摘要：以视频传感器和图像传感器为代表的有向传感器可以为安全防卫提供有效信息,已经被广泛应用于各种场景。首次提出了有向传感器网络中基于公平的目标覆盖最大化问题:在有向传感器网络中,采用具有P个确定工作方向的有向传感模型,研究基于公平的目标覆盖最大化问题,目的是激活最少的传感器,通过调度有向传感器的工作方向使目标被覆盖的最小累积覆盖时间达到最大,从而保证目标被覆盖的时间尽量均衡。首先选择最少的传感器,保证所有目标位于所选传感器的传感圆之内(该问题是NP-困难问题),为解决该问题设计了近似比为(1+lnγ)的最少传感器选择算法,其中γ=max 1≤i≤N{|s_(i)||s_(i)∈S};其次,基于最大需求优先覆盖的原则,提出了最大的无冲突目标集合选择算法。实验结果表明,该算法能有效解决有向传感器网络中基于公平的目标覆盖最大化问题。

摘要：针对无线传感器网络中随机部署无法实现对重要性不同的目标的优化覆盖控制问题,利用目标重叠域和贪婪算法设计一种基于目标权重的最优部署算法.以概率感知模型的传感器节点作为研究对象,通过标定目标权重确定目标重叠域,采用贪婪算法选取节点的最优部署范围,根据指标函数的最小值确定节点的部署位置.实验结果表明,所提出的算法能够实现对离散目标的最优覆盖监测,而且能保证监测节点网络的连通性.

摘要：针对二维目标覆盖问题,提出了一种新的量子退火算法,设计了相应的系统模型,并给出了覆盖优化的目标函数。因为以往的启发式算法存在运行停滞等问题,所以为量子退火算法设计了全新的解集生成方式、量子旋转门、量子位测量方法和量子位状态更新方法,加快了算法的收敛速度。将基于量子退火算法的方法与粒子群算法、蚁群算法进行了仿真比较。仿真结果显示,相比粒子群算法与蚁群算法,该量子退火算法能够有效地提升解的质量,检出的目标数有较大幅度的提高。

摘要：针对现有感知模型无法有效描述无线多媒体传感器真实感知能力的缺陷,提出一种新的三维有向感知模型。在此基础上,针对目标覆盖问题,为降低算法复杂度,设计了一种基于仰俯角优化和偏向角优化的两阶段目标覆盖算法。对于仰俯角和偏向角优化部分,利用差分进化算法进行求解,以达到利用少量传感器节点实现监测目标被全部覆盖的效果。仿真实验表明:对比随机部署方法,本文方法所需的传感器数目大幅下降。

摘要：针对无线传感器网络中随机部署节点集划分法不能保证离散目标点优化部署的问题,利用目标点最多层交叠域及遗传算法设计了一种面向目标覆盖的最优确定性部署方法.该方法通过目标点最多层交叠域寻找监测目标点集的传感器节点候选位置,基于候选位置点并利用遗传算法找出实现目标监测的最少节点数及节点位置.所提算法中候选位置点的选取简化了遗传算法中的编码工作,且与适应度函数相结合加速了算法的收敛,而遗传算法提供了最佳位置点的寻求方式.仿真试验表明,所提方法在满足用户感知需求的基础上具有较少的部署节点数,通常被控制在目标点个数的30%以内,极大地降低了网络部署成本,实现了无线传感器网络空间资源的优化分配.

摘要：基于多感知范围无线传感器网络中节点与目标的覆盖关系,设计了一种目标生命期评估机制。鉴于网络生命期由具有最小生命期的目标决定,在分析节点感知半径变更影响的基础上,提出了两种提高最小目标生命期的策略,建立了一个动态目标覆盖博弈模型,并证明了该博弈存在纯策略的纳什均衡。本文设计了一种分布式目标覆盖算法,算法中节点根据邻居节点的能量分布和目标覆盖情况,选用最优感知半径,以确保目标完全覆盖并延长最小目标生命期。仿真结果表明,在不同的网络中所提算法均能有效地延长网络生命期。

摘要：针对视觉传感器网络目标覆盖过程中因覆盖冗余、节点剩余能量不均等原因导致网络寿命过短的问题,设计一种视觉传感器网络目标覆盖算法。该算法基于节点与目标的覆盖关联关系,利用关系矩阵及相关运算对覆盖频繁目标集进行挖掘,进而对工作节点进行动态选举,以此延长网络的生存时间。实验结果表明,该算法在保证网络覆盖质量的前提下能够高效地调度工作节点,均衡节点耗能,有效延长网络寿命。

摘要：通过对量子蚁群进化算法进行深入研究分析,并对其进行了参数改进,在此技术上设计了基于量子蚁群进化算法的无线传感器网络目标覆盖模型,并对模型进行矿山井下仿真实验,结果表明随着无线传感器节点的增多,量子蚁群进化算法成功监测出的目标数增量显著。当无线传感器网络节点大于100时,与遗传算法和模拟退火法相比,量子蚁群进化算法成功监测的目标数要高出约7.12%和54.32%;在不同半径检测下,与传统遗传算法和模拟退火法相比,基于量子蚁群的无线传感器网络目标覆盖率分别提高了11%和22%。

摘要：针对传统的有向传感器网络目标覆盖算法只考虑网络覆盖率而不能保证网络连通性的问题,利用目标点部署圆内覆盖最多邻居目标点的候选节点集合和整数线性规划(ILP)模型设计了一种面向目标的连通覆盖算法(CTA)。该算法通过建立目标部署圆内覆盖最多邻居目标点的候选节点集合对随机部署的节点进行初步调度,在此基础上,通过ILP模型找出实现目标检测,并保证整个网络连通性的最少节点数和最佳位置的节点集合。仿真实验表明:CTA在保证目标覆盖率的前提下,不仅极大地降低了网络部署成本,而且保证了网络连通性。

摘要：为了优化无线传感器网络中成功监测到的目标个数,设计了目标覆盖模型,提出了改进的混沌免疫混合蛙跳算法(Improved Chaotic Immune Shuffled Frog Leaping Algorithm,ICISFLA)。该算法使用混沌序列对种群进行编码,从而增加种群的多样性;使用免疫算子将种群中适应度较高的个体保留至下一代;使用变异算子改进种群中适应度最低青蛙的学习机制,从而改善局部最优解和全局最优解。为了验证该算法的性能,将该算法与粒子群算法、遗传算法进行比较。仿真结果显示,与其他两种算法相比,ICISFLA的收敛速度更快,被成功监测到的目标数量显著增加。