基于粒子群優(yōu)化算法的傳感器優(yōu)化部署方法研究

摘 要： 針對目前三維空間傳感器部署算法PSO算法存在尋優(yōu)精度、全局收斂性和收斂速度不能保證的問題，提出了通過慣性權(quán)重線性遞減策略與動(dòng)態(tài)加速常數(shù)自適應(yīng)策略改進(jìn)的基于粒子群的WCPSO優(yōu)化算法，有效地提高了算法的尋優(yōu)精度和收斂速度。給出了算法的設(shè)計(jì)方案并進(jìn)行了來襲路徑未知和來襲路徑預(yù)估情況下的仿真實(shí)驗(yàn)，仿真實(shí)驗(yàn)結(jié)果表明WCPSO算法的優(yōu)化效果和效率都要優(yōu)于改進(jìn)前的PSO算法。

關(guān)鍵詞： 粒子群優(yōu)化算法； 部署優(yōu)化； 傳感器網(wǎng)絡(luò)； WCPSO算法

中圖分類號： TN911?34； TM417 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號： 1004?373X（2016）17?0132?04

隨著數(shù)字電路技術(shù)、網(wǎng)絡(luò)通信技術(shù)和傳感器技術(shù)的快速發(fā)展，三維空間傳感器網(wǎng)絡(luò)的發(fā)展也迎來了機(jī)遇和挑戰(zhàn)，但面對復(fù)雜多變的探測環(huán)境，如何精確、快速地合理部署傳感器的空間位置，還需進(jìn)行深入的研究[1?3]。其中，經(jīng)典的PSO傳感器部署算法[4]采用隨機(jī)初始化增加了個(gè)體質(zhì)量的不確定性，而且也無法保證算法的尋優(yōu)精度、全局收斂性和收斂速度[5?6]。

針對上述問題，提出了基于粒子群改進(jìn)的WCPSO算法。通過將慣性權(quán)重線性遞減策略與動(dòng)態(tài)加速常數(shù)自適應(yīng)策略加入到PSO算法中，有效地提高了算法的尋優(yōu)精度和收斂速度，對三維空間傳感器的優(yōu)化部署問題具有重要意義。

3 實(shí)驗(yàn)仿真

根據(jù)如圖1所示的WCPSO算法的流程圖，使用Matlab按照算法功能劃分為主控模塊、初始化模塊、優(yōu)化計(jì)算模塊和方案生成模塊四個(gè)模塊，各模塊的功能如下：

主控模塊：用于整個(gè)仿真程序的開始、運(yùn)行、暫停和終止，該模塊使用Matlab的Command Window進(jìn)行人機(jī)交互。

初始化模塊：處于主控模塊的控制下，幫助實(shí)驗(yàn)用戶完成數(shù)學(xué)模型和計(jì)算參數(shù)的設(shè)定，同時(shí)將各參數(shù)傳送到優(yōu)化計(jì)算模塊。

優(yōu)化計(jì)算模塊：處于主控模塊的控制下，接收初始化模塊傳送來的模型和參數(shù)，然后根據(jù)設(shè)計(jì)的動(dòng)態(tài)加速常數(shù)協(xié)同慣性權(quán)重的粒子群優(yōu)化算法WCPSO進(jìn)行迭代計(jì)算，直到完成迭代將優(yōu)化方案發(fā)送至方案生成模塊。

方案生成模塊：處于主控模塊的控制下，將接收到的優(yōu)化計(jì)算模塊傳送來的結(jié)果生成傳感器優(yōu)化部署方案，并通過三維效果圖來完成方案的分析和展現(xiàn)。

3.1 實(shí)驗(yàn)仿真一

針對來襲路徑未知，覆蓋范圍最大的空間傳感器布置優(yōu)化問題，假設(shè)傳感器的探測范圍為空間中的球，球體內(nèi)各點(diǎn)處的探測概率相等、球體外探測概率為0。

實(shí)驗(yàn)共設(shè)置6個(gè)傳感器，其探測半徑分別設(shè)置為20 km，25 km，25 km，35 km，35 km和40 km。傳感器網(wǎng)絡(luò)的探測空間設(shè)為100 km×100 km×100 km，高度方向共劃分為20 km，50 km和80 km三個(gè)高度層，各層權(quán)重大小為0.35，0.45和0.20。實(shí)驗(yàn)中取[λl，][σl，][θl]和[ρl]系數(shù)的初始大小依次為0.20，0.20，0.20和0.40。種群規(guī)模大小為5，粒子的維數(shù)為22，粒子的位置、速度在1～100范圍內(nèi)取值，最大迭代次數(shù)[tmax]設(shè)置為1 200并作為迭代終止條件。

對隨機(jī)初始狀態(tài)、PSO優(yōu)化和WCPSO優(yōu)化的目標(biāo)函數(shù)值結(jié)果如表1所示。

從表1中可以看出，使用WCPSO算法優(yōu)化傳感器部署能顯著提高傳感器網(wǎng)絡(luò)探測性能，綜合加權(quán)指標(biāo)值由0.671 4增大到0.770 4，且大于PSO算法的優(yōu)化結(jié)果0.754 1。說明本文所提出的基于粒子群的WCPSO優(yōu)化算法較PSO算法部署的傳感器網(wǎng)絡(luò)的探測性能有了較大的提高。

不同高度層上傳感器網(wǎng)絡(luò)的截面圖如圖2～圖4所示。

從圖4中可以看出，使用本文WCPSO算法進(jìn)行優(yōu)化的傳感器網(wǎng)絡(luò)的探測范圍更大，傳感器的利用率也更高，覆蓋重疊區(qū)域也更加合理。

3.2 實(shí)驗(yàn)仿真二

針對來襲路徑可預(yù)估，綜合探測概率最大的空間傳感器布置優(yōu)化問題，實(shí)驗(yàn)共設(shè)置6個(gè)傳感器，其探測半徑分別設(shè)置為20 km，25 km，25 km，30 km，30 km和40 km。其中，前3個(gè)傳感器探測范圍為圓錐形，探測半徑表示的是底面圓半徑，而探測圓錐的高度均取40 km，傳感器網(wǎng)絡(luò)的探測空間設(shè)為100 km×100 km×100 km。預(yù)估的來襲路徑共有3條，在3條來襲路徑上分別取5個(gè)點(diǎn)進(jìn)行離散化處理，處理結(jié)果如圖5所示。

Path 1，Path 2和Path 3三條路徑的權(quán)重分別設(shè)置為0.4，0.3和0.3。各路徑上5個(gè)離散點(diǎn)的權(quán)重分別設(shè)為0.15，0.1，0.3，0.25和0.2。種群規(guī)模大小設(shè)為5，粒子的維數(shù)為22，粒子的位置和速度可在約束范圍內(nèi)隨機(jī)取值，最大迭代次數(shù)[tmax]設(shè)置為3 000并作為迭代終止條件。

對隨機(jī)初始狀態(tài)、PSO優(yōu)化和WCPSO優(yōu)化的目標(biāo)函數(shù)值結(jié)果如表2所示。

從表2中可以看出，使用WCPSO算法對傳感器網(wǎng)絡(luò)部署優(yōu)化后，明顯提高了傳感器網(wǎng)絡(luò)對三條預(yù)估路徑的整體探測概率，由隨機(jī)初始狀態(tài)下的0.512 0增加到了0.724 3，且好于PSO優(yōu)化算法的結(jié)果0.572 7。因此對于來襲路徑可預(yù)估，綜合探測概率最大的傳感器網(wǎng)絡(luò)部署優(yōu)化問題，WCPSO算法的優(yōu)化部署方案明顯優(yōu)于PSO算法的方案，對傳感器網(wǎng)絡(luò)目標(biāo)探測系統(tǒng)的整體性能有較大的提升。

3.3 實(shí)驗(yàn)結(jié)論

從實(shí)驗(yàn)一和實(shí)驗(yàn)二的結(jié)果可以看出，本文對PSO算法進(jìn)行改進(jìn)后的基于粒子群的WCPSO算法，對三維空間傳感器網(wǎng)絡(luò)的部署優(yōu)化的效果和算法效率均優(yōu)于改進(jìn)前的PSO算法，證明了本文算法改進(jìn)的有效性。

4 結(jié) 論

針對三維空間傳感器網(wǎng)絡(luò)的優(yōu)化部署問題，本文提出了通過使用慣性權(quán)重線性遞減策略與動(dòng)態(tài)加速常數(shù)自適應(yīng)策略的基于粒子群優(yōu)化的WCPSO算法，有效地提高了PSO算法的尋優(yōu)精度和收斂速度。并給出WCPSO算法的設(shè)計(jì)方案和執(zhí)行流程，最后對兩種典型問題進(jìn)行了仿真，證明了所提出算法的有效性，對今后三維空間傳感器網(wǎng)絡(luò)的優(yōu)化部署具有重要意義。

參考文獻(xiàn)

[1] POLI R， KENNEDY J， BLACKWELL T. Particle swarm optimization： an overview [J]. Swarm intelligence， 2013， 1（1）： 33?57.

[2] HUANG Husheng， XIONG Jiajun， YANG Longpo. Optimized disposition of radar netting based ongenetic algorithm [J]. Journal of air force radar academy， 2008， 22（4）： 250?252.

[3] 唐志華.基于臨近空間的目標(biāo)探測及寬帶通信[J].無線電工程，2007（11）：28?30.

[4] 白雁.基于線性遞減系數(shù)粒子群優(yōu)化算法的組卷實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2014，37（24）：41?44.

[5] 尚學(xué)剛，戴幻堯，李永禎，等.探測臨近空間飛行器的天基雷達(dá)系統(tǒng)設(shè)計(jì)[J].艦船電子對抗，2011，34（2）：55?59.

[6] PERRY R P， DIPIETRO R C， FANTE R L. SAR imaging of moving targets [J]. IEEE transactions on aerospace and electro?nic systems， 1999， 35（1）： 188?200.

[7] 袁浩.基于改進(jìn)蜂群算法無線傳感器感知節(jié)點(diǎn)部署優(yōu)化[J].計(jì)算機(jī)應(yīng)用研究，2010（7）：2704?2705.

[8] 張立，劉云.網(wǎng)格移動(dòng)的無線移動(dòng)傳感器網(wǎng)絡(luò)部署算法[J].北京交通大學(xué)學(xué)報(bào)，2007，3l（5）：6?10.