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：北京理工大学

摘要：本发明提供一种基于图景分析进行算子选择的传感器网络部署方法，基于描述种群所在解空间特征的图景分析技术，提取了多种部署方案在解空间中的状态，包括种群P中的所有个体与最优个体之间的欧氏距离与覆盖率差异、种群P中最优的前10％的个体之间的欧氏距离、种群P中的所有个体的位置差异性，再根据提取出来的状态自适应选择变异算子对种群进行变异，实现了从解空间状态信息到合适的变异算子选择的策略映射，使用户在有限时间内得到覆盖率更高的部署方案，大幅提升了部署优化问题的求解效率，有效解决了传感器网络部署优化问题。

主权项：1.一种基于图景分析进行算子选择的传感器网络部署方法，其特征在于，包括以下步骤：S1：为差分进化算法中的种群P包含的N个不同个体随机设定初始值，其中，各个体均包含待部署的所有传感器的位置坐标，且一个个体对应一个传感器部署方案；S2：采用图景分析技术获取当前种群P在当前t时刻的种群状态St＝{st1,st2,st3}，其中，st1为度量当前种群P中的所有个体与最优个体之间的欧氏距离与覆盖率差异的第一子态，st2为度量当前种群P中最优的前10％的个体之间的欧氏距离的第二子态，st3为度量当前种群P中的所有个体的位置差异性的第三子态；S3：判断当前迭代次数是否到达上限T，若为是，则当前种群中的最优个体中包含的传感器位置坐标为最终的传感器部署方案，若为否，进入步骤S4；S4：生成一个0-1之间的随机数，判断该随机数是否小于设定的探索概率ε，若为是，则随机选择一个变异算子op作为当前t时刻的动作At，若为否，将当前t时刻的种群状态St输入当前Q网络，将使得Q函数值最大的变异算子op作为当前t时刻的动作At；S5：采用变异算子op更新当前种群P；S6：根据更新后和更新前的当前种群P中所有个体的适应度函数值获取动作At对应的奖励Rt，并采用图景分析技术获取更新后的当前种群P在下一时刻的种群状态St+1；S7：将四元组St,At,Rt,St+1存储到经验回放池B中，然后以批量的形式从经验回放池B采样出多个四元组Sk,Ak,Rk,Sk+1作为训练集，k＝1,…,Z，其中，Z为训练集中的四元组样本个数；S8：将训练集中各四元组样本的状态Sk、Sk+1以及动作Ak分别作为目标网络和Q网络的输入，对于每一个四元组样本，将其对应的目标网络输出的函数值最大值与奖励值Rk的和值作为自身对应的目标值yk；根据各四元组样本对应的目标值yk与Q网络输出的Q函数值之间的差值构建均方误差损失函数L；S9：通过均方误差损失函数L对Q网络进行反向传播，以此更新Q网络的参数；S10：判断当前时刻t是否为目标网络的更新频率C的倍数，若为是，则将目标网络更新为步骤S9得到的Q网络，然后重新执行步骤S3；若为否，目标网络不变，直接重新执行步骤S3。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于图景分析进行算子选择的传感器网络部署方法