混沌鲸鱼优化算法在WSNs覆盖优化中的应用 王鑫.pdf

２０２２ 年 第 ４１ 卷 第 ６ 期　 　 　 　 　 　 　 传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ ａｎｄ Ｍｉｃｒｏｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｉｅｓ） １５７
ｏｒｉｔｈｍ ｈａｓ ｈｉｇｈｅｒ ｃｏｎｖｅｒｇｅｎｃｅ ｅｆｆｉｃｉｅｎｃｙ ａｎｄ
ｃｏｖｅｒａｇｅ ｒａｔｅ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｏｔｈｅｒ ｔｒａｄｉｔｉｏｎａｌ ｃｏｖｅｒａｇｅ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ，ｒｅｄｕｃｅ ｎｅｔｗｏｒｋ ｌｏｓｓ ａｎｄ ｅｆｆｅｃｔｉｖｅｌｙ
ｅｘｔｅｎｄ ｎｅｔｗｏｒｋ ｌｉｆｅ ｃｙｃｌｅ．
Ｋｅｙｗｏｒｄｓ：ｃｈａｏｔｉｃ ｗｈａｌｅ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ（ＣＷＯＡ）；Ｃｈａｏｓ Ｔｈｅｏｒｙ；ｃｈａｏｓ Ｔｅｎｔ ｍａｐｐｉｎｇ；Ｌｅｖｙ ｆｌｉｇｈｔ
０　 引　 言 献［８］采用一种混合策略改进蚁狮算法对节点部署优化，
随着信息技术的发展，无线传感器网络（ｗｉｒｅｌｅｓｓ ｓｅｎｓｏｒ 覆盖率同其他算法相比更高，且优化节点分布更加均匀，但
ｎｅｔｗｏｒｋｓ，ＷＳＮｓ）受到越来越多的关注，并广泛应用于社会 收敛速度有待进一步提高。文献［９］使用一种带状区域的
［１ ～３］
日常生活中 。ＷＳＮｓ 节点的部署在 ＷＳＮｓ 的研究中占 ＷＳＮｓ 覆盖部署方法，根据同基站的距离优化簇头节点的
据重要地位，影响网络能耗的高低，对网络使用寿命有着直 数目，有效提高了节点覆盖率，降低了能耗，但对节点覆盖
接影响。过高的部署密度会提高网络覆盖率，但伴随着大 冗余还需进一步考虑。综上所述，ＷＳＮｓ 传感器节点的覆
量冗余节点，增加了能量损耗，因此，如何对网络节点的部 盖优化主要集中在如何加快收敛速度、提高网络覆盖率、降
［４，５］
署优化已成为 ＷＳＮｓ 研究中亟需解决的重要问题 。 低网络能耗等问题中，最终延长网络使用寿命。
现阶段，智能优化算法已被广泛应用于 ＷＳＮｓ 传感器 本文针对 ＷＳＮｓ 节点冗余、生命周期短暂等问题，提出
节点的覆盖优化问题中。文献［６］提出一种萤火虫算法的 一种混合策