【wsn】基于改进杂草算法实现无线传感器网络wsn布局优化-优快云博客

1 算法介绍

对改进杂草算法性能及其在无线传感器网络节点分布优化问题中的应用进行研究。在保证节点相互连通的前提下，建立无线传感器网络对目标区域覆盖的数学模型，并将节点分布优化问题转换为求解函数最大值问题; 通过杂草算法优越的寻优能力来实现网路节点的最优分布，在此基础上，引入立方映射混沌算子来提高算法的局部搜索能力，利用高斯变异算子来增强种群的多样性; 最后，通过标准函数测试与无线网络覆盖优化仿真对该算法进行验证。仿真结果表明: 该算法具有收敛速度快、鲁棒性好、数据开采能力强的优点，能有效解决无线传感器网络节点分布优化问题。

【wsn】基于改进杂草算法实现无线传感器网络wsn布局优化_wsn

【wsn】基于改进杂草算法实现无线传感器网络wsn布局优化_wsn_02

【wsn】基于改进杂草算法实现无线传感器网络wsn布局优化_wsn_03

【wsn】基于改进杂草算法实现无线传感器网络wsn布局优化_wsn_04

【wsn】基于改进杂草算法实现无线传感器网络wsn布局优化_wsn_05

【wsn】基于改进杂草算法实现无线传感器网络wsn布局优化_wsn_06

【wsn】基于改进杂草算法实现无线传感器网络wsn布局优化_wsn_07

【wsn】基于改进杂草算法实现无线传感器网络wsn布局优化_wsn_08

2 部分代码

% IWO
% CPSO
% IIWO
%% 清空环境变量
clear
clc

%% 网络参数
L = 20;                         % 区域边长
V = 24;                         % 节点个数
Rs = 2.5;                           % 感知半径
Rc = 5;                        % 通信半径
Re = 0.05;                     % 感知误差
data = 1;                      % 离散粒度
%% 基本参数
N = 30;                    % 种群规模
dim = 2*V;               % 维数
maxgen = 300;         % 最大迭代次数
ub = L;
lb = 0;

%% 初始化种群位置
X = rand(N, dim).*(ub-lb)+lb;
for i = 1:N
    fitness(i) = fun(X(i, :), L, Rs, Re, data);
end

%% 传入函数变量
[bestvalue_IWO, gbest_IWO, Curve_IWO] = IWO(N, maxgen, Rs, Re, L, data, X, fitness, lb, ub, dim);
[bestvalue_CPSO, gbest_CPSO, Curve_CPSO] = CPSO(N, maxgen, Rs, Re, L, data, X, fitness, lb, ub, dim);
[bestvalue_IIWO, gbest_IIWO, Curve_IIWO] = IIWO(N, maxgen, Rs, Re, L, data, X, fitness, lb, ub, dim);

%% 绘图比较
figure;
t = 1:maxgen;
plot(t, Curve_IWO, 'ro-', t, Curve_CPSO, 'kx-', t, Curve_IIWO, 'bp-',...
    'linewidth', 2, 'linewidth', 1.5, 'MarkerSize',7, 'MarkerIndices', 1:20:maxgen);
legend('IWO', 'CPSO', 'IIWO');
xlabel '迭代次数';
ylabel '覆盖率';