物联网设备的覆盖优化方法、装置、电子设备及存储介质与流程

1.本发明涉及物联网设备部署技术领域，具体涉及一种物联网设备的覆盖优化方法、装置、电子设备及存储介质。


背景技术：

2.物联网设备(包括无线传感器节点、nb-iot设备等)可以被部署在一定区域内，用于感知、存储从环境中收集到的信息，并通过无线自组织方式建立通信链接，将感知信息传输到远处的汇集节点处，实现对特定区域的监测或监视。为了以有限的物联网设备对监控区域提供尽可能大的覆盖范围，即提高物联网设备对区域的覆盖率，常利用粒子群(pso)算法来对物联网设备对区域的覆盖率进行优化，找到覆盖效果较好的设备位置。常用的pso算法中的每一个粒子代表物联网设备部署的一个可能位置，优化的输出则是设备的最佳部署位置。由于pso算法存在的越界以及粒子重叠问题，会使pso算法在寻优过程中在粒子有限情况下得到的部署位置不是全局最优值，从而限制覆盖率的提高。但是在寻优过程中仍然存在粒子越界、重叠、运动速度下降或出现停止不动等失去粒子多样性的问题，继而带来优化算法探求最优粒子的能力下降，容易陷入局部最优值，并没有找到最佳节点位置。


技术实现要素：

3.基于现有技术中存在的问题，本发明实施例提出一种物联网设备的覆盖优化方法、装置、电子设备及存储介质。
4.第一方面，本发明实施例提供了一种物联网设备的覆盖优化方法，包括：
5.获取惯性权重系数，其中，所述惯性权重系数随迭代次数的增加而减小；
6.基于所述惯性权重系数对粒子群中粒子速度和位置更新；
7.判断两两粒子之间的间距是否小于预定间距；
8.如果两两粒子之间的间距小于预定间距，则调整粒子位置，并获得粒子的多个虚拟位置，以及基于多个虚拟位置的适应度值和粒子当前位置的适应度值确定粒子最终位置；
9.基于所述最终位置调整粒子位置，并在达到最大迭代次数后基于粒子最终位置调整物联网设备。
10.进一步地，所述获取惯性权重系数，包括：
11.ω＝ω
max
·
cos x+rω
min
·
sin x，
12.其中，所述ω
max
为惯性权重系数的最大值，所述ω
min
为惯性权重系数的最小值，r∈rand(0,1)，所述ω为所述惯性权重系数，所述x为当前迭代次数，
[0013][0014]
其中，iter
max
为最大迭代次数。
[0015]
进一步地，所述预定间距为允许的两两粒子之间的最小间距。
[0016]
进一步地，获得粒子的多个虚拟位置，以及基于多个虚拟位置的适应度值和粒子当前位置的适应度值确定粒子最终位置，包括：
[0017]
基于粒子当前位置，以预设的位置调整策略向预设的多个虚拟方向移动所述粒子，获得粒子的多个虚拟位置；
[0018]
获得所述多个虚拟位置一一对应的多个适应度值以及所述当前位置的适应度值；
[0019]
将所述多个虚拟位置一一对应的多个适应度值以及所述当前位置的适应度值中的最优值对应的位置作为所述最终位置。
[0020]
进一步地，所述基于粒子当前位置，以预设的位置调整策略向预设的多个虚拟方向移动所述粒子，获得粒子的多个虚拟位置，包括：
[0021][0022][0023]
其中，rand0,rand1,rand2∈(0,1)，m为粒子探索步长，l为监测范围的长度，g是网格粒度，是虚拟位置。
[0024]
进一步地，所述基于所述最终位置调整粒子位置，并在达到最大迭代次数后基于粒子最终位置调整物联网设备，包括：
[0025]
在达到所述最大迭代次数后，基于所述粒子群中的粒子位置，确定物联网设备的部署点，并基于所述部署点部署物联网设备。
[0026]
进一步地，还包括：
[0027]
如果为达到所述最大迭代次数，则重新执行所述物联网设备的覆盖优化方法。
[0028]
第二方面，本发明的实施例提供一种物联网设备的覆盖优化装置，包括：
[0029]
获取模块，用于获取惯性权重系数，其中，所述惯性权重系数随迭代次数的增加而减小；
[0030]
更新模块，用于基于所述惯性权重系数对粒子群中粒子速度和位置更新；
[0031]
调整模块，用于判断两两粒子之间的间距是否小于预定间距，如果两两粒子之间的间距小于预定间距，则调整粒子位置，并获得粒子的多个虚拟位置，以及基于多个虚拟位置的适应度值和粒子当前位置的适应度值确定粒子最终位置；
[0032]
部署模块，用于基于所述最终位置调整粒子位置，并在达到最大迭代次数后基于粒子最终位置调整物联网设备。
[0033]
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的物联网设备的覆盖优化方法。
[0034]
第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的物联网设备的覆盖优化方法。
[0035]
由上述技术方案可知，本发明实施例提供的物联网设备的覆盖优化、装置、电子设备及存储介质，针对pso算法的越界、粒子重叠问题，通过调整pso算法中的惯性权重系数结合粒子间距调整策略，扩大算法中粒子寻优的解空间，从而使算法优化后的位置是使区域
覆盖率最高的最佳位置，进而，可以有效提升物联网设备的覆盖率。
附图说明
[0036]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
[0037]
图1是本发明一实施例提供的物联网设备的覆盖优化方法的流程图；
[0038]
图2是本发明一实施例提供的物联网设备的覆盖优化方法执行后的粒子分布示意图；
[0039]
图3是对比pso算法、w-pso算法、oaebi-pso与本发明的方法(aps-pso)的节点分布均匀性示意图；
[0040]
图4是对比pso算法、w-pso算法、oaebi-pso与本发明的方法(aps-pso)的迭代次数与覆盖率关系对比图；
[0041]
图5是对比pso算法、w-pso算法、oaebi-pso与本发明的方法(aps-pso)的覆盖率曲线的对比图；
[0042]
图6是本发明一实施例提供的物联网设备的覆盖优化装置的结构框图；
[0043]
图7是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
[0044]
下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0045]
以下结合附图描述根据本发明实施例的物联网设备的覆盖优化方法、装置、电子设备及存储介质。
[0046]
图1示出了本发明一实施例提供的物联网设备的覆盖优化方法的流程图。如图1所示，本发明一个实施例提供的物联网设备的覆盖优化方法，包括如下内容：
[0047]
s101：获取惯性权重系数，其中，惯性权重系数随迭代次数的增加而减小。
[0048]
由于部署于空间的物联网设备是全向感知的，因此，物联网设备在区域内使用二元感知模型，其定义为：假设在区域a上获取信息，s为区域上的某个物联网设备，只要在以s为圆心，rs为半径的圆内的数据均能被s所感知到。z为任意被监测点，当z到节点s的距离d小于半径rs，则z一定能被检测到，概率为1；反之，概率为0。区域内信息是通过多个物联网设备同时合作来监测的。某个目标z被全部物联网设备同时感知到的概率是：
[0049][0050]
其中n为区域中要部署的物联网设备个数，是目标z被第i个设备节点监测到的概率。
[0051]
将被监测区域离散为(m+1)*(n+1)个点，pi，z(x,y)为被监测区域中的某个点，则区域覆盖率pi(即：物联网设备覆盖的面积与监测区域面积之比)为
[0052][0053]
定义网络中节点分布均匀度为u，
[0054][0055]
其中，n为节点总数，ki为节点i的邻居节点；d
i,j
为节点i和节点j之间的距离，mi为节点i与其所有邻居节点距离的平均值，因此，均匀度越小节点分布越均匀，节点的冗余覆盖越少。
[0056]
s102：基于惯性权重系数对粒子群中粒子速度和位置更新。
[0057]
具体来说，采用粒子群优化算法(pso)对区域覆盖率pi进行优化。利用pso寻找最优值过程中每个粒子都代表寻优的一个解，pso算法通过不停的进行速度、位置更新来找到最优解。其中速度更新公式为：
[0058][0059]
位置更新公式为：
[0060]
x(i+1)＝x(i)+v(i+1)，
[0061]
其中，惯性权重系数ω可调节pso的收敛速度、均衡个体的搜寻精度，为了提高算法的搜索能力，本发明的实施例，将ω改进为：
[0062]
ω＝ω
max
·
cos x+rω
min
·
sin x
ꢀꢀꢀꢀ
(4)
[0063][0064]
t为当前迭代次数，iter
max
为最大迭代次数，r∈rand(0,1)，ω
max
为惯性权重系数的最大值，所述ω
min
为惯性权重系数的最小值，ω为所述惯性权重系数；
[0065]
在迭代初始时，x趋于0，cosx趋于1，sinx趋于0，故ω趋于ω
max
，此时算法的搜索范围大，收敛速度快，迭代后期随着迭代次数t变大，cosx趋于0，sinx趋于1,ω趋于ω
min
，搜索范围变小，收敛速度随之变慢。其中，上述公式(5)的设计是利用当前迭代次数t及最大迭代次数，结合公式(4)中cosx、sinx的性质，引入π/2来控制x，进而控制搜索的范围，满足迭代初期时，搜索范围大，迭代后期搜索范围小，收敛于最优值。
[0066]
s103：判断两两粒子之间的间距是否小于预定间距。其中，预定间距为允许的两两粒子之间的最小间距，最小距离记为δd。
[0067]
s104：如果两两粒子之间的间距小于预定间距，则调整粒子位置，并获得粒子的多个虚拟位置，以及基于多个虚拟位置的适应度值和粒子当前位置的适应度值确定粒子最终位置。
[0068]
具体来说，获得粒子的多个虚拟位置，以及基于多个虚拟位置的适应度值和粒子当前位置的适应度值确定粒子最终位置，包括：基于粒子当前位置，以预设的位置调整策略
向预设的多个虚拟方向移动所述粒子，获得粒子的多个虚拟位置；获得所述多个虚拟位置一一对应的多个适应度值以及所述当前位置的适应度值；将所述多个虚拟位置一一对应的多个适应度值以及所述当前位置的适应度值中的最优值对应的位置作为所述最终位置。
[0069]
其中，基于粒子当前位置，以预设的位置调整策略向预设的多个虚拟方向移动所述粒子，获得粒子的多个虚拟位置，是通过公式实现的。具体而言：
[0070]
在粒子寻优的过程中，总会出现粒子越界或者相撞等情况，由此带来的粒子多样性的减少，会削弱算法的搜索能力。迭代后期，由于速度变慢或者趋近于零，算法的求解能力会减弱。粒子容易陷入局部最优值，存在无法跳出局部最优的可能。
[0071]
因此，在本发明的实施例中，提出调整粒子两两之间的间距(aps)来增加粒子多样性。具体为：
[0072]
设粒子间最小距离为δd，则当粒子之间距离小于δd时，可以判别为同一维数对应的两个粒子过于靠近。为了增加粒子的多样性，需要将重叠的粒子分离开，进行粒子间距调整，增加粒子多样性，即：
[0073][0074][0075]
粒子以公式(6)更新位置后，为每个粒子预设p(1,2,
…
,m)个虚拟的前进方向，粒子从当前位置朝m个预设方向参照公式(7)、(8)进行位置更新。
[0076][0077][0078]
其中，rand0,rand1,rand2∈(0,1)，m为粒子探索步长，l为监测范围的长度，g是网格粒度，i为当下的迭代值，m取值随着迭代次数i的增加线性递减，在算法迭代初期，m较大，算法具备较强的全局搜索能力，迭代后期m减小，有利于算法局部的精细搜索，寻找最优解。
[0079]
位置表示m个虚拟前进方向对应的当前迭代位置，为粒子当前位置x
id
与虚拟前进方向产生的位置增量sin(2π
·
rand0)
·m·
rand1的叠加，引入的rand0，rand1考虑了虚拟前进方向的随机性，sin(2π
·
rand0)与步长m更新了粒子虚拟前进方向的位置增量，避免了虚拟前进方向位置增量的集中。
[0080]
比较m个虚拟前进方向与当前位置(即：以公式6更新的位置)对应的适应度值，选择适应度值最佳的位置作为粒子的位置进行位置更新，从而不仅改善了方向的集中指向性，而且也优化了步长的选取策略。
[0081]
s105：基于所述最终位置调整粒子位置，并在达到最大迭代次数后基于粒子最终位置调整物联网设备。
[0082]
即：在达到所述最大迭代次数后，基于所述粒子群中的粒子位置，确定物联网设备的部署点，并基于所述部署点部署物联网设备。当然，如果为达到所述最大迭代次数，则重新执行所述物联网设备的覆盖优化方法。
[0083]
在具体应用中，该方法具体可通过如下方式实现：
[0084]
1、初始化种群参数；
[0085]
2、适应度值检测；
[0086]
3、全局最优和局部最优更新；
[0087]
4、如果达到iter
max
，则结束，否则进行下一步；
[0088]
5、根据改进的惯性权重对粒子速度和位置更新；
[0089]
6、判断粒子两两之间间距，若小于δd，按照公式(6)，调整粒子位置；
[0090]
7、将粒子当前位置代入到式(7)中，利用公式(7)、(8)将m个预设方向的位置更新代入到适应度函数，比较这m个虚拟方向适应度值与当前位置的适应度值，筛选出更优的解作为位置的更新值；
[0091]
8、转入步骤3，继续运行。
[0092]
根据本发明实施例的方法，在粒子间距过近时，调整了粒子间距，并增加了虚拟前进方向，从而提高了粒子多样性及算法寻优能力。
[0093]
以下是对本发明实施例的方法的运行进行仿真，以验证其有效性。
[0094]
图1算法执行后节点的位置分布
[0095]
图2设备节点分布均匀性
[0096]
图3迭代次数与覆盖率关系图
[0097]
图4 mote-carlo实验优化结果
[0098]
实验的目标监测区域为100
×
100，随机部署30个传感器节点，实验网络模型的相应参数设置如表1：
[0099]
表1
[0100][0101]
通过仿真对比pso算法、w-pso算法、oaebi-pso与本发明的方法(本发明的方式视
为aps-pso)的性能，如图2所示，是本发明实施例的方法执行后区域内节点位置分布情况，由图2可以看出，节点重叠情况有所减少，提高了节点的利用率。
[0102]
图3是计算pso算法、w-pso算法、oaebi-pso算法与本发明的方法(本发明的方式视为aps-pso)执行完成后节点间的标准差，标准差描述了节点的均匀度，由公式(3)计算，本发明的实施例，标准差是相对最低的，说明节点的分布是比较均匀的，减少了设备节点不均匀带来的冗余覆盖，提升了设备节点对监测区域的覆盖率。
[0103]
图4是基本pso、w-pso、oaebi-pso和本发明的方法，随迭代次数改变覆盖率曲线的变化。w-pso在ω上做出了改进，w-pso覆盖率相比pso提升并不明显，只升高了0.68％。40次迭代后算法趋于收敛。与pso算法相比，w-pso加快了收敛。pso和w-pso在求解后期覆盖率几乎不变。oaebi-pso算法覆盖率与前两种算法对比，寻优能力有了显著提高，本发明的方法，比oaebi-pso、基本pso和w-pso具有较高的区域覆盖率，最大覆盖率比pso提高了4.27％，比w-pso提高了3.59％。比oaebi-pso提高了1.57％，寻优能力有所提升，没有过早的陷入局部最优。
[0104]
图5给出了pso、w-pso、oaebi-pso和本发明的方法通过50次蒙特卡罗实验后的得出的覆盖率曲线。观察到本发明的方法，其稳定性较好。通过本发明的实施例，所能获得的覆盖率也大多分布在95％以上，相比另外三种算法有较好的有效性和稳定性。
[0105]
根据本发明实施例的物联网设备的覆盖优化方法，针对pso算法的越界、粒子重叠问题，通过调整pso算法中的惯性权重系数结合粒子间距调整策略，扩大算法中粒子寻优的解空间，从而使算法优化后的位置是使区域覆盖率最高的最佳位置，进而，可以有效提升物联网设备的覆盖率。
[0106]
图6示出了本发明一实施例提供的物联网设备的覆盖优化装置的结构示意图，如图6所示，本发明实施例提供的物联网设备的覆盖优化装置，包括：获取模块610、更新模块620、调整模块630和部署模块640，其中：
[0107]
获取模块610，用于获取惯性权重系数，其中，所述惯性权重系数随迭代次数的增加而减小；
[0108]
更新模块620，用于基于所述惯性权重系数对粒子群中粒子速度和位置更新；
[0109]
调整模块630，用于判断两两粒子之间的间距是否小于预定间距，如果两两粒子之间的间距小于预定间距，则调整粒子位置，并获得粒子的多个虚拟位置，以及基于多个虚拟位置的适应度值和粒子当前位置的适应度值确定粒子最终位置；
[0110]
部署模块640，用于基于所述最终位置调整粒子位置，并在达到最大迭代次数后基于粒子最终位置调整物联网设备。
[0111]
根据本发明实施例的物联网设备的覆盖优化装置，针对pso算法的越界、粒子重叠问题，通过调整pso算法中的惯性权重系数结合粒子间距调整策略，扩大算法中粒子寻优的解空间，从而使算法优化后的位置是使区域覆盖率最高的最佳位置，进而，可以有效提升物联网设备的覆盖率。
[0112]
需要说明的是，本发明实施例的物联网设备的覆盖优化装置的具体实现方式与本发明实施例的物联网设备的覆盖优化方法的具体实现方式类似，具体请参见方法部分的描述，为了减少冗余，具体此处不做赘述。
[0113]
基于相同的发明构思，本发明又一个实施例提供了一种电子设备，参见图7，所述
电子设备具体包括如下内容：处理器401、存储器402、通信接口403和通信总线404；
[0114]
其中，所述处理器401、存储器402、通信接口403通过所述通信总线404完成相互间的通信；所述通信接口403用于实现各设备之间的信息传输；
[0115]
所述处理器401用于调用所述存储器402中的计算机程序，所述处理器执行所述计算机程序时实现上述物联网设备的覆盖优化方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：获取惯性权重系数，其中，所述惯性权重系数随迭代次数的增加而减小；基于所述惯性权重系数对粒子群中粒子速度和位置更新；判断两两粒子之间的间距是否小于预定间距；如果两两粒子之间的间距小于预定间距，则调整粒子位置，并获得粒子的多个虚拟位置，以及基于多个虚拟位置的适应度值和粒子当前位置的适应度值确定粒子最终位置；基于所述最终位置调整粒子位置，并在达到最大迭代次数后基于粒子最终位置调整物联网设备。
[0116]
基于相同的发明构思，本发明又一实施例提供了一种非暂态计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述物联网设备的覆盖优化方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述的步骤：获取惯性权重系数，其中，所述惯性权重系数随迭代次数的增加而减小；基于所述惯性权重系数对粒子群中粒子速度和位置更新；判断两两粒子之间的间距是否小于预定间距；如果两两粒子之间的间距小于预定间距，则调整粒子位置，并获得粒子的多个虚拟位置，以及基于多个虚拟位置的适应度值和粒子当前位置的适应度值确定粒子最终位置；基于所述最终位置调整粒子位置，并在达到最大迭代次数后基于粒子最终位置调整物联网设备。
[0117]
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0118]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0119]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的指标监控方法。
[0120]
此外，在本发明中，诸如“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0121]
此外，在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0122]
此外，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0123]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。