无线传感器网络中节点自适应按需覆盖布设方法和装置与流程

本发明属于无线传感器网络领域，具体涉及一种无线传感器网络中节点自适应按需覆盖布设方法和装置。

背景技术：
随着无线通信技术、超大规模集成电路技术以及嵌入式硬件设备技术的飞速发展和大规模应用，越来越多的具有感知能力、计算能力和通信能力的微型传感器在人们生活中变得随处可见。例如在日益普及的智能手机中就有各种各样的传感器来随时感知和监测其工作环境的信息，例如位置传感器、压力传感器、温度传感器、重力传感器等。所有传感器均可以感受到某种特定的信息，并按照一定规律将信息转换为电信号或者其他形式的信息输出，以满足智能设备对各种数据记录、处理、控制、存储、传输的需求。现如今随着电子技术的飞速发展以及应用越来越广泛，各种各样的高科技传感器产品已经进入到人们的生活中，智能传感器产品对人类的影响越来越大。同时，由许多微型传感器构成的移动无线传感器网络(MobileWirelessSensorNetworks，以下简称MWSN)也引起了人们的极大关注，无线传感网络是一种由传感器节点组成的特殊Ad-hoc网络，由于MWSN不需要固定设施支持，具有部署便捷、抗毁性强，环境适应性强等特点。可应用于任何布设和电源供给困难的区域，例如人类不能到达的无人区或敌对区域、受污染严重区域和一些临时紧急场景，例如灾难环境等。无线传感器网络(以下简称WSN)可以使人们在任何时间地点、任何自然环境、任何场景条件下取得大量且准确可靠的数据信息，此外，WSN综合了传感器技术、嵌入式技术、分布式信息处理技术和机会通信技术等，能够协作处理实时监测、感知、采集各种各样环境中监测对象的信息，并对信息进行协同处理，为用户提供准确且实时的信息。WSN已经被广泛应用于国防军事、国家安全、环境监测、交通管理、卫生医疗、抗震救灾、反恐安保以及智能家居智慧城市等领域。在所有MWSN的应用场景中，网络中节点的覆盖质量和网络的生存周期是评价MWSN体系性能的两个重要的指标。网络中节点覆盖质量的优劣和网络中采用的对监测区域覆盖节点部署的方式息息相关。同时，网络生存周期的长短直接影响整个网络的可靠程度和监测质量。一般情况下，MWSN在进行区域监测时，受到地形地貌和周围环境等诸多因素的影响往往采用随机部署的方式。在这种部署方式中，由于事先没有经过精确的定位和计划，难免会使得某些区域成为无节点覆盖到的盲区，为了满足覆盖要求和完成监测任务，只能增加更多的传感器节点来达到覆盖的目的和要求，这又会产生另一种相对的情况，即，使得一些区域处于多重的覆盖范围之内，即K重覆盖。通过增加更多的传感器节点的方案虽然在一定程度上可以完成网络覆盖任务，但是存在着明显的缺陷和不足，第一、由于K重覆盖的存在，传感器网络在数据采集、汇总、分析以及在网络传输的过程中必定会引入大量的数据冗余，这些冗余必定会造成网络中计算资源和通信资源的拥塞。第二、随机部署的方式并不能准确的达到网络覆盖的满意，无线传感器监测网络中往往存在一些比较重点特殊的区域，例如有些区域甚至需要多个传感器节点协同完成覆盖任务。而随机覆盖则是以一种类似均匀覆盖的方式来进行节点的布设，达不到网络的实际个性需求，并且或造成节点的浪费。第三、在节点的布设过程中由于采用随机的方式，必定会存在某一些区域产生覆盖空洞，导致监测数据不完整和不全面，严重影响覆盖和监测的质量。

技术实现要素：
为了解决上述现有技术中存在的问题，本发明提出了一种在移动无线传感器网络MWSN中基于网络覆盖需求的移动节点自适应按需覆盖布设方法(Requirement-neededCoverageSelf-deployment，以下简称RCS)。该方法可以使传感器节点在随机布设方式的基础上分布式自适应智能决策移动方向、动态调整部署位置，以达到最佳的网络覆盖方案。本发明提出的RCS方法，采用移动元胞自动机对场景进行建模，以刻画节点的局部位置信息和时空相关的移动行动过程。具体地，首先将网络覆盖场景建立为虚拟的元胞空间和元胞单元，元胞空间为网络场景覆盖的所有区域，而元胞单元为自动划分的各个子区域。节点在元胞单元之间可以移动，并且相邻元胞单元之内的节点可以通信，这样通过节点所在元胞单元的信息以及元胞节点在元胞单元之间移动的信息，我们就可以建立基于元胞自动机的传感器节点移动的时空演化过程模型。有了元胞空间的概念，通过空间内节点的感知即可得知传感器监测点的存在或者监测任务是否达到满意的程度。建立基于元胞自动机时空相关的传感器节点动态移动演化过程的模型之后，再基于学习自动机，利用学习元胞自动机的模型来智能自适应决策节点的移动方向。节点通过移动之后对邻居元胞单元之间局部范围内产生的变化进行判断，并且根据判断结果的优劣对元胞单元内的其他节点产生反馈调节信息，使该元胞单元内的其他节点通过反馈信息不断智能决策移动方向。元胞空间内所有元胞单元均根据当前邻居元胞空间产生的反馈不断进行学习和调节，这样就可以实现仅根据局部信息且以分布式的方式完成整个网络中节点的移动方向决策。节点在通过分布式方式产生自适应移动方案之后，需要经过多次的移动迭代过程完成节点的最终部署。最终，利用模拟退火探索方案，通过调节退火温度等自适应控制搜索精度，在兼顾时间和效率的情况下求解出最优值，实现传感器网络节点的最佳覆盖方案。为了解决上述现有技术中存在的问题，本发明提出了一种无线传感器网络中节点自适应按需覆盖布设方法，其特征在于，所述方法包括：第1步：对传感器节点进行初步布设；第2步：利用传感器节点自适应节能移动方向选择方法，使传感器节点产生移动方案；第3步：利用传感器节点新覆盖方案产生方法，获得新的节点覆盖方案；第4步：利用按需覆盖方案模拟退火搜索方法，对全局进行最优化搜索，判断是否符合覆盖满意度，若符合覆盖满意度，则输出传感器节点最佳覆盖方案。第2步进一步包括，第2.1步：每个元胞单元中的每个元胞实体vi根据动作选择概率集合p选择所需要执行的移动动作αi；第2.2步：待元胞单元ci内所有实体动作选择完成以后，遍历找出选择α5即不移动的元胞实体集合Vs＝{v1，v2，v3，…，vs}，s∈m；第2.3步：对元胞单元ci内所有实体按照能量ei值进行排序，将集合Vs中元胞实体的动作与能量最少的|Vs|个节点的动作进行交换，其中|Vs|为集合Vs的元素个数；第2.4步：待所有元胞单元内的实体执行完交换过程后，返回每个实体的新移动方向αi，进而得到完整的传感器节点移动方案。第3步进一步包括，第3.1步：每个元胞单元按照公式计算当前所在元胞单元ci的状态qi，其中vi表示元胞单元ci内已存在的传感器节点数目，ri表示元胞单元ci内期望所需传感器节点数目；第3.2步：元胞单元中的每个元胞实体按第2步所述的传感器节点自适应节能移动方向选择方法中选择的移动方向αi执行移动操作；第3.3步：执行完移动操作之后，每个元胞单元按照上述公式(1)计算所在新元胞cj的状态qj；第3.4步：比较新的元胞状态qj和之前元胞状态qi的大小，如果qj＞qi，由元胞cj给元胞ci的反馈信号βi＝1表示奖励强化，如果qj≤qi，由元胞cj给元胞ci的反馈信号βi＝0表示惩罚强化；第3.5步：每个元胞单元按照移动元胞学习自动机MCLA中的概率向量重构函数f和接受到的反馈信号βi，并根据下述公式(2)-(5)更新元胞实体的动作选择概率集p，其中f为概率向量重构函数，根据节点动作αi对移动之前和移动之后元胞状态的影响Δq以及反馈强化信号βi，定义为：当βi＝1时，对于动作αi采用奖励性的反馈，αi的下一时间步被选择的概率更新为：p′i(τ+1)＝pi(τ)+Δq[1-pi(τ)](2)非αi的其他动作αj的下一时间步被选择的概率更新为：当βi＝0时，对于动作αi采用惩罚性的反馈，αi下一时间步被选择的概率更新为：p′i(τ+1)＝(1+Δq)pi(τ)(4)非αi的其他动作αj的下一时间步被选择的概率更新为：步骤4进一步包括以下步骤，第4.1步：按照公式计算本次迭代过程中的退火温度T，并按照公式计算当前新方案接受概率pa，其中μ为常数，N为无线传感器网络中传感器节点的总个数，k为搜索方法的迭代次数，T0为迭代搜索时的初始温度，ΔW为目标函数之差，ΔW＝Wj-Wi，l为迭代之前的节点布设方案，j为本次迭代过程中产生的新方案，Wj和Wi为新方案j与之前方案i的目标函数值；第4.2步：根据目前元胞实体集V，按照公式计算当前覆盖方案的目标函数值W，k为搜索方法的迭代次数；第4.3步：根据第2步中所述的传感器节点自适应节能移动方向选择方法产生新的节点布设新方案做为新的元胞实体集V′，并按照上述公式计算新方案的目标函数值W′，之后计算两者目标函数的差值ΔW＝W′-W；第4.4步：如果ΔW＞0，系统完全接受新的移动方案，用新的元胞实体集V′覆盖当前元胞实体集V，即V←V′；第4.5步：如果ΔW＜0，系统按照概率pa接受新的移动方案，用新的元胞实体集V′覆盖当前元胞实体集V，即V←V′，并按照(1-pa)不接受新的移动方案，保持当前元胞实体集V不变；第4.6步：根据计算系统当前目标函数值W″；第4.7步：如果W″满足条件公式|m-W|≤ε(12)，即系统达到终止条件，迭代结束，返回当前元胞实体集V为最佳节点布设方案；其中m为元胞单元的总个数，ε为系统设定的门限值；第4.8步：如果W″不满足上述条件公式(12)，返回步骤4.1继续执行。此外，本发明还提供了一种无线传感器网络中节点自适应按需覆盖布设装置，其特征在于，所述装置包括：初步布设方案生成模块：用于对传感器节点进行初步布设；节点移动方案生成模块：用于根据传感器节点自适应节能移动方向选择方法，使传感器节点产生移动方案；网络覆盖新方案生成模块：用于根据传感器节点新覆盖方案产生方法，获得新的节点覆盖方案；模拟退火搜索模块：用于根据按需覆盖方案模拟退火搜索方法，对全局进行最优化搜索，判断是否符合满意度判断模块中覆盖满意度，若符合覆盖满意度，则输出传感器节点最佳覆盖方案；满意度判断模块，用于判断模拟退火搜索模块中搜索结果是否符合系统设定的覆盖满意度。所述节点移动方案生成模块进一步包括，移动动作选择模块：用于每个元胞单元中的每个元胞实体vi根据动作选择概率集合p选择所需要执行的移动动作αi；遍历模块：在移动动作选择模块中，元胞单元ci内所有实体动作选择完成以后，用于遍历找出选择α5即不移动的元胞实体集合Vs＝{v1，v2，v3，…，vs}，s∈m；排序交换模块：用于对元胞单元ci内所有实体按照能量ei值进行排序，将集合Vs中元胞实体的动作与能量最少的|Vs|个节点的动作进行交换，其中|Vs|为集合Vs的元素个数；移动方向返回模块：在排序交换模块中，待所有元胞单元内的实体执行完交换过程后，用于返回每个实体的新移动方向αi，进而得到完整的传感器节点移动方案。所述网络覆盖新方案生成模块进一步包括，状态计算模块：用于每个元胞单元按照公式计算当前所在元胞单元ci的状态qi，其中vi表示元胞单元ci内已存在的传感器节点数目，ri表示元胞单元ci内期望所需传感器节点数目；移动执行模块：用于对元胞单元中的每个元胞实体在节点移动方案生成模块获得的移动方向αi执行移动操作；状态重计模块：用于移动执行模块执行完移动操作之后，每个元胞单元按照上述公式(1)计算所在新元胞cj的状态qj；状态比较模块：用于比较新的元胞状态qj和之前元胞状态qi的大小，如果qj＞qi，由元胞Cj给元胞ci的反馈信号βi＝1表示奖励强化，如果qj≤qi，由元胞cj给元胞ci的反馈信号βi＝0表示惩罚强化；概率集合更新模块：用于对每个元胞单元按照移动元胞学习自动机MCLA中的概率向量重构函数f和接受到的反馈信号βi，并根据下述公式(2)-(5)更新元胞实体的动作选择概率集p，其中f为概率向量重构函数，根据节点动作αi对移动之前和移动之后元胞状态的影响Δq以及反馈强化信号βi，定义为：当βi＝1时，对于动作αi采用奖励性的反馈，αi的下一时间步被选择的概率更新为：p′i(τ+1)＝pi(τ)+Δq[1-pi(τ)](2)非αi的其他动作αi的下一时间步被选择的概率更新为：当βi＝0时，对于动作αi采用惩罚性的反馈，αi下一时间步被选择的概率更新为：p′i(τ+1)＝(1+Δq)pi(τ)(4)非αi的其他动作αj的下一时间步被选择的概率更新为：所述模拟退火搜索模块进一步包括，新方案概率计算模块：用于按照公式计算本次迭代过程中的退火温度T，并用于按照公式计算当前新方案接受概率pa，其中μ为常数，N为无线传感器网络中传感器节点的总个数，k为搜索方法的迭代次数，T0为迭代搜索时的初始温度，ΔW为目标函数之差，ΔW＝Wj-Wi，i为迭代之前的节点布设方案，j为本次迭代过程中产生的新方案，Wj和Wi为新方案j与之前方案i的目标函数值；目标函数值计算模块：用于根据目前元胞实体集V，按照公式计算当前覆盖方案的目标函数值W，其中，k为搜索方法的迭代次数；目标函数差值计算模块：用于根据节点移动方案生成模块产生新的节点布设新方案做为新的元胞实体集V′，并按照上述公式计算新方案的目标函数值W′，之后计算两者目标函数的差值ΔW＝W′-W；覆盖模块：用于当ΔW＞0，系统完全接受新的移动方案，用新的元胞实体集V′覆盖当前元胞实体集V，即V←V′；拒绝模块：用于当ΔW＜0，系统按照概率pa接受新的移动方案，用新的元胞实体集V′覆盖当前元胞实体集V，即V←V′，并按照(1-pa)不接受新的移动方案，保持当前元胞实体集V不变；目标函数重计模块：根据计算系统当前目标函数值W″。所述满意度判断模块进一步包括：判定成功模块：用于当W″满足条件公式|m-W|≤ε(12)，即系统达到终止条件，迭代结束，返回当前元胞实体集V为最佳节点布设方案；其中m为元胞单元的总个数，ε为系统设定的门限值；判定失败模块：用于当W″不满足上述条件公式(12)，返回模拟退火搜索模块中继续执行。本发明和现有技术相比，存在以下优点：首先基于元胞自动机，建立新的移动元胞自动机数学模型来刻画MWSN中节点移动时空相关的动态演化过程。准确的体现出节点在相互移动时的历史相关性和邻居相关性，为提出分布式智能节点布设移动方案提供模型基础。其次，基于学习自动机，本文扩展提出新的移动元胞学习自动机来实现节点移动方向自适应智能选择及节能优化的机制。通过邻居之间的不断反馈更新，动态调整自身的移动方向和移动概率，最终选择出较为精准且有意义的移动方向，准确满足节点布设方案的需求。并根据节能调度机制，均衡网络中节点的能耗，延长网络的生命周期。最后，本文基于模拟退火方法的思想，提出在节点不断的移动迭代过程中快速求解最优值的方法，求解出最佳的节点按需覆盖方案。通过动态控制的求解最优值过程中系统温度的衰减和新方案接受的概率，在较少的搜索迭代次数和较少的节点移动次数的情况下，准确寻找出方法的全局最优解，在较短时间内快速精准节能的实现传感器节点布设方案，最大程度满足所有任务点对传感节点数量的需求。附图说明图1为本发明的移动无线传感器网络MWSN场景示意图；图2为元胞空间示意图；图3为时间步划分示意图；图4为无线传感器网络中节点自适应按需覆盖布设方法RCS流程图；图5为无线传感器网络中节点自适应按需覆盖布设装置结构示意图。具体实施方式现结合附图1-5对本发明公开的无线传感器网络中节点自适应按需覆盖布设方法进行详细阐述。本发明基于现有技术中元胞自动机CA特有的，通过微观客体相互作用可以产生在时间、空间以及状态均离散的自组织动态系统的特性，将移动无线传感器网络MWSN(MobileWirelessSensorNetworks)中的节点时空相关的移动过程构造为一种新的移动元胞自动机(MobileCellularAutomata，以下简称MCA)。新的MCA用一个七元组MCA＝{U，C，S，Q，A，N，f}来表示，其中：U为元胞空间集合，在本发明中U是一个长为L，宽为W的如附图1所示的移动无线传感器网络MWSN方形区域，所有传感器节点均可在该方形区域内的任意位置随机移动；C为元胞单元集合，如图2所示，元胞空间集合U按照传感器节点的感知半径Rs划分为若干个边长为的方形子区域，即若干个元胞单元，保证每个元胞单元内的所有区域均可以被单元内的传感器节点的感知范围所覆盖，每个元胞单元用Ci表示，其中i为正整数；S为元胞实体的集合，即移动无线传感器网络MWSN中无线传感器节点s1，s2，……，sn的集合，传感器节点Si被随机的布设在网络中，即元胞实体被随机布设在元胞单元内，并且在一个时间步内元胞实体可以在邻居元胞单元范围内随机移动；Q为元胞状态的有限集合，元胞状态指某一个时间步内元胞单元所呈现出的可观察状态，元胞状态可以被量化为0-1之间的值，其中1表示元胞单元完全被传感器节点监测范围有效覆盖监测、0表示元胞单元内完全未被传感器节点有效监测，0和1之间的数值表示元胞单元内被传感器节点有效监测的范围比例，Q和C集合元素的个数是一致且有限的；A为元胞单元对元胞实体需求的集合，即每个区域内需要传感器节点数量的集合；N为元胞邻域，在图2所示的二维元胞空间范围内，每个元胞至多有四个元胞邻居，分别为上邻居、下邻居、左邻居、右邻居，节点仅可以在邻域元胞单元内移动；f为元胞状态转换规则的随机函数。本发明采用的移动元胞自动机MCA在动态演化过程中时间步τ是时刻的连续点序列，τ＝[ti，tj]，其中ti∈[0，T]，tj∈[0，T]，且ti≤tj，ti和tj为闭区间[0，T]中的离散时间点，也称一个时刻，其中T是时间常数，具体参见图3。时间步全集记为Γ。节点的移动过程均在时间步τ内完成，即在任意时间步τ结束的时刻，每个节点只能位于某一个单元格中，每个单元格可容纳0个或多个节点。在另一个具体的实施例中，本发明进一步将移动元胞自动机MCA和可以通过学习智能决策的学习自动机(LearningAutomata，以下简称LA)结合，构造一种全新的移动元胞学习自动机(MobileCellularLearningAutomata，以下简称MCLA)，以实现无线传感器网络中节点自适应按需覆盖布设方法。MCLA是LA和MCA的结合体，具体结合方法是在MCA的基础上，针对每一个元胞单元分配一个LA，元胞单元利用LA的学习方法动态智能调整其空间内传感器节点的移动方向选择概率、达到智能决策传感器节点的移动方向的目的。MCLA有具体的状态转换规则，而状态转换的概率由本地LA决定并且根据邻居LA的反馈来不断更新本地LA的状态转换概率。由于节点的移动性，MCLA中每个元胞单元的局部环境也是非稳定的，所有邻居的状态转换概率也都在相互制约并且动态变化。具体地，MCLA可以用一个十二元组来表达为：MCLA＝{U，C，L，V，E，R，Q，N，α，β，p，f}，其中U为元胞空间集合，即如图1所示的L×W的MWSN场景区域，其中长为L，宽为W；C为元胞单元集合，如图2所示，元胞单元为元胞空间集合U按照传感器节点的感知半径Rs划分为的若干个边长为的方形子区域，每个元胞单元用ci表示，其中i为正整数，元胞单元集合中元胞单元的总数量用m来表示，即C集合中共有m个元素；L为LA的集合，L＝{l1，l2，l3，…，lm}，每个元胞单元中存在一个LA智能体，用于智能自适应决策传感器节点的移动方向，LA智能体的总个数与元胞单元总数量一样，也为m；V为元胞空间中每个元胞单元含有元胞实体数目情况的集合，V＝{v1，v2，v3，…，vm}，vi表示元胞单元ci中含有元胞实体的数目，其中元胞实体为移动无线传感器网络MWSN中无线传感器节点s1，s2，……，sn，其中n为传感器节点的总个数，E为元胞实体，即传感器节点剩余能量的可观察状态，E＝{e1，e2，e3，…，en}，其中，0≤ei≤1，1≤i≤n，1为初始状态，表示能量值满；0为死亡状态，表示能量已经耗尽，传感器网络节点的能量用于驱动节点的移动、数据的感知和节点之间的通信；R为元胞单元对元胞实体需求的集合，即每个元胞单元区域内需要传感器监测个数的集合，其中R＝{r1，r2，r3，…，rm}，且Q为元胞状态的有限集合，元胞状态指每个元胞单元在某一个时间步内所呈现的可观察状态，其中，Q＝{q1，q2，q3，…，qm}，且1≤i≤m，每个元胞状态qi由元胞单元中的LA负责计算，用于判断该元胞单元被传感器节点覆盖并监测的满意程度，我们定义：其中vi表示元胞单元ci内已存在的传感器节点数目，ri表示元胞单元ci内期望所需传感器节点数目；当节点数量vi从无到有时对元胞状态qi增加的程度是最大，具体现实意义为第一个进入监测范围内的传感器节点对监测空间来说是至关重要的，即使不能充分满足监测需求，但是也实现了监测数据的从无到有；随着节点数量vi的不断增大，虽然qi也在随之不断地增加，但是增加幅度却在不断减小，随着传感器节点越来越多，监测信号强度越来越强，考虑到监测范围重复等因素，元胞状态qi增大的幅度随vi的增大会不断减少；当且仅当vi＝ri，元胞状态qi达到最大值为1；当节点数量vi大于ri时，元胞状态qi逐渐减小，且衰减变化的幅度也随之逐渐减小，当节点数量大于ri时，多余的节点覆盖会带来诸如信号干扰和信道争抢等副作用，所以元胞状态逐步衰减；N为每个元胞单元的元胞邻域，N＝{n1，n2，n3，n4}，在二维传感器网络，采用四邻居元胞模式，即每个元胞至多有上，下，左，右四个元胞邻居；α表示元胞实体的有限待选动作集α＝{α1，α2，α3，α4，α5}，分别对应于二维网络中节点左移、右移、上移、下移、静止5种元胞实体在元胞单元邻居之间相互移动的动作；β表示随机环境对元胞单元产生的反馈输入集，β＝{0，1}，当传感器节点sk从元胞单元ci移动到cj时，反馈由cj中的智能体lj产生并且反馈给ci中的智能体li，随机环境产生反馈的具体方法是分别计算节点移动之前ci元胞的元胞状态qi和移动之后的cj元胞的元胞状态qj，比较两者差值Δq＝qj-qi，当Δq＞0时，智能体认为本次此节点的移动提高了元胞单元的状态，是有意义的移动，则对本动作产生奖励反馈βi＝1，当Δq≤0时，认为本节点移动降低了元胞单元的状态，是无意义的移动，则对本动作产生惩罚反馈βi＝0；p是与α一一对应的一组动态变化的动作选择概率集合，p＝{p1，p2，p3，p4，p5}，pi表示某一元胞单元内元胞实体选择动作αi的概率，元胞单元内的智能体通过强化信号按照概率向量重构函数f不断动态改变每个元胞内节点移动的概率；f为概率向量重构函数，用于动态更新元胞实体的动作选择概率，元胞实体τ+1时间步的动作选择概率由τ时间步的动作选择概率和环境反馈输入按照概率更新规则产生；根据节点动作αi对移动之前和移动之后元胞状态的影响Δq以及反馈强化信号βi，定义新的动作概率向量重构函数为：当βi＝1时，对于动作αi采用奖励性的反馈，αi的下一时间步被选择的概率更新为：p′i(τ+1)＝pi(τ)+Δq[1-pi(τ)](2)非αi的其他动作αj的下一时间步被选择的概率更新为：当βi＝0时，对于动作αi采用惩罚性的反馈，αi下一时间步被选择的概率更新为：p′i(τ+1)＝(1+Δq)pi(τ)(4)非αi的其他动作αj的下一时间步被选择的概率更新为：为了保证更新过后的动作选择概率均在0-1区间内分布，更新以后的概率值按照公式(6)进行归一化操作，最终形成新的动作选择概率集p＝{p1，p2，p3，p4，p5}。基于以上的定义，MCLA在一个时间步内的演化过程可以被描述如下：在每个时间步的开始，元胞实体集中的每个节点根据实体动作选择概率集p＝{p1，p2，p3，p4，p5}在实体动作集α＝{α1，α2，α3，α4，α5}中选择某一动作ak，满足公式(7)，其中我们定义p0＝0，待元胞空间内的每个节点选定自己的动作后，为了平衡节点之间的能量，延长MWSN的寿命，本发明采用节点之间的节能移动调度策略，通过重新调度动作的执行者，实现节点之间能耗的均衡。具体的策略是对元胞单元中的每个节点按照能量程度ei进行排序，让其中选定静止不动α5的节点依次和本元胞单元内选择其他四种动作中能量最少的节点交换动作，所有节点执行调度后的动作，然后由新元胞单元中的智能体产生反馈集。最后，每个元胞单元中的智能体根据反馈结果和概率向量重构函数动态更新动作选择概率集，本次时间步内的操作过程结束。在另一个具体的实施例中，通过在多次移动迭代的过程中寻求最佳覆盖方案的最优化问题上借鉴模拟退火搜索方法，提出可以控制搜索精度的高效搜索方法，快速准确节能的求解节点覆盖问题的最优解。一方面，MCLA移动元胞学习自动机符合节点在多次移动迭代过程中的时空关系，并且利用MCLA的反馈强化特性动态决策移动方向，不断自适应探索并智能优化节点覆盖方案。另一方面，结合模拟退火方法高效的全局搜索特性，通过动态控制并更新求解最优化过程中系统温度的衰减和新方案接受的概率，实现在较少的迭代次数和节点较少的移动次数之内，准确寻找出最优方案的解，在较短时间内快速精准节能的实现布设方案并且满足所有任务点对传感节点数量的需求。具体地，结合上述提及的MCLA移动元胞学习自动机，本发明提出一种全新的模拟退火SA方法，包括以下步骤：1)在进行迭代搜索时确定初始温度T0，以元胞实体在元胞单元内随机覆盖的初始位置作为搜索方法迭代的初始状态，即将n个传感器节点随机布设在m个元胞单元中，作为该SA方法的起点。SA方法在搜索过程中新方案的产生是对当前自动机进行扰动得到的，我们利用所建立的MCLA产生一个时间步内的节点移动新方案，将时间步结束之后结点移动产生的新的整体布局作为SA方法搜索的新方案。为了尽可能的搜索整个解空间的范围，同时在搜索的过程中兼顾跳出局部最优值的能力，以最大的概率寻求全局最优解，我们设置T0＝3000为足够高的初始退火温度，以保证初始阶段新方案接受的概率pa能趋近于1，即Pa→1。2)在每一步的迭代过程中，MCLA自适应产生新的移动方向，并且同一元胞单元内的传感器节点根据能量剩余程度重新调度节点的执行动作，产生新的移动方案。在迭代的过程中，为了兼顾搜索时间和效率，快速的搜索整个解空间，精确的求出全局最优解，可以通过动态控制系统温度的变化过程来实现全局范围内的粗略搜索与局部范围内的精细搜索相结合的搜索方案。当温度较高时，以较大概率接收随机新方案，从而实现整个解空间范围的全局搜索。随着温度的下降，为了快速的收敛于最优值，在搜索后期接受较差随机新方案的概率变小，此时的搜索过程转变为局部搜索，最终收敛于最优值。本文定义在第k次搜索时温度衰减函数为：其中μ为常数，N为无线传感器网络中传感器节点的总个数，k为搜索方法的迭代次数。温度T与搜索方法的复杂度和解空间的量级相关，故温度衰减函数T(k)与无线传感器网络中传感器节点的个数有关，并且T(k)和k成指数关系时可以呈现在搜索初期温度衰减剧烈且在搜索后期温度衰减平缓的规律，符合以上所述在不同时期新方案接受条件的要求。3)衡量新方案的目标函数值和扰动之前方案的目标函数值，如果新方案的目标函数值大于扰动之前的目标函数值，则以概率p＝1接受较好的新方案，如果新状态的目标函数值小于扰动之前的目标函数值，则以概率p＝pa接受较差的新方案，其中pa为新方案接受概率，定义如下：其中μ为常数，N为无线传感器网络中传感器节点的总个数，k为搜索方法的迭代次数，T0为迭代搜索时的初始温度，ΔW为目标函数之差，参见公式(11)。可以看出，pa以指数形式随着迭代次数n的增大而衰减，且存在这意味着在经过多次迭代过程以后，方法会最终收敛至全局最优值。在SA方法的每一次迭代搜索过程中，目标函数w用来衡量传感器节点的布设覆盖是否达到网络的需求，即为方法迭代过程中衡量每一个解方案优劣程度的指标。迭代方法的目标函数w为元胞空间内所有元胞状态的累加，用于衡量整体网络中节点布设覆盖的满意度，目标函数W定义为：利用MCLA来实现自适应智能优化的节点移动方向的选择，并且演化形成新的节点布设方案，即为本次迭代过程中的新方案。然后SA方法要经过判断，决定是否接受此次节点布设的新方案，具体判断过程如下：假设本次迭代之前的节点布设方案为i，本次迭代过程中产生的新方案为j，方法首先衡量新方案j与之前方案i的目标函数值为Wj和Wi，之后计算两者目标函数的差值：ΔW＝Wj-Wi(11)如果ΔW＞0，则认为新方案j更符合迭代方法的目标，搜索到了更优秀的节点布设方案，故以概率1接受新方案。如果ΔW≤0，则认为新方案不符合迭代方法的目标，本次新方案j的节点布设方案不如迭代之前的方案i优秀。但是SA方法为了扩大探索范围，并且跳出局部最优值的限制，故以概率pa接受较差新方案。4)随着方法的不断地迭代，系统温度也会随之冷却，pa的值也随之衰减，直到趋近于0，最终系统会收敛到全局最优的最佳方案。求解节点布设方案最优化问题的SA搜索方法的终止条件即为方法搜索到可以满足于网络需求的节点布设方案，此时搜索方法停止，最终呈现出的方案即为当前最佳的传感器网络节点按需覆盖布设方案。也就是说，当前每个元胞单元中的传感器节点集合V＝{v1，v2，v3，…，vm}即为网络中节点的最佳布设方案。我们定义当搜索方法当前搜索到的解方案满足公式(12)时，方法迭代结束。|m-W|≤ε(12)其中m为元胞单元的总个数，ε为门限值。当目标函数值W与元胞单元的总个数m的差值小于系统设定的门限值时，方法即认为搜索到了达到系统精度要求的最优方案。SA方法的最重要特性是在方法在求解过程中，由于它以概率pa接受较差点，从而具有跳出局部最优解的能力。SA方法在初始温度足够高、温度下降足够慢的条件下，能以概率1收敛到全局最优值。基于上述移动元胞学习自动机MLCA和全新的模拟退火SA方法，本发明提出了一种无线传感器网络中节点自适应按需布设方法(以下简称RCS)。该方法首先对传感器节点进行初始布设，然后利用节点自适应节能移动方向选择方法，使传感器节点产生移动方案，然后根据节点新覆盖方案产生方法，产生新的覆盖方案作为搜索算法的起点进行全局最优化搜索，最终通过多次迭代后输出节点最佳覆盖方案。具体地，结合附图4显示的内容，本发明的无线传感器网络中节点自适应按需覆盖RCS方法包括以下步骤：第1步：对传感器节点进行初步布设，即将n个传感器节点随机布设在m个元胞单元中。第2步：利用传感器节点自适应节能移动方向选择方法，使传感器节点产生移动方案。具体地，传感器节点根据动作选择概率集随机选择执行的动作，然后找出选择静止不动的节点，与网络中能量较少的节点交换动作，完成交换后，返回每个传感器执行的动作。进一步地，该传感器节点自适应节能移动方向选择方法进一步包括：第2.1步：每个元胞单元中的每个元胞实体vi根据动作选择概率集合p选择所需要执行的移动动作αi；第2.2步：待元胞单元ci内所有实体动作选择完成以后，遍历找出选择α5即不移动的元胞实体集合Vs＝{v1，v2，v3，…，vs}，s∈m；第2.3步：对元胞单元ci内所有实体按照能量ei值进行排序，将集合Vs中元胞实体的动作与能量最少的|Vs|个节点的动作进行交换，其中|Vs|为集合Vs的元素个数；第2.4步：待所有元胞单元内的实体执行完交换过程后，返回每个实体的新移动方向αi，进而得到完整的传感器节点移动方案。第3步：利用传感器节点新覆盖方案产生方法，获得新的节点覆盖方案，作为下一步搜索方法的起点。通过计算当前元胞状态，按照第2步中所述的传感器节点自适应节能移动方向选择方法执行动作，并计算所在元胞状态，对移动之前所在元胞产生反馈信号，在收到反馈信号之后，元胞更新节点动作选择概率，待所有节点移动完成和元胞反馈更新完成之后，返回当前节点布设状态。具体地，该传感器节点新覆盖方案产生方法，基于之前所述的MCLA自动机，进一步包括：第3.1步：每个元胞单元按照公式(1)计算当前所在元胞ci的状态qi；第3.2步：元胞单元中的每个元胞实体按第2步所述的传感器节点自适应节能移动方向选择方法中选择的移动方向αi执行移动操作；第3.3步：执行完移动操作之后，每个元胞单元按照公式(1)计算所在新元胞cj的状态qj；第3.4步：比较新的元胞状态qj和之前元胞状态qi的大小，如果qj＞qi，由元胞cj给元胞ci的反馈信号βi＝1表示奖励强化，如果qj≤qi，由元胞cj给元胞ci的反馈信号βi＝0表示惩罚强化；第3.5步：每个元胞单元按照MCLA中的概率向量重构函数f和接受到的反馈信号βi，并根据公式(2)-(5)更新元胞实体的动作选择概率集p；第4步：利用按需覆盖方案模拟退火搜索SA方法，对全局最优化搜索，判断是否符合覆盖满意度，符合覆盖满意度，则输出传感器节点最佳覆盖方案。所述按需覆盖方案模拟退火搜素SA方法，是将节点移动覆盖构建为MCLA自动机，结合上面所述的模拟退火SA方法高效的搜索过程和效率，在MCLA自适应智能移动的迭代过程中求解满足于系统目标的最优方案，求解节点最佳按需覆盖。其中，该方法对于当前产生的节点布设新方案，衡量其优劣程度，并计算动态的新方案接受概率pa，如果新方案较优则直接以p＝1接受新方案，如果新方案差则以p＝pa接受新方案；判断新方案是否满足系统要求，如果满足输出当前新方案为最佳方案，如果不满足，则搜索算法继续迭代。具体地、该按需覆盖方案模拟退火搜索SA方法包括如下步骤：第4.1步：按照迭代次数k和公式(8)计算本次迭代过程中的退火温度T，并按照公式(9)计算当前新方案接受概率pa；第4.2步：根据目前元胞实体集V，按照公式(10)计算当前覆盖方案的目标函数值W；第4.3步：根据第2步中所述的传感器节点自适应节能移动方向选择方法产生新的节点布设新方案做为新的元胞实体集V′，并按照公式(10)计算新方案的目标函数值W′，之后计算两者目标函数的差值ΔW＝W′-W；第4.4步：如果ΔW＞0，系统完全接受新的移动方案，用新的元胞实体集V′覆盖当前元胞实体集V，即V←V′；第4.5步：如果ΔW＜0，系统按照概率pa接受新的移动方案，用新的元胞实体集V′覆盖当前元胞实体集V，即V←V′，并按照(1-pa)不接受新的移动方案，保持当前元胞实体集V不变；第4.6步：根据公式(10)计算系统当前目标函数值W″；第4.7步：如果W″满足公式(12)，即系统达到终止条件，迭代结束，返回当前元胞实体集V为最佳节点布设方案；第4.8步：如果W″不满足公式(12)，返回步骤4.1继续执行。本发明的无线传感器网路中节点自适应按需覆盖布设RCS方法，采用了MCLA自动机时空相关的节点移动时的动态演化过程，并且使用带有学习机制的LA产生新的移动方向，通过MCLA产生新的移动方案，在此基础上进一步使用模拟退火SA搜索方法，提出了一种全新的RCS方法。本发明公开的搜索方法的优点在于随着系统温度的不同接受新扰动解的概率不同，首先在温度较高时，可以接扰动较大的差值，跳出局部极值，从而使当前方案落入到包含最优解的解空间内，便于遍历整个解空间。而当温度逐渐下降时，由于受到较低退火温度的控制，接受概率pa迅速变小，甚至系统只接受比当前方案好的新方案，便于较快速度的求出系统最优解。因此，被接收状态的效用函数在低温状态下基本上是递增的，直到系统达到极限，最优解也就随之出现。本发明中所提出的无线传感器网络节点自适应按需覆盖布设方法在覆盖满意度、算法迭代次数、节点平均移动步数以及节点耗能等方面均优于现有技术中的方法。与现有方法相比，本发明中所提出的通过结合MCLA自动机的节点自适应移动方向选择方法和节点覆盖新方案产生方法可以根据反馈不断自适应智能决策移动方向，准确满足节点布设方案的需求，并且较为节能的实现节点新覆盖方案的产生，避免了网络节点之间无效的来回移动和节省了节点能量，延长了网络的寿命。并且，本发明中所提出的按需覆盖方案模拟退火搜索方法可以动态控制的求解最优值过程中系统温度的衰减和新方案接受的概率，在较少的搜索迭代次数和较少的节点移动次数的情况下，准确寻找出算法的全局最优解，在较短时间内快速精准节能的实现传感器节点布设方案，最大程度满足所有任务点对传感节点数量的需求。此外，本发明还公开了一种无线传感器网络中节点自适应按需覆盖布设装置。现结合附图1-3和5对该装置进行详细描述。具体地，该装置包括：初步布设方案生成模块：用于对传感器节点进行初步布设，即将n个传感器节点随机布设在m个元胞单元中；节点移动方案生成模块：用于根据传感器节点自适应节能移动方向选择方法，使传感器节点产生移动方案；节点移动方案生成模块进一步包括：移动动作选择模块：用于每个元胞单元中的每个元胞实体vi根据动作选择概率集合p选择所需要执行的移动动作αi；遍历模块：在移动动作选择模块中，元胞单元ci内所有实体动作选择完成以后，用于遍历找出选择α5即不移动的元胞实体集合Vs＝{v1，v2，v3，…，vs}，s∈m；排序交换模块：用于对元胞单元ci内所有实体按照能量ei值进行排序，将集合Vs中元胞实体的动作与能量最少的|Vs|个节点的动作进行交换，其中|Vs|为集合Vs的元素个数；移动方向返回模块：在排序交换模块中，所有元胞单元内的实体执行完交换过程后，用于返回每个实体的新移动方向αi，进而得到完整的传感器节点移动方案；网络覆盖新方案生成模块：用于根据传感器节点新覆盖方案产生方法，获得新的节点覆盖方案；网络覆盖新方案生成模块进一步包括：状态计算模块：用于对每个元胞单元按照公式(1)计算当前所在元胞ci的状态qi；移动执行模块：用于对元胞单元中的每个元胞实体在节点移动方案生成模块获得的移动方向αi执行移动操作；状态重计模块：用于移动执行模块执行完移动操作之后，每个元胞单元按照公式(1)计算所在新元胞cj的状态qj；状态比较模块：用于比较新的元胞状态qj和之前元胞状态qi的大小，如果qj＞qi，由元胞cj给元胞ci的反馈信号βi＝1表示奖励强化，如果qj≤qi，由元胞ci给元胞ci的反馈信号βi＝0表示惩罚强化；概率集合更新模块：用于对每个元胞单元按照MCLA中的概率向量重构函数f和接受到的反馈信号βi，并根据公式(2)-(5)更新元胞实体的动作选择概率集p；模拟退火搜索模块：用于根据按需覆盖方案模拟退火搜索SA方法，对全局最优化搜索，判断是否符合覆盖满意度判断模块中覆盖满意度，符合覆盖满意度，则输出传感器节点最佳覆盖方案；模拟退火搜索模块进一步包括：新方案概率计算模块：用于按照迭代次数k和公式(8)计算本次迭代过程中的退火温度T，并按照公式(9)计算当前新方案接受概率pa；目标函数值计算模块：用于根据目前元胞实体集V，按照公式(10)计算当前覆盖方案的目标函数值W；目标函数差值计算模块：用于根据节点移动方案生成模块产生新的节点布设新方案做为新的元胞实体集V′，并按照公式(10)计算新方案的目标函数值W′，之后计算两者目标函数的差值ΔW＝W′-W；覆盖模块：用于当ΔW＞0，系统完全接受新的移动方案，用新的元胞实体集V′覆盖当前元胞实体集V，即V←V′；拒绝模块：用于当ΔW＜0，系统按照概率pa接受新的移动方案，用新的元胞实体集V′覆盖当前元胞实体集V，即V←V′，并按照(1-pa)不接受新的移动方案，保持当前元胞实体集V不变；目标函数重计模块：根据公式(10)计算系统当前目标函数值W″；覆盖满意度判断模块，用于判断模拟退火搜索模块中搜索结果是否符合系统设定的覆盖满意度；覆盖满意度判断模块进一步包括：判定成功模块：用于当模拟退火搜索模块中计算的目标函数值W″满足公式(12)时，判定系统达到终止条件，迭代结束，返回当前元胞实体集V为最佳节点布设方案；判定失败模块：用于当模拟退火搜索模块中计算的目标函数值W″不满足公式(12)，返回模拟退火搜索模块中继续执行。以上对本发明进行了详细介绍，文本中应用了具体个例对本公开的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本公开的方法及其核心思想；同时，对于本领域技术人员，依据本公开的思量，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。