节点的自组织方面，在综合考虑网络节点的覆盖和连接问题后，利用微粒群算法多目标优化方面的优势，用其改善传感器网络中节点的自组织性.使得网络在覆盖的均匀性、快速性和连结的可靠性上，迭代运算后得到的优化目标具有较高精确度和很低的误差率。
【专利说明】
一种基于拥挤度和隔离度因子的改进粒子群优化方法
技术领域
[0001] 本发明涉及一种针对无线传感网自组织部署改进的优化方法。
【背景技术】
[0002] 合理有效的节点部署方案可以大大减少网络搭建时间，快速覆盖目标区域，而且 通过协调控制还可以延长网络寿命，适应变化的拓扑结构.如果网络具有了自组织能力， 也就可以根据需要使网络分散、汇聚、自我识别和最大化监测范围.采用简单高效的优化 方法尤为重要。网络的自组织需要解决的优化问题是：一簇在一定区域随机分布的传感器， 如何控制它们在较短的时间内，进行自组织，使传感器网络的覆盖范围最大化，且各传感器 达到均匀分布.粒子群方法是一种高度并行的随机化搜索的自适应的组合优化算法。该算 法不需要求导或其他辅助知识，只是通过影响搜索方向的目标函数和相应的适应度函数来 寻求最优解。在许多领域得到了应用。该算法计算量大、容易陷入局部最优的缺点一直是 改进的方向。
【发明内容】
[0003] 本专利提出了一种基于拥挤度因子和隔离度因子的改进粒子群算法（IPS0)，当粒 子和当前极值之间满足式（1)所示关系时，即粒子位于最优位置匕为中心，σ'为半径的 圆周内的时候，则粒子计数器count加一，当count满足式（2)的时候，对剩下的粒子进行 重新初始化，其中σ'为拥挤度因子，isolation为隔离度因子，popsize为种群。
[0004] |pE1 (t)-Xi, (t) I I ^ 〇' (1)
[0005]
(2)
[0006] 当isolation固定，〇 '越大，则count越多，贝I
?子会越早的 进行重新初始化，导致前馈过度，粒子种群没有很好的收敛；σ '越小，则count越少，则式 (2)很难满足，粒子群仍然为标准粒子群，算法失效。
[0007] 当固定，isolation越大
小，同样粒子群没有很好的收敛， isolation越小
蜜大，同样算法失效。综上所述，和isolation有一定的相 关性。通过实验以及综合敛散性确定两参数的取值范围如下：
[0008]
[0009] 在本算法中，由于^
仍然保持在局部极值附近，即X(t)的维数由原来的 popsize下降至
>因此算法依然收敛，同时由号
个粒子重新初始 化所带来的扰动影响，使得Pg变化增加，从而改进了粒子群优化算法精度和速度并避免了 局部最优。具体方法如下：
[0010] ①对微粒的假设：由于是在二维平面上进行传感器网络的自组织，所以设\ = (Xi^Xi；；，··'XiJdi = …，η为微粒群中第i个微粒的位置向 量.其中，m表示一簇传感器中节点的数量；η表示微粒群的规模，即：微粒群中有η个微粒； Xi和yt分别表示第i个微粒位置的横坐标和纵坐标.
[0011] 再设 Vxi = Vxi2, Vxi2，…，Vxim) Vyi = (Vyil，Vyi2，…，Vyim)分别是微粒 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在优化过 程中所经过的具有最好适应值的位置的横纵坐标；P xg = (Pxgl，Pxg2，···，PXgm)、Pyg = (Pygl， Pyg2，…，PygJ是整个粒子群搜索到的最优位置的横纵坐标·其中，m、n的含义与上面相同·
[0012] ②微粒的初始化：根据前面所讨论的网络自组织模型，节点一般围绕簇头进行自 组织配置.又因为节点间通信的需要，所以，在微粒初始化时，把节点初始化在以簇头为圆 心，以1为半径的圆内.这样的初始化，表示自组织网络中的传感器起初是围绕簇头随机配 置的.
[0013] ③适应度的计算：设各个节点间距离的和为：?；\ ?在本文所讨论的网络自组织模 i*m 型中，一簇传感器在某个区域内进行自组织配置，是先由簇头带领该簇移动节点进入此区 域，然后围绕簇头在此区域内进行自组织配置，所以簇头一般位于网络的中心，其它传感器 作为它的一跳节点.因此，所使用的适应度函数为其中，屯是节点i与节点j k=\ 之间的距离，Dk是除簇头以外的k个节点到簇头的距离，m的含义仍同上.经过变化后，适 应度函数表示的是节点到除簇头以外其它节点的距离和，这样取适应度函数，减少了优化 目标，能够使网络的自组织更加迅速.
[0014] ④速度和位置的改进进化方程：由于基本粒子群算法易于陷入局部最优，所以有 必要对其进行改进.在优化前期，为了使微粒能够以较大的速度接近最优位置；在优化后 期，为了不使微粒速度过大脱离最优位置，按照发明方法对基本微粒群算法的速度和位置 进化进行改进。
【主权项】
1. 引入拥挤度因子σ'和隔离度因子isolation，利用它们之间有一定的相关性，通 过实验以及综合敛散性确定两参数的取值范围如下：2. 利用权力要求1，在无线传感器网络部署中取得优化应用。
【文档编号】H04W84/18GK105898768SQ201410782795
【公开日】2016年8月24日
【申请日】2014年12月15日
【发明人】彭力
【申请人】江南大学