感知覆盖算法的稀疏的移动传感器节点丢包率和传输延迟之间的权衡gydF4y2Ba

文摘gydF4y2Ba

解决问题的感知覆盖稀疏的无线传感器网络中,传感器节点的运动被认为是和传感覆盖算法的稀疏的移动传感器节点之间的权衡丢包率和传输延迟(SCA_SM)提出。首先,SCA_SM将监测区域划分为若干网格大小相同,建立多传感器节点的运动路径规划模型。其次,社会觅食行为的大肠杆菌细菌觅食。一个适应度函数公式提出了传感器节点的移动路径。最优路径移动的移动传感器节点可以覆盖整个监测区域的操作通过趋化作用,复制和迁移。仿真结果表明,SCA_SM可以完全覆盖监测区域,降低了丢包率和数据传输过程中数据传输延迟。在一定条件下,SCA_SM比RAND_D希尔伯特和中医。gydF4y2Ba

1。介绍gydF4y2Ba

无线传感器网络(网络)是由大量的传感器节点和手动或随机部署在一个给定的监控区域。传感器节点识别和收集的状态监测环境(如温度、湿度、和亮度)并将这些信息发送给设备(水槽节点或基站),适用于数据处理、可视化、分析和决策(gydF4y2Ba1gydF4y2Ba,gydF4y2Ba2gydF4y2Ba]。因为传感范围和传感器节点的能量有限,大量的本地数据的分析是不可能的,当监测区域是巨大的和环境是复杂的。此外,大规模部署需要巨大的投资成本。因此,稀疏的移动传感器网络与少量的传感器节点被认为是;特别是,设备如无人驾驶飞机或机器人可用于每个监测的传感器节点移动位置。移动监控节点可以感觉到整个监控区域。它减少了系统应用成本(gydF4y2Ba3gydF4y2Ba]。gydF4y2Ba

然而,稀疏的移动传感器网络可能生成大量丢包率和数据传输时间很长。因此,移动路径选择和感应移动传感器节点需要研究的报道。目前,一些学者关注移动传感器节点安装在无人机的路径选择(无人机),取得一定的成果。例如,光栅运动模型的建立基于环境信息的范围内的无人机在文献[gydF4y2Ba4gydF4y2Ba),和一个gydF4y2Ba算法来获取无人机的移动路径。文献[gydF4y2Ba5gydF4y2Ba]无人机飞行路径的构建模型,定量描述了威胁区域的道路上,并使用改进的人工势场法获得足够平稳的飞行路径。传感器层组成的三层框架,提出了集群头层、和移动收集器层在文献[gydF4y2Ba6gydF4y2Ba]。移动收集器计算其移动轨迹规划,使用分而治之的方法来确定道路上的转折点,并获得其有效移动数据收集方案。在文献[gydF4y2Ba7gydF4y2Ba),每个移动传感器节点被分配一个惟一的ID,发现其潜在的移动位置。使用贪婪算法选择最佳停留位置从这些潜在的移动位置。最后,它的最优路径。文献[gydF4y2Ba4gydF4y2Ba- - - - - -gydF4y2Ba7gydF4y2Ba)主要实现移动传感器节点的路径从起始位置到目标位置,但是如何有效地覆盖整个监测区域是不考虑。文献[gydF4y2Ba8gydF4y2Ba)使用希尔伯特曲线的移动路径移动聚合节点覆盖整个网络。文献[gydF4y2Ba9gydF4y2Ba)提出了一种时间覆盖机制(TCM)的移动传感器节点在一个稀疏的网络环境。中医将监测区域划分为若干网格,这样移动传感器节点可以覆盖整个监测区域尽快。同时,实现高效覆盖监测区域的稀疏网络下,一些学者关注使用人工智能算法来获取移动传感器节点的移动路径。例如,文献[gydF4y2Ba10gydF4y2Ba)提出了一种改进的人工蜂群算法解决旅行商问题的邻域搜索在稀疏网络和获得最优移动传感器节点的数据采集和运动路径。文献[gydF4y2Ba11gydF4y2Ba)提出了自主移动传感器节点的运动模型,可以解决细菌觅食优化算法(BFOA)。每个移动传感器节点的自主移动解决方案。然而,文献[gydF4y2Ba8gydF4y2Ba- - - - - -gydF4y2Ba11gydF4y2Ba)并不认为移动传感器节点的存储空间是有限的和有大量丢包率和高数据传输延迟。gydF4y2Ba

因此,感知覆盖算法的稀疏的移动传感器节点之间的权衡丢包率和传输延迟(SCA_SM)提出。监控区域分为有限数量的平方SCA_SM虚拟网格。每个移动传感器节点需要邻居网格中心下呆的位置,提出了一种移动传感器节点的移动路径的数学表达式,并建立了多个传感器节点的移动路径规划模型。快速解决优化模型,趋化性的过程,复制和迁移BFOA中用于解决模型。按照网络的优化目标,提出了适应度函数,减少丢包率和数据传输延迟尽可能多。移动传感器节点模拟两个大肠杆菌的基本操作gydF4y2Ba,gydF4y2Ba进步和翻转等在搜索空间。移动传感器节点移动任何随机的方向迈出的一步。如果当前的健身价值移动路径在这个方向是改进价值价格相比之前的移动路径,那么它将继续朝这个方向前进。相反,它会找到一个新的随机翻转方向和位置,可以提高健身价值。当所有移动传感器节点覆盖整个监测区域或到达结束状态,SCA_SM输出最优解决方案。因此,最优路径移动的移动传感器节点覆盖整个监测区域,和丢包率,并在数据传输过程中数据传输延迟。gydF4y2Ba

2。算法假设和基本原则gydF4y2Ba

SCA_SM,网络被认为是均匀分布在监测区域的两个维度。多个移动传感器节点和一个静态水槽节点存在于网络。移动传感器节点有一个固定的通信半径和数据存储容量。节点的位置坐标是通过卫星定位模块,如GPS、北斗或其他定位模块。只能填报一个网格中心通过一次在一个数据收集。静态水槽节点收集数据中心的监控区域,只能听报告的数据移动传感器节点单水槽节点的通信范围。gydF4y2Ba

如图gydF4y2Ba1gydF4y2Ba,监测区域划分为大小一致的正方形网格,和一些移动传感器节点随机放置在监控区域。当网络运行时,所有移动传感器节点移动到你的邻居网格中心的立场不呆在之前和网格区域的数据。如果移动传感器节点的通信范围内水槽节点,然后将数据发送到汇聚节点单跳方式;否则,数据存储在移动传感器节点。如果移动传感器节点的存储空间已满,最古老的数据删除,接收到的数据存储。然而,SCA_SM仍然需要解决以下两个问题。首先是如何建立一个优化模型多传感器节点的移动传感报道通过数学模型。第二个是如何使用改进的细菌觅食算法解决优化模型并获得最佳的移动路径方案的多个移动传感器节点完全覆盖监测区域。这两个问题的具体解决方案如下。gydF4y2Ba

3所示。优化模型的建立gydF4y2Ba

多传感器节点的优化模型的移动传感覆盖率可以转换成gydF4y2Ba 在哪里gydF4y2Ba代表了移动传感器节点的移动路径gydF4y2Ba 。gydF4y2Ba 代表了gydF4y2Bath保持网格中心的移动传感器节点的位置gydF4y2Ba 。gydF4y2Ba 代表了移动传感器节点中存储的数据量gydF4y2Ba在时间gydF4y2Ba 。gydF4y2Ba 代表了最大的移动传感器节点的存储空间。gydF4y2Ba代表了移动传感器节点的距离gydF4y2Ba水槽节点。gydF4y2Ba代表的最大水槽节点通信半径。gydF4y2Ba代表了移动传感器节点收到的数据量和感觉gydF4y2Ba在接下来的时刻。gydF4y2Ba代表了移动传感器节点丢失的数据包的总数gydF4y2Ba从网络开始gydF4y2Ba 。gydF4y2Ba 代表了移动传感器节点的传感覆盖gydF4y2Ba ,gydF4y2Ba即网格中心位置的数量比移动传感器节点的移动路径gydF4y2Ba和网格的总数。gydF4y2Ba代表了丢包率。gydF4y2Ba代表了所有移动传感器节点生成的数据包的总数。gydF4y2Ba代表了当前数据传输延迟。gydF4y2Ba代表了包的时候gydF4y2Ba成功发送到汇聚节点。gydF4y2Ba代表了一代包的时间gydF4y2Ba 。gydF4y2Ba 代表了一代包的时间gydF4y2Ba存储在移动传感器节点或丢弃。gydF4y2Ba代表了移动传感器节点生成的数据包的总数gydF4y2Ba 。gydF4y2Ba 代表了阈值的数据传输延迟。gydF4y2Ba表示丢包率的加权因子。gydF4y2Ba代表了加权因子的数据传输延迟。gydF4y2Ba

方程(gydF4y2Ba1gydF4y2Ba)代表优化模型的目标函数,即最小化数据传输丢包率和延迟。公式gydF4y2Ba 表示,移动传感器节点的移动路径gydF4y2BakgydF4y2Ba由网格中心的位置。公式gydF4y2Ba 代表每个移动传感器节点不重复通过相同的网格在一轮运动中心。公式gydF4y2Ba 代表,当移动传感器节点gydF4y2Ba汇聚节点的通信范围内,数据直接发送到汇聚节点;否则,数据存储在缓存空间。如果缓存空间已满,然后最古老的数据将被丢弃。公式gydF4y2Ba 代表一个更新计算公式为丢失的数据包的总数的移动传感器节点。公式gydF4y2Ba 代表所有移动传感器节点的移动路径包含所有网格中心;即传感覆盖率= 1。公式gydF4y2Ba 丢包率计算公式。公式gydF4y2Ba 是一个公式计算数据传输延迟。gydF4y2Ba

4所示。算法解决gydF4y2Ba

BFOA是分布式并行计算和随机全局优化算法,广泛应用于图像处理、机器学习、模式识别、车间调度、和其他领域(gydF4y2Ba12gydF4y2Ba]。BFOA模拟人类肠道大肠杆菌的觅食行为,寻求最优人口通过四个操作:趋化作用、聚合、复制和迁移。最优的解决过程移动传感器节点的移动路径是大肠杆菌的过程寻找丰富的食物。然而,细菌健身价值的解决方案需要解决和BFOA需要改进的解决方案的过程。因此,每个细菌是所有移动传感器节点的移动路径和覆盖整个监测区域。gydF4y2Ba 代表了移动传感器节点感知到的数据gydF4y2Ba在网格上gydF4y2Ba 在时间gydF4y2Ba 。gydF4y2Ba 代表了当前移动传感器节点的移动路径的长度。gydF4y2Ba代表了移动传感器节点的网格数量没有通过。gydF4y2Ba代表的总和所有移动传感器节点的覆盖。gydF4y2Ba代表了移动传感器节点的总数。gydF4y2Ba代表细菌种群的大小。gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba和gydF4y2Ba代表的数量迁移、复制和趋化作用,分别。gydF4y2Ba代表的概率迁移。gydF4y2Ba代表了移动传感器节点的数量。gydF4y2Ba 代表健身价值的细菌gydF4y2Ba在gydF4y2Ba趋化性,gydF4y2Bath副本和gydF4y2BalgydF4y2Ba迁移。gydF4y2Ba代表了移动传感器节点的邻居网格设置gydF4y2Ba的细菌gydF4y2Ba 。gydF4y2Ba 代表当前细菌的运动计划gydF4y2Ba在迁移之后,它最初是一个空集。gydF4y2Ba代表了移动传感器节点的移动路径gydF4y2Ba的细菌gydF4y2Ba 。gydF4y2Ba该模型解决方案的具体内容如下。gydF4y2Ba

4.1。计算细菌健身价值gydF4y2Ba

因为细菌的设置健身价值影响优化模型的解决方案(gydF4y2Ba1gydF4y2Ba),趋化性操作导致细菌优先移到营养丰富的环境。但如果细菌的健身价值gydF4y2Ba我gydF4y2Ba直接计算模型(gydF4y2Ba1gydF4y2Ba优先),移动传感器节点可以很容易地移动到网格水槽节点的通信范围内。它导致大量数据传输丢包率和延迟。因此,采用不同的健身价值公式的实际路径后发现过程和路径搜索。细菌的健身价值计算的具体实现步骤如下。gydF4y2Ba

步骤1。gydF4y2Ba初始化参数和所有移动传感器节点的存储空间。初始化水槽节点的存储空间。gydF4y2Ba= 1,gydF4y2Ba= 1。gydF4y2Ba

步骤2。gydF4y2Ba在当前时间gydF4y2Ba ,gydF4y2Ba移动传感器节点的数据gydF4y2Ba在这个职位gydF4y2Ba 感觉到,存储和记录gydF4y2Ba 。gydF4y2Ba数据存储数量gydF4y2Ba下一个时刻根据公式gydF4y2Ba 是更新。如果数据存储gydF4y2Ba下一刻大于最大存储空间gydF4y2Ba ,gydF4y2Ba然后最古老的数据删除。根据公式gydF4y2Ba ,删除数据记录在丢失的数据包的数量,和更新丢失的数据包的数量。gydF4y2Ba

步骤3 (gydF4y2Ba=gydF4y2Ba+ 1)。gydF4y2Ba移动传感器节点gydF4y2Ba移动到下一个位置。如果移动传感器节点gydF4y2Ba水槽节点单跳范围内,所有数据在存储空间直接发送到汇聚节点。接收到的数据通过汇聚节点记录,存储容量和数据更新。然后确定是否存在一个邻居移动传感器节点。如果它存在,那么它与邻居移动传感器节点通信,获得邻居传感器节点的覆盖率,并计算总和gydF4y2Ba移动传感器节点的传感的报道。gydF4y2Ba

步骤4。gydF4y2Ba如果gydF4y2Ba ,gydF4y2Ba然后跳到第2步;否则,gydF4y2Ba=gydF4y2Ba+ 1,gydF4y2Ba= 1。如果gydF4y2Ba ,gydF4y2Ba然后跳到第2步;否则,跳过步骤5。gydF4y2Ba

第5步。gydF4y2Ba如果gydF4y2Ba= 1,然后丢包率gydF4y2Ba由公式计算gydF4y2Ba 。跳过步骤7;否则,移动传感器节点仍在寻找路径。数量gydF4y2Ba水槽的单跳通信范围的网格节点计算。数量gydF4y2Ba丢弃的数据包是由公式计算(gydF4y2Ba2gydF4y2Ba)。gydF4y2Ba 在哪里gydF4y2Ba表示的网格数不是过了。gydF4y2Ba代表所有移动传感器节点存储的数据的总和。gydF4y2Ba

步骤6。gydF4y2Ba当gydF4y2Ba ,gydF4y2Ba水槽的单跳通信范围的网格节点分配合理,和其他网格不生成丢失的数据包的数量,gydF4y2Ba 。gydF4y2Ba否则,gydF4y2Ba记录丢失的数据包的数量,和丢包率gydF4y2Ba计算公式(gydF4y2Ba3gydF4y2Ba)的基础上收到水槽节点的数据包丢失的数据包的数量存储在移动传感器节点。gydF4y2Ba 在哪里gydF4y2Ba代表丢失的数据包数量的移动传感器节点前一刻和gydF4y2Ba代表所有移动传感器节点生成的数据包的总数。gydF4y2Ba

步骤7。gydF4y2Ba估计的价值gydF4y2Ba数据传输延迟计算的公式gydF4y2Ba ,所有的细菌的健身价值计算公式(gydF4y2Ba4gydF4y2Ba)。gydF4y2Ba 在丢包率gydF4y2Ba是gydF4y2Ba

4.2。细菌趋化性gydF4y2Ba

移动传感器节点模拟两个大肠杆菌的基本操作gydF4y2Ba,gydF4y2Ba如进步和烙在路径规划过程。首先,每个移动传感器节点在细菌移动在任何随机的方向迈出的一步。如果当前的健身价值移动路径在这个方向是改善与以前的移动路径的健身价值相比,那么它将继续朝这个方向前进。否则,它会找到一个新的随机翻转方向和位置,可以提高健身价值。如果邻居网格访问、移动传感器节点很容易陷入死胡同。在这个时候,应该选择最近的网格满足约束条件gydF4y2Ba ,从而实现趋化性的操作。如图gydF4y2Ba2gydF4y2Ba具体实现步骤如下。gydF4y2Ba

步骤1。gydF4y2Ba获取当前所有细菌信息和复制参数gydF4y2Ba ,gydF4y2Ba,让gydF4y2BaggydF4y2Ba= 1,gydF4y2BalgydF4y2Ba= 1,gydF4y2Ba我= 1,kgydF4y2Ba= 1。gydF4y2Ba

步骤2。gydF4y2Ba计算适应度值gydF4y2Ba 细菌的gydF4y2Ba 。gydF4y2Ba它是判断是否设置gydF4y2Ba是一个空集。如果它是一个空集,然后跳到第3步。否则,让gydF4y2Ba 。gydF4y2Ba选择gydF4y2Ba保持网格的设置gydF4y2Ba 。gydF4y2Ba让它成为下一个网格的移动传感器节点gydF4y2Ba 。gydF4y2Ba将其添加到当前的移动路径,和获得新的移动路径。跳到步骤6。gydF4y2Ba

步骤3。gydF4y2Ba更新检测覆盖率gydF4y2Ba ,gydF4y2Ba和移动传感器节点gydF4y2Ba与邻居移动传感器节点单跳距离来计算总和gydF4y2Ba移动传感器节点的传感范围已知的。如果gydF4y2Ba是1,然后跳到步骤6;否则,跳到第4步。gydF4y2Ba

步骤4。gydF4y2Ba更新你的邻居网格设置gydF4y2Ba ,gydF4y2Ba和确定集gydF4y2Ba是一个空集。如果是,添加当前最近的嘲骂网格设置gydF4y2Ba ;gydF4y2Ba否则,邻居网格设置gydF4y2Ba不更新。随机选择一个网格设置gydF4y2Ba翻转方向,删除网格设置gydF4y2Ba ,gydF4y2Ba添加下一个待网格移动路径,计算健身价值gydF4y2Ba 新移动的路径。gydF4y2Ba

第5步。gydF4y2Ba如果gydF4y2Ba ,gydF4y2Ba它表明,细菌更接近最优解,所以跳过步骤6。否则,如果不改善健身价值,然后判断gydF4y2Ba是一个空集。如果是,跳到步骤6;否则,跳到第4步,重新选择随机方向的趋化作用。gydF4y2Ba

步骤6 (gydF4y2Ba=gydF4y2Ba+ 1)。gydF4y2Ba如果gydF4y2Ba ,gydF4y2Ba然后跳到第2步;否则,gydF4y2Ba ,gydF4y2Ba = 1。如果gydF4y2Ba ,gydF4y2Ba然后跳到第2步;否则,gydF4y2Ba=gydF4y2Ba+ 1,gydF4y2Ba= 1,gydF4y2Ba= 1。如果gydF4y2Ba ,gydF4y2Ba然后跳到第2步;否则,趋化性操作完成。gydF4y2Ba

4.3。改善BFOAgydF4y2Ba

如图gydF4y2Ba3gydF4y2Ba通过公式,SCA_SM计算细菌健身价值(gydF4y2Ba4gydF4y2Ba),并使用趋化作用、复制和迁移改进细菌觅食算法解决模型(gydF4y2Ba1gydF4y2Ba)。具体实现步骤如下。gydF4y2Ba

步骤1。gydF4y2Ba初始化细菌人口和算法参数:初始位置移动传感器节点的细菌是随机生成的,和邻居网格设置更新。让gydF4y2Ba是无限的,gydF4y2Ba= 1,gydF4y2Ba= 1,gydF4y2Ba= 1,gydF4y2Ba= 1,gydF4y2Ba= 1。gydF4y2Ba

步骤2。gydF4y2Ba使用趋化性获得移动路径移动传感器节点在所有细菌。gydF4y2Ba

步骤3。gydF4y2Ba计算的健身价值gydF4y2Ba细菌在人群中并按升序排列。删除一半的细菌具有很高的健身价值和复制细菌与小健身价值的一半。gydF4y2Ba=gydF4y2Ba+ 1。如果gydF4y2Ba ,gydF4y2Ba = 1,gydF4y2Ba= 1,然后跳到第2步;否则,跳到下一步。gydF4y2Ba

步骤4。gydF4y2Ba选择的移动路径和健身价值细菌与最小的健身价值gydF4y2Ba 。gydF4y2Ba如果gydF4y2Ba ,gydF4y2Ba ,gydF4y2Ba然后移动传感器节点的移动路径细菌中的最优路径移动。否则,消除细菌和最优移动路径移动传感器节点复制到细菌。gydF4y2Ba

第5步。gydF4y2Ba计算自适应概率gydF4y2Ba所有的gydF4y2Ba细菌通过公式(gydF4y2Ba6gydF4y2Ba)。gydF4y2Ba 在哪里gydF4y2Ba代表了适应度函数gydF4y2Ba代表了迁移概率。gydF4y2Ba

步骤6。gydF4y2Ba生成一个随机数在0和1之间。如果自适应概率gydF4y2Ba大于随机号码,初始的位置gydF4y2Ba移动传感器节点随机生成当前网格位置和当前移动路径的细菌gydF4y2Ba 。gydF4y2Ba让一组gydF4y2Ba是一个空集;否则,细菌的移动路径gydF4y2Ba保存在集合gydF4y2Ba 。gydF4y2Ba

步骤7 (gydF4y2Ba=gydF4y2Ba+ 1)。gydF4y2Ba如果gydF4y2Ba ,gydF4y2Ba然后跳到第2步;否则,输出最优路径移动的移动传感器节点,算法结束。gydF4y2Ba

5。算法仿真gydF4y2Ba

5.1。模拟参数选择gydF4y2Ba

为了验证算法的性能,仿真实验和SCA_SM执行与RAND_D相比,希尔伯特(gydF4y2Ba8gydF4y2Ba),和中医gydF4y2Ba9gydF4y2Ba]。假设200米gydF4y2Ba200监测区域划分为若干个虚拟正方形网格。水槽节点在监测区域的中心。移动传感器节点的位置是随机的,每个节点的通信半径50米。在仿真中,主要参数设置为以下值。最大存储空间gydF4y2Ba每秒6比特。收到的数据量和感知节点在每个发现网格是每秒2比特。阈值gydF4y2Ba数据传输延迟是10gydF4y2Ba^2gydF4y2Ba。体重的因素gydF4y2Ba丢包率和体重的因素gydF4y2Ba0.5数据传输延迟。趋化性数gydF4y2Ba是10;复制数gydF4y2Ba是20。移民数量gydF4y2Ba是50。迁移概率gydF4y2Ba是0.6。细菌的数量gydF4y2Ba时50平方网格数量小于或等于150,和细菌的数量吗gydF4y2Ba是100年广场网格数量大于150。gydF4y2Ba

5.2。分析仿真结果gydF4y2Ba

因为多个移动传感器节点被认为是和随机放置在监测区域内,初始位置的移动传感器节点是随机生成的。为了说明算法的有效性,随机初始位置(25日25),(175)和(175、175)选中,和移动传感器节点的数量是2,3,4。然后在部分参数gydF4y2Ba4所示。1gydF4y2Ba选择和数据gydF4y2Ba4gydF4y2Ba- - - - - -gydF4y2Ba7gydF4y2Ba得到了。如图gydF4y2Ba4gydF4y2Ba,所有RAND_D移动传感器节点随机选择最近的网格不待之前下个呆的位置。如图gydF4y2Ba5gydF4y2Ba,呆的位置希尔伯特的数量是4的力量,和每个移动传感器节点移动后希尔伯特路径,直到整个监测区域覆盖。如图gydF4y2Ba6gydF4y2Ba中医,每个移动传感器节点遵循最短路径移动在文献[gydF4y2Ba10gydF4y2Ba)这充分覆盖监测区域。如图gydF4y2Ba7gydF4y2Ba,无论移动传感器节点的数量,SCA_SM可以建立多传感器节点的路径规划模型的运动,计算每个细菌的细菌的健身价值,解决优化模型(gydF4y2Ba1gydF4y2Ba)通过提高细菌觅食算法,获得最优路径移动。每个移动传感器节点通过几个网格和移动到附近的水槽节点发送数据。然后SCA_SM降低了丢包率和数据传输延迟。gydF4y2Ba

细菌数量完成趋化性操作和复制操作的移动传感器节点,然后它实现和完成迁移操作。每个迁移操作后,移动传感器节点当前的最优移动路径不同的步骤。最优路径移动的健身价值是当前最佳的健身价值。如图gydF4y2Ba8gydF4y2Ba横坐标代表迁移的数量,纵坐标代表最佳的健身价值。的健身价值SCA_SM之前减少后几乎是垂直迁移。五迁移之后,最优路径移动的健身价值下降到一个较低的值。迁移操作可以帮助算法跳出局部最优,提高收敛精度,健身值收敛于0.13424后约16迁移。这个健身价值优化模型的最优解(gydF4y2Ba1gydF4y2Ba)。因此,SCA_SM是收敛的。gydF4y2Ba

仿真结果对不同最大存储空间gydF4y2Ba。部分的参数部分gydF4y2Ba5.1gydF4y2Ba被选中。监控区域的长度是400米。移动传感器节点数是3。最大存储空间是20,22日,24日,26日,28日和30 kbit。10个不同的节点是随机生成的初始位置分布。RAND_D的丢包率和数据传输延迟,希尔伯特,中医,每个节点的初始位置分布和SCA_SM分开计算,和平均值作为仿真结果。gydF4y2Ba

如图gydF4y2Ba9gydF4y2Ba在兰德,尽管最大存储空间节点的增加,移动传感器节点随机选择移动的路径。它导致一些移动路径距离汇聚节点,提高数据包损失率。因此,兰德波动的丢包率增加的最大存储空间。希尔伯特的丢包率、中医和SCA_SM减少与增加的最大存储空间。尤其是SCA_SM丢包率下降得更快。因为希尔伯特和中医不考虑数据丢失问题当存储空间已满,丢包率比SCA_SM希尔伯特和中医的大。SCA_SM使用细菌觅食算法解决优化模型(gydF4y2Ba1gydF4y2Ba),发现移动路径重数据传输丢包率和延迟通过多个迁移。在移动的路径选择,当存储空间几乎是完整的,节点移动到水槽节点的通信范围尽可能将存储的数据发送给汇聚节点,继续执行移动电话覆盖范围。它可以降低丢包率。总之,当最大存储空间增加,丢包率SCA_SM总是低于RAND_D,希尔伯特和中医。当最大存储空间达到34 kbit,丢包率接近0%。gydF4y2Ba

如图gydF4y2Ba10gydF4y2Ba,RAND_D随机性和数据传输延迟的希尔伯特和中医减少增加最大存储空间。然而,他们并没有考虑到数据传输延迟的移动路径选择。SCA_SM建立一个优化模型,通过改进的细菌觅食算法来解决,获得最佳的移动路径的每个移动传感器节点是通过网格中心汇聚节点的通信范围。当移动传感器节点沿着最优路径,它可以将自己的数据发送给汇聚节点。因此,数据传输延迟SCA_SM总是低于RAND_D的数据传输延迟,希尔伯特和中医。gydF4y2Ba

仿真结果在不同监测领域gydF4y2Ba。考虑监测区域的大小,方形网格划分在监测区域的数量是不同的。分析不同大小的监测区域对性能参数的影响,移动传感器节点数量3,最大存储空间网格的数量的1/4。广场监控区域1的边长800米。监控区域2的边长700米。监控区域3的边长500米。监控区域4有一个边长400米。监控区域5的边长200米。选择的参数在4.1,10个不同的初始位置分布的节点是随机生成的。的数据传输丢包率和延迟算法计算每个传感器节点的初始位置分布下,和平均值作为仿真结果。gydF4y2Ba

如数据所示gydF4y2Ba11gydF4y2Ba和gydF4y2Ba12gydF4y2Ba不同的监测区域,RAND_D有大量损失包和一个长移动路径;因此,其数据传输丢包率和延迟相对而言比较大。待希尔伯特网格的数量必须是4,所以只有监测区域1,4,5是有效的和每个移动传感器节点的移动路径是固定的。其感知的移动传感器节点覆盖问题是不考虑。中医仅覆盖整个监测区域尽可能短,不考虑数据传输丢包率和延迟希尔伯特。SCA_SM建立一个合理的优化模型和适应度函数由于综合考虑数据传输丢包率和延迟。此外,它使用改进的细菌觅食算法获得最优路径移动的移动传感器节点。移动最优路径可以保持低丢包率和数据传输延迟,并明显优于RAND_D,希尔伯特和中医。gydF4y2Ba

6。结论gydF4y2Ba

感知覆盖算法的稀疏的移动传感器节点之间的权衡丢包率和传输延迟(SCA_SM)提出。首先,算法提出了假设和基本原则。第二,路径选择约束、数据容量更新数据包损失率数据传输延迟和其他相关参数和条件。完全覆盖监测区域的优化模型和平衡建立了数据传输丢包率和延迟。细菌健身价值计算,细菌趋化性操作,提出了改进的细菌觅食算法解决优化模型。最优路径移动的多个移动传感器节点。最后,仿真参数的算法。仿真结果表明,SCA_SM算法可以找到最佳的多个移动传感器节点的移动路径,数据包损失率较低和数据传输延迟,并优于RAND_D,希尔伯特和中医。然而,SCA_SM的算法复杂度相对较高。因此,下一个目标是研究每个移动传感器节点的优化模型和启发式方法来解决基于本地信息的优化模型。 Then optimization solution of each mobile sensor node is obtained, and it reduces the complexity of the algorithm.

数据可用性gydF4y2Ba

仿真数据用于支持本研究的发现正在禁运而研究成果商业化。请求数据,6个月后发表的这篇文章中,将会被相应的作者。gydF4y2Ba

的利益冲突gydF4y2Ba

作者宣称没有利益冲突有关的出版。gydF4y2Ba

确认gydF4y2Ba

这项工作得到了浙江省公益性技术应用和研究项目资助下的中国没有。LGF19F010006,不。LGG19F010011,不。LGF19F010005,没有。LGF18F010005,中国国家自然科学基金批准号61501403,教育部项目批准号下的中国浙江省Y201840757和科技项目的中国浙江水利主管部门批准号RC1850。gydF4y2Ba

引用gydF4y2Ba

1. 问:吴t·w·h . Wang Wang et al .,“delay-constrained调查数据收集与移动网络元素,”gydF4y2Ba计算机研究与发展》杂志上gydF4y2Ba,54卷,不。3、474 - 492年,2017页。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
2. j·哈比比、h . Mahboubi和A·g·Aghdam”移动传感器网络基于一个梯度覆盖优化策略,”gydF4y2BaIEEE控制的网络系统gydF4y2Ba,4卷,不。3、477 - 488年,2017页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
3. s·拉希德和m . Soyturk”无人机移动模式的影响在无线传感器网络数据收集,”gydF4y2Ba学报》第四届IEEE国际会议交流,网络和卫星(COMNESTAT 15)gydF4y2BaIEEE,页74 - 79年,印度尼西亚,2015年12月。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
4. 问:r, r . x, r·k·他et al .,“无人机路径规划的城市空间crowdedwith不规则的障碍,”gydF4y2Ba控制理论与应用gydF4y2Ba,32卷,不。10日,1407 - 1413年,2015页。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
5. j . r .叮,c·p·杜y赵et al .,“为无人机路径规划算法基于改进人工势场,”gydF4y2Ba《计算机应用gydF4y2Ba,36卷,不。1,第290 - 287页,2016。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
6. m .赵、杨y和c . Wang“移动数据收集与负载平衡集群和双重数据上传在无线传感器网络中,“gydF4y2BaIEEE移动计算gydF4y2Ba,14卷,不。4、770 - 785年,2015页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
7. A . Kaswan p . k . Jana, m·阿扎鲁迪”延迟有效路径选择策略为移动水槽在无线传感器网络中,”gydF4y2Ba诉讼的进展国际会议上计算、通信和信息(ICACCI 17)gydF4y2BaIEEE,页168 - 173年,2017年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
8. ”李x和y . j . Wang WSN移动聚合节点跟踪基于希尔伯特空间填充曲线设计,“gydF4y2Ba现代电子技术gydF4y2Ba,39卷,不。2016年23岁,17 - 21页。区间。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
9. L.-H。挂,Y.-W。黄和c c。林”,时间覆盖机制不同的无线移动传感器网络的监测质量,”gydF4y2Ba特设网络gydF4y2Ba,21卷,不。5,97 - 108年,2014页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
10. y悦,j·李,h .风扇和秦,“文中针对人工蜂群算法在大规模无线传感器网络数据收集,”gydF4y2Ba杂志上的传感器gydF4y2Ba卷,2016篇文章ID 7057490, 12页,2016。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
11. 答:a . Ari Damakoa, a Gueroui et al .,“细菌觅食优化无线传感器网络中移动传感方案,“gydF4y2Ba国际期刊的无线信息网络gydF4y2Ba,24卷,不。3、254 - 267年,2017页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
12. z d, e·l·陈,z d·胡”传感器节点部署策略混乱的细菌觅食优化算法,”gydF4y2Ba中国日报的传感器和执行器gydF4y2Ba没有,卷。31日。1,第118 - 110页,2018。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba

版权gydF4y2Ba

版权©2019 Kehua赵等。这是一个开放的分布式下文章gydF4y2Ba知识共享归属许可gydF4y2Ba,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。gydF4y2Ba