无线传感器节点部署方法、装置、设备及可读存储介质

1.本发明属于无线传感器网络技术领域，具体涉及一种无线传感器节点部署方法、装置、设备及可读存储介质。


背景技术：

2.无线传感网络(wsn)是由多个无线传感器节点组成，通过无线通信的方式以自组织形式组成的多跳无线网络。网络中的每个节点具有感知通信、计算储存数据、处理传输数据的能力，而无线传感网络因具有部署灵活、可靠性高等优势被广泛的应用到军工农林、航天航空、结构健康监测等领域。传感器节点目标区域覆盖率是衡量wsn服务质量的指标之一，为了给wsn覆盖优化问题提供了新的思路，群智能算法被应用于该领域提升wsn的综合性能。
3.现有方法存在优化后期盲目搜索现象，后期精细局部搜索难以跳出局部最优，以及未实现目标区域的百分百覆盖的问题。虽然在wsn节点部署上行之有效，但为了满足实际应用的需求，wsn的覆盖率仍需提高。


技术实现要素：

4.针对现有技术中存在的问题，本发明提供了无线传感器节点部署方法、装置、设备及可读存储介质，使得无线传感器网络覆盖率达到最大，覆盖冗余和覆盖漏洞达到最小，搜索速度和精度得到提高。
5.为了解决上述技术问题，本发明通过以下技术方案予以实现：
6.一种无线传感器节点部署方法，包括：
7.获取待监测区域的大小以及无线传感器节点的感知半径；
8.根据所述待监测区域的大小以及所述无线传感器节点的感知半径确定无线传感器节点的m个实际部署方案，每个所述实际部署方案包括每一无线传感器节点的位置以及个数；
9.根据m个实际部署方案，采用改进麻雀搜索优化算法确定最优实际部署方案，其中，每个所述实际部署方案作为一只麻雀；
10.根据所述最优实际部署方案进行无线传感器节点部署。
11.进一步地，所述根据所述待监测区域的大小以及所述无线传感器节点的感知半径确定无线传感器节点的m个实际部署方案，具体包括：
12.根据所述待监测区域的大小以及所述无线传感器节点的感知半径确定所述无线传感器节点的个数；
13.在所述待检测区域内随机抛洒相应个数的无线传感器节点，确定所述无线传感器节点的实际位置；
14.根据所述无线传感器节点的个数和所述实际位置确定实际部署方案；
15.根据所述实际部署方案以及所述无线传感器节点的感知半径生成m个实际部署方
案。
16.进一步地，所述根据m个实际部署方案，采用改进麻雀搜索优化算法确定最优实际部署方案，具体包括：
17.采用佳点集策略对m个实际部署方案进行初始化，确定当前时刻的每一所述实际部署方案的覆盖率；
18.对当前时刻的每一所述实际部署方案的覆盖率进行由大到小的排序，并确定当前时刻的最优覆盖率；
19.根据排序结果确定麻雀种群的发现者、麻雀种群中的加入者以及麻雀种群的侦察者；
20.对所述麻雀种群的发现者、所述麻雀种群中的加入者以及所述麻雀种群的侦察者进行下一时刻的位置更新；
21.根据更新位置后的麻雀种群确定最优麻雀位置；
22.对更新位置后的麻雀种群利用萤火虫进行扰动，将扰动后的位置与当前最优麻雀位置进行比较，如果更好保留，否则继续保留上一时刻的最优麻雀位置；
23.判断所述迭代次数是否达到迭代次数阈值；
24.若达到，则将最优麻雀位置作为所述最优实际部署方案；
25.若未达到，则返回所述确定当前时刻的每一所述实际部署方案的覆盖率的步骤。
26.进一步地，所述麻雀种群的发现者为占排序结果前20％的个体，所述麻雀种群中的加入者为排序结果后80％的个体，所述麻雀种群的侦察者随机抽取发现者和加入者中的10％的个体。
27.进一步地，对所述麻雀种群的发现者进行下一时刻的位置更新，更新公式为：
[0028][0029]
其中，和分别表示第t 1代和t代第i只麻雀的位置、第j维的全局最优值；iter
max
为最大迭代次数；α为(0,1]之间的均匀随机数；q是服从标准正态分布的随机数；l表示大小为1
×
d，元素均为1的矩阵；r2∈[0,1]和st∈[0.5,1]分别表示预警值和安全值；
[0030]
对所述麻雀种群中的加入者进行下一时刻的位置更新，更新公式为：
[0031][0032]
其中，表示t 1代发现者所占据的最优位置；则表示t代全局最差的位置；a表示一个1
×
d的矩阵，其中每个元素随机赋值为1或-1，并且a

＝a
t
(aa
t
)-1
；
[0033]
对所述麻雀种群的侦察者进行下一时刻的位置更新，更新公式为：
[0034][0035]
其中，为第t次迭代时全局最优位置；β作为步长控制参数，是服从均值为0，方差为1的正态分布的随机数；k∈[-1,1]是一个随机数；fi是当前麻雀个体的适应度值；fg和fw分别是当前全局最佳和最差的适应度值；ε是最小的常数，防止分母为0。
[0036]
进一步地，所述确定当前时刻的每一所述实际部署方案的覆盖率，具体包括：
[0037]
采用概率感知模型确定当前时刻的每一所述实际部署方案的覆盖率。
[0038]
一种无线传感器节点部署装置，包括：
[0039]
获取模块，用于获取待监测区域的大小以及无线传感器节点的感知半径；
[0040]
第一确定模块，用于根据所述待监测区域的大小以及所述无线传感器节点的感知半径确定无线传感器节点的m个实际部署方案，每个所述实际部署方案包括每一无线传感器节点的位置以及个数；
[0041]
第二确定模块，根据m个实际部署方案，采用改进麻雀搜索优化算法确定最优实际部署方案，其中，每个所述实际部署方案作为一只麻雀；
[0042]
执行模块，用于根据所述最优实际部署方案进行无线传感器节点部署。
[0043]
进一步地，包括：所述第一确定模块具体包括：
[0044]
第一确定单元，用于根据所述待监测区域的大小以及所述无线传感器节点的感知半径确定所述无线传感器节点的个数；
[0045]
第二确定单元，用于在所述待检测区域内随机抛洒相应个数的无线传感器节点，确定所述无线传感器节点的实际位置；
[0046]
第三确定单元，用于根据所述无线传感器节点的个数和所述实际位置确定实际部署方案；
[0047]
部署方案生成单元，用于根据所述实际部署方案以及所述无线传感器节点的感知半径生成m个实际部署方案。
[0048]
进一步地，包括：所述第二确定模块具体包括：
[0049]
第四确定单元，用于采用佳点集策略对m个实际部署方案进行初始化，确定当前时刻的每一所述实际部署方案的覆盖率；
[0050]
第五确定单元，用于对当前时刻的每一所述实际部署方案的覆盖率进行由大到小的排序，并确定当前时刻的最优覆盖率；
[0051]
第六确定单元，用于根据排序结果确定麻雀种群的发现者、麻雀种群中的加入者以及麻雀种群的侦察者；
[0052]
位置更新单元，用于对所述麻雀种群的发现者、所述麻雀种群中的加入者以及所述麻雀种群的侦察者进行下一时刻的位置更新；
[0053]
第七确定单元，用于根据更新位置后的麻雀种群确定最优麻雀位置；
[0054]
比较单元，用于对更新位置后的麻雀种群利用萤火虫进行扰动，将扰动后的位置与当前最优麻雀位置进行比较，如果更好保留，否则继续保留上一时刻的最优麻雀位置；
[0055]
判断单元，用于判断所述迭代次数是否达到迭代次数阈值；若达到，则将最优麻雀位置作为所述最优实际部署方案；若未达到，则返回执行所述确定当前时刻的每一所述实际部署方案的覆盖率。
[0056]
一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种无线传感器节点部署方法的步骤。
[0057]
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种无线传感器节点部署方法的步骤。
[0058]
与现有技术相比，本发明至少具有以下有益效果：
[0059]
本发明所提供的一种无线传感器节点部署方法，以无线传感器网络覆盖为优化目标，每一种部署方案作为一只麻雀，建立麻雀种群，初始化每只麻雀的位置，根据m个实际部署方案，采用改进麻雀搜索优化算法确定最优实际部署方案。在麻雀搜索算法的基础上利用佳点集对麻雀种群进行初始化，使之尽可能均匀的分布在目标区域内，为了避免麻雀个体陷入“早熟”陷阱而位置停滞不前且适应度值不再变化，对当前全局最优值和最差值进行萤火虫扰动，打破或者避免这种情况，让部分个体跳出陷阱去寻找潜在的比当前时刻适应度更高的全局最优解，直到达到迭代次数阈值，指导麻雀飞行到最佳位置，则可以提高ssa的收敛速度和搜索能力。本发明使得无线传感器网络覆盖率达到最大，覆盖冗余和覆盖漏洞达到最小，搜索速度和精度得到提高
[0060]
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0061]
为了更清楚地说明本发明具体实施方式中的技术方案，下面将对具体实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0062]
图1为本发明的实现流程图；
[0063]
图2为n＝100时初始化分布对比图，其中，(a)为混沌逻辑方法产生的100个点，(b)为混沌立方体方法产生的100个点，(c)为佳点集方法产生的100个点；
[0064]
图3为n＝40时，iter
max
＝300时，a＝50m
×
50m时，iabc算法、ssa算法和issa算法优化覆盖率-迭代对比图；
[0065]
图4为n＝40时，iter
max
＝300时，a＝50m
×
50m时，(a)为随机部署、(b)为iabc算法、(c)为ssa算法和(d)为issa算法节点部署分布对比图；
[0066]
图5为n＝40时，iter
max
＝80时，a＝80m
×
80m时，igwo算法、ssa算法和issa算法优化覆盖率-迭代对比图；
[0067]
图6为n＝40时，iter
max
＝80时，a＝80m
×
80m时，(a)为随机部署、(b)为igwo算法、(c)为ssa算法和(d)为issa算法节点部署分布对比图；
[0068]
图7为n＝100时，iter
max
＝1000，a＝100m
×
100m，ifa算法、ssa算法和issa算法覆盖率-迭代对比图；
[0069]
图8为n＝100时，iter
max
＝1000，a＝100m
×
100m，(a)为随机部署、(b)为ifa算法、(c)为ssa算法和(d)为issa算法节点部署分布对比图。
具体实施方式
[0070]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0071]
请参阅图1，本发明一种无线传感器节点部署方法，具体步骤如下：
[0072]
s1、获取待监测区域的大小以及无线传感器节点的感知半径。
[0073]
s2、根据所述待监测区域的大小以及所述无线传感器节点的感知半径确定无线传感器节点的m个实际部署方案，每个所述实际部署方案包括每一无线传感器节点的位置以及个数。
[0074]
具体地说，所述根据所述待监测区域的大小以及所述无线传感器节点的感知半径确定无线传感器节点的m个实际部署方案，具体包括：
[0075]
s21、根据所述待监测区域的大小以及所述无线传感器节点的感知半径确定所述无线传感器节点的个数；
[0076]
s22、在所述待检测区域内随机抛洒相应个数的无线传感器节点，确定所述无线传感器节点的实际位置；
[0077]
s23、根据所述无线传感器节点的个数和所述实际位置确定实际部署方案；
[0078]
s24、根据所述实际部署方案以及所述无线传感器节点的感知半径生成m个实际部署方案。
[0079]
作为一个具体的实施例，在待监测区域内随机抛洒n个无线传感器节点，形成无线传感器部署方案的一种实际部署方案，其余m-1个方案通过实际部署方案生成；生成方式为在每个节点的感知半径r的区域内，再生成m-1个新的节点位置信息，依次通过该方式形成m-1个部署方案。其麻雀种群的位置信息表示为：
[0080][0081]
其中，在t时刻时，麻雀种群的位置信息用x表示，其中(x
1,1
,x
1,2
,
…
,x
1,n
)表示一种不是方案中的第1～n个传感器的坐标值，x
1,1
包含第1个传感器节点位置、在第n维空间的值。
[0082]
s3、根据m个实际部署方案，采用改进麻雀搜索优化算法确定最优实际部署方案，其中，每个所述实际部署方案作为一只麻雀。
[0083]
具体地说，所述根据m个实际部署方案，采用改进麻雀搜索优化算法确定最优实际部署方案，具体包括：
[0084]
s31、采用佳点集策略对m个实际部署方案进行初始化，确定当前时刻的每一所述
实际部署方案的覆盖率；优选的，采用概率感知模型确定当前时刻的每一所述实际部署方案的覆盖率。
[0085]
s32、对当前时刻的每一所述实际部署方案的覆盖率进行由大到小的排序，并确定当前时刻的最优覆盖率；
[0086]
s33、根据排序结果确定麻雀种群的发现者、麻雀种群中的加入者以及麻雀种群的侦察者；优选的，所述麻雀种群的发现者为占排序结果前20％的个体，所述麻雀种群中的加入者为排序结果后80％的个体，所述麻雀种群的侦察者随机抽取发现者和加入者中的10％的个体。
[0087]
s34、对所述麻雀种群的发现者、所述麻雀种群中的加入者以及所述麻雀种群的侦察者进行下一时刻的位置更新；
[0088]
s35、根据更新位置后的麻雀种群确定最优麻雀位置；
[0089]
s36、对更新位置后的麻雀种群利用萤火虫进行扰动，将扰动后的位置与当前最优麻雀位置进行比较，如果更好保留，否则继续保留上一时刻的最优麻雀位置；
[0090]
s37、判断所述迭代次数是否达到迭代次数阈值；
[0091]
s38、若达到，则将最优麻雀位置作为所述最优实际部署方案；
[0092]
s39、若未达到，则返回所述确定当前时刻的每一所述实际部署方案的覆盖率的步骤。
[0093]
更加具体的说，监测区域的覆盖率是所有传感器节点覆盖的目标点数与该区域总点数的比值，定义为：
[0094][0095]
其中，fi为麻雀的适应度值，a
area
(s
all
)为传感器节点集s
all
覆盖的面积，a为监测区域的总面积，p(s
all
,g)为监测区域a内的传感器节点集s
all
对目标g的联合监测概率；
[0096]
该覆盖率便是改进麻雀搜索算法的适应度函数。
[0097]
采用佳点集方法对种群进行初始化，得到每个麻雀的位置信息及其适应度值；
[0098]
利用佳点集方法初始化麻雀种群，使得种群在目标监测区域分布的更均匀，提高种群的多样性，进而提高全局最优值的质量。
[0099]
求得佳点集的基本方法如下：
[0100]
①
设vd是d维euclidean空间内的单位立方体，即x∈vd,x∈(x1,x2,
…
,xd)，0≤xi≤1,i＝1,2,
…
,d；
[0101]
②
若r∈vd，形如偏差φ(n)满足φ(n)≤v(r,ε)n-1 ε
，称pn(i)为佳点集，r为佳点，v(r,ε)是仅与r和ε相关的正常数，ε是任意小的正数；
[0102]
③
用分圆域法求佳点集r，取r＝2cos(2kπ/t),1≤k≤d，t是满足的最小素数，或取r＝ek,1≤k≤d，r均为佳点。
[0103]
采用佳点集得到的麻雀适应度值进行计算，对当前时刻的每一所述实际部署方案的覆盖率进行由大到小的排序，并确定当前时刻的最优覆盖率。覆盖率越大其麻雀的位置
越优获得麻雀种群中的全局最优位置，记录全局最差位置。
[0104]
对所述麻雀种群的发现者和所述麻雀种群中的加入者进行下一时刻的位置更新，即作为发现者的麻雀，其适应度值比较高，其具有领导和导向作用，而在每一轮迭代更新的过程中，只要寻找更好的食物来源，每只麻雀都可以成为发现者；这里所述的更好的食物来源指的是麻雀位置更新后，其适应度值在种群排序中较好。
[0105]
麻雀种群在下一时刻的位置更新中，其发现者的位置更新公式为：
[0106][0107]
其中，其中，和分别表示第t 1代和t代第i只麻雀的位置、第j维的全局最优值；iter
max
为最大迭代次数；α为(0,1]之间的均匀随机数；q是服从标准正态分布的随机数；l表示大小为1
×
d，元素均为1的矩阵；r2∈[0,1]和st∈[0.5,1]分别表示预警值和安全值。当r2《st时，种群未发现捕食者的存在或其他危险，搜索环境安全，发现者可广泛搜索，引导种群获取更高的适应度；当r2≥st时，侦察麻雀发现捕食者，并立即释放危险信号，种群立即做反捕食行为，调整搜索策略，迅速向安全区域靠拢。
[0108]
作为加入者的麻雀，个数占种群的80％，其特点在于适应度值不高，其跟随发现者来更新其位置，若觅食位置差，有可能飞向其他地方以获得更多能量；这里所述能量就是评价麻雀的适应度值的覆盖率大小。加入者位置更新公式为：
[0109][0110]
其中，表示t 1代发现者所占据的最优位置；则表示t代全局最差的位置；a表示一个1
×
d的矩阵，其中每个元素随机赋值为1或-1，并且a

＝a
t
(aa
t
)-1
。当i》n/2时，这表明，适应度值较低的第i个加入者没有获得食物，处于十分饥饿的状态，此时需要飞往其他地方觅食，以获得更多的能量。
[0111]
对所述麻雀种群的侦察者进行下一时刻的位置更新。种群中还存在一些麻雀意识到危险后进行反捕行为，称为侦察者，个数占种群的10％，特点是任何发现者和加入者都有可能成为侦察者，侦察者的位置是随机在两者之中产生的。当侦察者的麻雀的适应度值超过了全局最优值时，其值并未出现过，则位置更新朝着全局最优的方向更新，否则，若麻雀的适应度值等于全局最优值时，则该麻雀往全局最差值的方向更新，来寻找新解；若麻雀的适应度值不超过全局最优值时，则警戒者不做任何更新。
[0112]
侦察者位置更新如下：
[0113]
[0114]
其中，为第t次迭代时全局最优位置；β作为步长控制参数，是服从均值为0，方差为1的正态分布的随机数；k∈[-1,1]是一个随机数；fi是当前麻雀个体的适应度值；fg和fw分别是当前全局最佳和最差的适应度值；ε是最小的常数，防止分母为0。
[0115]
为方便使用，当fi》fg表示此时的麻雀正处于种群的边缘，极其容易受到捕食者的攻击。表示这个位置的麻雀是种群中最好的位置也是十分安全的。fi＝fg时，这表明处于种群中间的麻雀意识到了危险，需要靠近其它的麻雀以此尽量减少它们被捕食的风险。k表示麻雀移动的方向同时也是步长控制参数。
[0116]
对更新位置后的麻雀种群利用萤火虫进行扰动，将扰动后的位置与当前最优位置进行比较，如果更好保留，否则继续保留上一时刻的最优位置；
[0117]
萤火虫算法位置更新如下式所示：
[0118]
xi(t 1)＝xi(t) β
ij
(r
ij
)(xi(t)-xj(t)) α(rand-0.5)
[0119]
其中，t为迭代次数；β
ij
(r
ij
)为萤火虫j对萤火虫i的吸引力；α为步长因子[0,1]上的常数；rand为[0,1]上服从均匀分布的随机数。
[0120]
s4、根据所述最优实际部署方案进行无线传感器节点部署。
[0121]
本发明公开了一种无线传感器节点部署方法，采用佳点集对麻雀在目标监测区间进行种群初始化，使麻雀个体尽可能均匀的分布在目标区域中，增强麻雀个体的解空间遍历性；其次，使用萤火虫扰动机制，对最优解进行扰动变异，进一步增强种群多样性，克服麻雀搜索算法迭代后期个体逐渐向适应度较好个体靠拢所导致的陷入早熟的陷阱；最后，使用提出的改进麻雀搜索算法对无线传感器节点部署问题进行优化，得到较优解。通过仿真结果可知，改进的算法在目标监测区域中没有出现扎堆聚集的现象，并且很少有覆盖空洞和节点冗余。并且该算法与iabc算法、igwo算法以及ifa算法相比覆盖率分别提高了13.57％、11.8％和6.6％，并且在相同覆盖率的情况下，该算法所用传感器节点数目更少，节约部署成本。
[0122]
表1算法对比表
[0123][0124]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0125]
请参阅图2，图2中分别给出混沌逻辑序列法、混沌立方序列法和佳点集方法产生的种群规模为100的初始化种群分布，从图2中(a)、(b)和(c)可知，佳点集方法布设比混沌
逻辑序列法和混沌立方序列法更均匀稳定，能够遍历区间的各个地方，使萤火虫个体找到比自己亮度更高个体(即适应度高)所在的位置。
[0126]
在matlab2016b环境下进行仿真实验。目标监测区域为100m
×
100m的正方形平面a内随机部署100个传感器节点。每一个传感器节点代表种群中的一个萤火虫，节点的感知半径为7m，通信半径为14m，初始化算法的各项基本参数。
[0127]
表2随机部署、iabc算法、ssa算法和issa算法覆盖率结果对比表
[0128][0129]
表3随机部署、igwo算法、ssa算法和issa算法覆盖率结果对比表
[0130][0131]
在matlab2016b环境下进行仿真实验，设置仿真实验参数，目标监测区域为50m
×
50m的二维平面，同构传感器节点为40个，其感知半径为5m，通信半径10m，迭代次数为300次。
[0132]
图3为iabc算法、ssa和issa算法覆盖率-迭代曲线图，图4为优化后的传感器节点部署图，表2为随机分布、iabc算法、ssa和issa算法的覆盖优化结果对比。分析图4和表2可知，在相同条件下，issa算法的网络覆盖率达到95.79％，与随机分布、ssa算法和iabc算法相比，覆盖率分别提升了29.56％、11.24％和13.57％，减少了覆盖冗余，改善目标区域节点聚集现象。
[0133]
在matlab2016b环境下进行仿真实验，设置仿真实验参数，目标监测区域为80m
×
80m的二维平面，同构传感器节点个数是40个，其感知半径为8m，通信半径16m，迭代次数为300次。
[0134]
图5和图6分别是igwo算、ssa算法和issa算法在监测区间覆盖率-迭代曲线图和优化后的传感器节点部署图，表3为随机部署、igwo算法、ssa算法和issa算法的覆盖优化结果对比。分析图5图、图6和表3可知，采用随机分布的传感器节点覆盖率仅为69.60％，导致监测区域存在大量的覆盖冗余和漏洞。将issa算法用于wsn覆盖优化中，传感器节点在监测区域分布均匀，覆盖率达到94.33％，相较于节点随机部署、igwo算法和ssa算法，覆盖率分别提高了27.73％、11.8％和9.56％。
[0135]
表4随机部署、ifa算法、ssa算法和issa算法覆盖率结果对比表
[0136][0137]
在matlab2016b环境下进行仿真实验，设置仿真实验参数，监测区域为100m
×
100m的二维平面，同构传感器节点是100个，其感知半径为7m，通信半径为14m，迭代次数为1000次。图7和图8分别为ifa算法、ssa算法和issa算法在覆盖优化时的迭代曲线图和优化后的传感器节点部署图，表4为随机部署、ifa算法、ssa算法和issa算法的覆盖优化结果对比。分析图7和表4可知，在相同仿真参数下，issa算法在wsn覆盖优化中的覆盖率为93.46％，与节点随机分布、ifa算法、ssa算法和issa算法相比，覆盖率分别提高了18.27％、6.6％和9.42％。
[0138]
由表2～4可知，佳点集和带有萤火虫扰动麻雀搜索算法的传感器节点部署策略平均覆盖率高于其他同等实验条件下的其他算法，且使用较少的节点数目就达到要求的有效覆盖范围，节点的利用率、算法收敛速度和算法求解质量高于其他算法网络覆盖率。
[0139]
综上所述，本发明一种无线传感器节点部署方法，基于佳点集方法优化后的种群初始化得到的节点覆盖在目标监测区域均匀分布，使得覆盖冗余和覆盖空洞急剧减少，与随机部署、改进人工蜂群算法、改进的灰狼算法和麻雀搜索算法相比，节点分布更均匀，利用率提高，而且使用更少的节点就能达到有效覆盖监测区域，同时还节省了部署成本。
[0140]
本发明采用佳点集对麻雀在目标监测区间进行种群初始化，使麻雀个体尽可能均匀的分布在目标区域中，增强麻雀个体的解空间遍历性；其次，使用萤火虫扰动机制，对最优解进行扰动编译，进一步增强种群多样性，克服麻雀算法迭代后期个体逐渐向适应度较好个体靠拢所导致的陷入早熟的陷阱；最后，使用提出的改进麻雀搜索算法对无线传感器节点部署问题进行优化，得到较优解。本发明通过相关实验验证了方法的有效性。
[0141]
本发明在一个实施例中，提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于实现一种无线传感器节点部署方法的操作。
[0142]
本发明在一个实施例中，一种无线传感器节点部署方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机
程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
[0143]
所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(如cd、dvd、bd、hvd等)、以及半导体存储器(如rom、eprom、eeprom、非易失性存储器(nandflash)、固态硬盘(ssd))等。
[0144]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0145]
本技术是参照本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0146]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0147]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0148]
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。