基于并行分解型进化的无线传感器网络布局方法及其系统的制作方法
【技术领域】
[0001] 本发明设及一种无线传感器网络布局方法，更具体地设及一种基于并行分解型进 化的无线传感器网络布局方法及其系统。
【背景技术】
[0002] 无线传感器网络是由很多小的无线传感设备组成的监控网络，常用于军事、环境、 地理等大面积区域的远程监控，具有自动化、相对易于实现、正常工作无需人工维护等优 势；无线传感器网络布局问题就是要确定网络中每个节点的位置，W便在达到监视区域全 覆盖的约束条件下最小化网络的能耗和节点数该两个最重要的目标；无线传感器网络布局 该类多目标优化问题中由于多个目标往往相互制约，对其中一个目标的优化通常必须W另 一个目标的退化作为代价，因此能使所有目标都同时达到最优的"理想最优解"一般是不存 在的，只能先获得一组各目标有所取舍的Pareto最优代表解构成的集合，即Pareto前沿； 决策者在获得目标空间所呈现的最优Pareto前沿总体轮廓之后，决策者再根据对目标之 间偏好可较容易地选择其中一个最优代表解作为最终的解决方案；基于群体捜索的多目标 进化技术可并发捜索多个解，因此在本质上非常适合于求解无线传感器网络布局该类复杂 的多目标优化问题。目前最流行的多目标进化技术主要分为传统Pareto占优型和分解型 两类。其中分解型多目标进化技术较好地结合了传统数学规划方法中的分解思想与进化技 术，将多目标问题分解为一系列标量优化子问题，种群中的每个个体仅负责一个子问题的 优化，运行效率与求解质量都明显优于传统Pareto占优型多目标进化技术。
[0003] 虽然分解型多目标进化技术有很多优点，但是直接使用分解型多目标进化技术串 行求解无线传感器网络布局问题仍有较大缺陷。比如，当优化问题规模较大时，无线传感器 网络布局决策中设及的能耗等目标值与覆盖率等约束条件的计算需要花费大量的时间成 本，使用目前的串行多目标进化技术在短时间内求出无线传感器网络布局的高质量的解很 难做到。而降低无线传感器网络布局方法时间成本的有潜力的途径就是对无线传感器网络 布局方法进行并行设计。
[0004] 因此，有必要提供一种基于并行分解型进化的无线传感器网络布局方法及其系统 来高效地解决无线传感器网络布局的问题。
【发明内容】
[0005] 本发明的目的在于提供一种基于并行分解型进化的无线传感器网络布局方法，该 方法采用了并行的分解型多目标进化技术来解决无线传感器网络布局问题，不仅保证了求 解的质量，同时大大节省了求解无线传感器网络布局的时间。
[0006] 为实现上述目的，本发明提供了一种基于并行分解型进化的无线传感器网络布局 方法，包括：
[0007] S1;由MPI (Message化ssing Inte;rface)分布式进程级并行编程模型根据计算机 集群中节点的个数n分配n个进程，进程号从0到n-1依次排列；
[000引 S2;根据所述进程0到进程n-1，在各个进程内初始化全局种群和理想点，此时所 有的进程内都保留有全局的种群；
[0009]S3;在所述进程内，不同的进程负责全局种群中特定子种群的进化，子种群中的每 个个体负责无线传感器网络布局问题中的一个解；
[0010]S4 ;在所述进化中，当出现较优理想点时，将理想点向左右邻居进程进行传递，左 右邻居进程接收到较优理想点时和本身理想点进行比较，如果比本身的理想点优，就用接 收的较优理想点替换本身的理想点，否则忽略接收的较优理想点；
[0011] S5 ;根据所述进程，在各个进程内利用化enMP的penMulti-Processing)共享内 存多线程并行编程模型进行加速；
[001引 S6 ;所述进化结束后，将各个进程内参与进化的子种群得出的部分Pareto前沿聚 集起来得出全局种群的整体Pareto前沿。
[0013] 较佳地，步骤S2中所述初始化全局种群和理想点具体包括：
[0014]S21，令EP巧xternalpopulation) = 〇，根据种群规模N分配N个均匀分布的权 重向量，每个权重向量对应一个个体，并对种群中的个体xl依次到个体X"和理想点Z=(Z1 依次到Zm)赋初值；
[0015]S22,计算任意两个个体对应权重向量间的欧氏距离，并为每个个体xi(i从 1依次到脚找出T个权重向量距离最近的个体作为其邻居B(xi)，其中B(y)={ 依次到x'T};
[0016] 其中，EP用来保存捜索过程中找到的非支配解，O为空集，N为全局种群中个体的 数量，xi为全局种群中的第1个个体，X%全局种群中的第N个个体，Z为理想点，Z1为目 标函数中第1个目标函数当前找到的最优值，Zm为目标函数中第m个目标函数当前找到的 最优值，m为目标函数的个数，T为种群中个体的邻居数量，B(x〇为个体xi的邻居集合， 为个体xi的第1个邻居，yt为个体xi的第T个邻居。
[0017] 较佳地，步骤S3中所述全局种群中特定子种群具体包括：
[001引全局种群中个体依次为xi到x"，整数d=N/n，进程0负责进化的子种群中个体为xi依次到Xd，进程i负责进化的子种群中个体为依次到XWW，其中i从1依次到n-2， 进程n-1负责进化的子种群中个体为xitw依次到XW。
[0019] 较佳地，步骤S3中所述进化具体包括：
[0020]S31更新，对每个个体xi(i从1依次到脚，做S311，S312,S313,S314操作；
[0021] S311，繁殖；从B(y>{ .Y'l依次到y'r}中随机选出两个邻居进行遗传操作，产 生一个新的解y;
[002引 S312,更新Z;若Zj<fj(y)，则Zj=fj(y)，其中j从1依次到m;
[0023]S313,更新邻居的解：如果产生的y新解Pareto占优xj'，则xj=y，其中j从1依 次到m;
[0024]S314,更新EP;移出EP中所有被y支配的解，如果y不被EP中任意解支配，将y加 入EP中；
[0025]S32,终止条件判定：如果满足终止条件，进化停止，输出邸，否则返回S31;
[0026] 其中，fj.(y) (j从1依次到m)为新产生的解y的目标函数值，终止条件是指进化到 设定的代数。
[0027] 较佳地，步骤S4中所述左右邻居进程具体包括：
[002引进程i的左邻居为进程i+1，右邻居为进程i-1，其中i从0依次到n-1，当进程为 0时，右邻居进程为进程n-1，当进程为n-1时，左邻居进程为进程0。
[0029] 相应的，本发明还提供了一种基于并行分解型进化的无线传感器网络布局系统， 包括：
[0030] 无线传感器网络配置模块，用于对无线传感器网络的布局进行配置操作；
[0031] 进程分配模块，用于为计算机集群中的每个节点分配一个进程；
[0032] 种群初始化模块，用于初始化各自进程内种群规模为N的全局种群；
[0033] 种群进化模块，用于对各自进程内的种群进行进化操作，不同的进程仅负责各自 进程中全局种群相应部分子种群的进化，同时，在进化时，当各进程发现有较优理想点时， 将该较优理想点向左右邻居进程进行传递；
[0034] 化enMP共享内存多线程并行编程模型加速模块，对各自进程内的程序进行加速；
[0035] Pareto前沿聚集模块，用于进化结束后，将各进程内进化子种群得出的部分 Pareto前沿聚集起来得出全局种群的整体Pareto前沿；
[0036] 显示模块，根据用户需求对无线传感器网络布局中Pareto前沿中的某一解进行 显示。
[0037] 较佳地，所述无线传感器网络配置模块具体包括：
[003引监控区域确定单元，用于确定监控区域为500*500的等分二维正方形网格并规定 左下角为圆点（0, 0)，无线传感器的位置必须布置在二维网格节点上；
[0039] 覆盖率限定单元，用于限定无线传感器网络覆盖率为100%，无线传感器网络覆 盖率coverage= 100*CoveredPoint/Total化int，同时确保无线传感器网络具有连通性；
[0040] 启发函数计算单元，用于计算无线传感器网络启发函数，无线传感器网络启发函 数化nalty(u) = 10000*11,其中U= 10〇-coverage;
[0041] 染色体编码单元，用于将坐标向量结构作为染色体的编码方式；
[0042] 评估函数计算单元，用于计算无线传感器网络节点评估函数Size(X);
[004引能耗函数计算单元，用于计算无线传感器网络能耗函数feDetgy=Max{Energy (kpletion(Xi),i从1依次到n}，n为节点总数；
[0044] 其中，cover