.png){kind=icon}
返回
Coverage and connectivity maximization for wireless sensor networks using improved chaotic grey wolf optimization
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-00184-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无线传感器网络（WSNs）的高效网络覆盖和连通性对于需要无缝数据采集和传输的现代数据驱动型应用至关重要。其中一项关键挑战是传感器节点的最优部署，这直接影响网络性能和部署成本。本研究提出了一种改进的混沌灰狼优化（ICGWO）算法，旨在提升WSN覆盖和连通性，同时解决高部署成本、覆盖不足和连通性不足等问题。首先，建立WSN覆盖和连通性优化问题的数学模型作为基础。通过使用混沌映射改进灰狼优化器（GWO），增强了其寻找最优解的能力并实现更快的收敛，从而得到ICGWO算法。通过CEC_22基准函数对ICGWO的性能进行评估，并与其他优化方法进行比较，结果表明其在效率方面有显著提升。在具体应用中，所提出的ICGWO在传感器节点部署方面取得了更优结果。例如，在案例1中，使用20个传感器节点时覆盖率可达95.9077%；在案例2中，使用30个节点时达到98.2211%。类似地，在案例3中，40个传感器节点的覆盖率为91.6875%，而在案例4中，50个节点的覆盖率为99.4940%。此外，在案例5和案例6中，使用60和70个传感器节点时，覆盖率分别为99.7801%和99.7822%。这些结果相较于其他最先进方法，分别实现了16.41%、5.36%、3.45%、2.371%、2.80%和2.18%的平均提升。这些指标强调了ICGWO在最大化网络覆盖和连通性方面的有效性。研究结果表明，ICGWO能够高效提升覆盖和连通性，使其成为应对多样化场景部署挑战的可靠解决方案。通过最大化覆盖和连通性，ICGWO显著推动了WSN技术的发展。
Keyword:
CEC_22
Chaotic map
Connectivity
Coverage
Improved grey Wolf
Optimization
Wireless sensor network
期刊
IF:
3.9
论文数:
28.2W
被引数:
83.5W
机构
暂无机构信息
引用论文
An Energy-Saving and Efficient Deployment Strategy for Heterogeneous Wireless Sensor Networks Based on Improved Seagull Optimization Algorithm.png)
BIOMIMETICS
OAAI
BIOMIMETICSIF3.9
OAAI分享收藏分享收藏Balancing the trade-off between cost and reliability for wireless sensor networks: a multi-objective optimized deployment methodAPPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏Applications of Wireless Sensor Networks and Internet of Things Frameworks in the Industry Revolution 4.0: A Systematic Literature Review无线传感器网络和物联网框架在工业革命4.0中的应用: 系统文献综述SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏Research on Wireless Sensor Networks Coverage Based on Fruit Fly Optimization Algorithm基于果蝇优化算法的无线传感器网络覆盖研究
PREAI
分享收藏An Improved Artificial Rabbits Optimization Algorithm with Chaotic Local Search and Opposition-Based Learning for Engineering Problems and Its Applications in Breast Cancer Problem一种结合混沌局部搜索和基于反向学习的改进人工兔子优化算法及其在乳腺癌问题中的应用OAAI
OAAI分享收藏
查看更多内容