arrow
返回

A Coverage Optimization Approach for Wireless Sensor Networks Using Swarm Intelligence Optimization

delete2025-11-06
delete0
delete
OA
AI
S
Shuxin Wang
Q
Qingchen Zhang
Y
Yejun Zheng
Y
Yinggao Yue *
L
Li Cao *
M
Mengji Xiong
DOI:10.3390/biomimetics10110750delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
无线传感器网络(WSNs)覆盖优化面临两大关键挑战:首先,传统算法易陷入局部最优,导致节点部署出现“覆盖空洞”;其次,在动态场景(如节点能量消耗不平衡)下,算法收敛速度慢,难以实时维持高覆盖率。本研究聚焦于WSNs的覆盖优化问题,对Flamingo Search Optimization Algorithm(FSA)算法进行改进。具体而言,通过整合精英对立学习策略和阶段性步长控制策略,显著提升了算法的整体性能。此外,引入余弦变化因子并结合阶段性步长控制策略,使算法在迭代后期能有效摆脱局部最优约束。改进后的Flamingo算法应用于优化感知节点部署策略,从而提升传感器网络的覆盖率。首先,根据目标区域选择适量的感知节点,并采用混沌序列初始化种群;随后采用改进的Flamingo算法优化求解覆盖模型,以覆盖率为适应度函数,将所有随机分布的感知节点坐标作为初始觅食位置;接着进行候选觅食源搜索,获取高适应度感知节点的坐标,并通过混沌理论进一步优化候选觅食源的坐标分量,得到适应度最高的觅食源;最后输出最优觅食源的坐标,对应目标区域所有感知节点的坐标值。实验结果表明,在100次和200次迭代后,改进的Flamingo Search Optimization Algorithm的覆盖率分别比原始FSA高7.48%和5.68%。此外,研究还发现,通过合理设置Flamingo种群规模和迭代次数,改进算法的覆盖率优于其他基准算法。
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

B
Biomimetics
IF:
3.9
论文数:
3.3K
被引数:
5.1K

机构

W
Wenzhou University of Technology
学者数:
476
论文数: 455
被引数: 367
S
shanghai caoyang vocational school
学者数:
7
论文数: 6
被引数: 0
S
Shanghai Zhongqiao Vocational and Technical University
学者数:
85
论文数: 65
被引数: 2
学者 查看更多机构
引用论文

引用论文

Improved Equilibrium Optimization Algorithm Using Elite Opposition-Based Learning and New Local Search Strategy for Feature Selection in Medical Datasets
err2021-06-10
err0
errOAAI
errZenab Mohamed Elgamal; Norizan Mohd Yasin; Aznul Qalid Md Sabri; Rami Sihwail; Mohammad Tubishat; Hazim Jarrah
err分享
err收藏
Target-aware distributed coverage and connectivity algorithm for wireless sensor networks
err2023-02-02
err0
PREAI
errSanjai Prasada Rao Banoth; Praveen Kumar Donta; Tarachand Amgoth
err分享
err收藏
学者 查看更多内容