买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都盛科信息技术有限公司

摘要：本发明公开了一种基于改进教与学算法的WSN连通性最大化增补节点优化部署方法，包括以下步骤：将被监测三维区域划分为l×w×h个像素点形成点集Ra，在网络中总共部署|S|个传感器节点，满足网络的覆盖和连通需求，S为总体传感器节点集合，其为预置传感器节点集合Sp和增补传感器节点集合Sa的合集，即S＝Sp+Sa。本发明的有益效果是：本发明的方法从网络整体进行考虑，采用割点量化等方法对网络连通性进行度量，并以此形成算法中适应值计算过程，本发明在教与学算法中，考虑到每个成员会出现自身的遗忘和自主的学习引起成绩产生波动，对每个学员引入自扰动策略，增强算法的全局寻优能力，减少算法陷入局部最优的情况，进一步实现局部寻优与全局寻优能力的平衡。

主权项：1.一种基于改进教与学算法的WSN连通性最大化增补节点优化部署方法，其特征在于：具体包括以下步骤：步骤一：将被监测三维区域划分为l×w×h个像素点形成点集Ra，在网络中总共部署|S|个传感器节点，满足网络的覆盖和连通需求，S为总体传感器节点集合，其为预置传感器节点集合Sp和增补传感器节点集合Sa的合集，即S＝Sp+Sa；步骤二：在网络先预置传感器节点集合Sp部署到点集Ra上，满足当前网络覆盖性需求再按照以下步骤基于改进教与学算法进行增补节点Sa的部署使得网络连通性最大化；步骤三：算法参数初始化，每个学员对应一组增补节点可行解集，老师则代表适应度值最好的增补节点可行解集，适应度即为网路整体连通性，任何两个节点如果在通信距离之内，则可以相互通信；班级中每个学员是在搜索空间中随机产生的，NP为种群数量，学员初始化过程如下： 其中，和分别为解空间i维度的上限和下限值；步骤四：计算网络适应度值，即计算网络整体连通性，计算过程fX为：网络中任意两个节点如果处于通信距离内，则计为连通；对网络所有节点的连通性进行计量，如果网络不连通，即存在孤立点，则适应度为0，如果图连通，但是存在割点，则适应度值取图中割点数量的倒数，如果图连通并且无割点，则取整体连通度总和作为适应值；步骤五：设定循环次数为1，并进入循环；步骤六：“教”阶段，在算法“教”阶段中，班级中的每一个学员Xjj＝1,2,3,...NP是根据适应度值最好的个体Xteacher和学员的平均值mean之间的差进行学习，每个学员向老师学习，利用老师Xteacher和学员之间的均值mean差异进行学习，采用如下公式进行计算： difference＝ri×Xteacher-TFi×mean3 TFi＝round[1+rand0,1]5上述公式中，和分别表示第i个学员学习前和学习后的值，而公式4得到的是所有学员的平均值，TFi学习因子，学习步长ri＝rand0,1；步骤七：在“教”阶段完成后进行学员更新的操作，学员根据和老师学习前后的成绩进行对比，如果那么如果那么步骤八：“学”阶段，在算法的“学”阶段中，对每一个学员Xii＝1,2,3,...NP，在班级中随机选取一个学习对象Xjj＝1,2,3,...NP，j≠i，Xi通过分析自己和学员Xj之间的差异进行学习调整，在教与学算法中每个学员因为学习步长r采用不同的学习因子；采用如下公式进行“学习”过程： 在上式中ri＝U0,1表示第i个学员的学习因子；步骤九：在“学”阶段完成后进行更新学员的操作，学员根据同学互助前后的成绩进行对比，如果那么如果那么步骤十：学员随后按照学员自扰动策略，增强算法的全局寻优能力，减少陷入局部最优的情况，自扰动策略计算过程如下： 其中a为控制学员遗忘和学习程度的值；步骤十一：记忆整体连通性最好的增补节点的节点布局；步骤十二：循环次数增加1；步骤十三：如果超过循环次数，则返回最佳适应值，程序结束，否则回到步骤六；步骤十四：结束。

全文数据：

权利要求：

百度查询： 成都盛科信息技术有限公司 一种基于改进教与学算法的WSN连通性最大化增补节点优化部署方法