關(guān)志艷

(山西大學(xué)商務(wù)學(xué)院信息學(xué)院，山西 太原 030031)

0 引言

近年來(lái)，信息技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展給人類社會(huì)和國(guó)民經(jīng)濟(jì)的各個(gè)領(lǐng)域帶來(lái)了巨大變化，尤其是物聯(lián)網(wǎng)的發(fā)展。無(wú)線傳感器網(wǎng)絡(luò)是物聯(lián)網(wǎng)的重要分支，被譽(yù)為“改變世界的十大技術(shù)之一”。[1]覆蓋控制是WSN中的一個(gè)基本問(wèn)題，直接影響著監(jiān)控質(zhì)量，不管是區(qū)域覆蓋、點(diǎn)覆蓋、柵欄覆蓋，只有傳感器節(jié)點(diǎn)將目標(biāo)覆蓋，才能達(dá)到WSN的基本要求。

人工魚(yú)群算法由李曉磊[2]博士于2002年首次提出，近些年應(yīng)用魚(yú)群算法解決實(shí)際工程優(yōu)化問(wèn)題越來(lái)越多。李曉磊等[3]引入生存機(jī)制和競(jìng)爭(zhēng)機(jī)制來(lái)對(duì)算法加以改進(jìn)。王錫淮等[4]設(shè)計(jì)了基于競(jìng)爭(zhēng)懲罰函數(shù)的適應(yīng)值函數(shù)來(lái)改進(jìn)人工魚(yú)群算法，算法的收斂速度和搜索效率都得到了提高。

本文將人工魚(yú)群算法應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)覆蓋中，目的希望通過(guò)魚(yú)群的覓食行為，聚群行為來(lái)調(diào)整。仿真實(shí)驗(yàn)證明，人工魚(yú)群算法對(duì)于隨機(jī)部署于WSN的節(jié)點(diǎn)有改善效果，從而提高有效覆蓋率。

1 人工魚(yú)節(jié)點(diǎn)感知模型

人工魚(yú)描述可借助于面向?qū)ο蠓椒?，定義其是一個(gè)封裝了自身數(shù)據(jù)和行為的實(shí)體。人工魚(yú)所在的環(huán)境是問(wèn)題的解空間和其他人工魚(yú)的狀態(tài)。這與WSN監(jiān)測(cè)環(huán)境下部署節(jié)點(diǎn)高度吻合,每一個(gè)節(jié)點(diǎn)類比一條人工魚(yú)，每個(gè)節(jié)點(diǎn)都封裝了自身屬性和移動(dòng)行為，節(jié)點(diǎn)在下一刻的位置取決于問(wèn)題當(dāng)前解的優(yōu)劣和其他同伴的狀態(tài)。

如圖1所示，假設(shè)人工魚(yú)節(jié)點(diǎn)Si的當(dāng)前位置在Xi，以Si的感知半徑RS為圓的區(qū)域可理解為人工魚(yú)的Visual視野范圍，在視野范圍內(nèi)，若Xi位置狀態(tài)優(yōu)于當(dāng)前狀態(tài)X；則step向前一步到達(dá)Xnext，否則巡視視野內(nèi)的其他位置。將節(jié)點(diǎn)Si的鄰居節(jié)點(diǎn)(兩節(jié)點(diǎn)間距離小于2RS)當(dāng)作環(huán)境中的感知同伴，同伴影響對(duì)Si的狀態(tài)也會(huì)相應(yīng)調(diào)整自身狀態(tài)。

圖1 人工魚(yú)感知模型示意圖

2 人工魚(yú)節(jié)點(diǎn)的基本行為

2.1 覓食行為

覓食行為一般認(rèn)為人工魚(yú)通過(guò)視覺(jué)或味覺(jué)來(lái)感知水中食物量或濃度進(jìn)而選擇下一時(shí)刻位置。在WSN環(huán)境中，由于隨機(jī)部署節(jié)點(diǎn)，必然會(huì)造成覆蓋盲區(qū)。覆蓋盲區(qū)吸引附近節(jié)點(diǎn)去填補(bǔ)，覆蓋盲區(qū)等價(jià)為食物濃度。

圖2 覓食行為示意圖

行為描述[5]：設(shè)人工魚(yú)節(jié)點(diǎn)Si當(dāng)前狀態(tài)為Xi，在其感知范圍內(nèi)隨機(jī)選擇一個(gè)狀態(tài)Xj。

Xj=Xi+Visual·Rand()

.

(1)

其中，Rand()為[0，1]之間隨機(jī)數(shù)，若Y(Xj)>Y(Xi)，則向該方向前進(jìn)一步。Y=f(x) ，Y為食物濃度目標(biāo)函數(shù)值。

.(2)

反復(fù)嘗試Try-number以后，若仍不滿足Y(Xj)>Y(Xi)，則保持原地不變。

偽代碼描述：

float fish_sensor:FS_prey()

{for(i=0;i

{Xj=Xi+Rand()·Visual;

if(Y(Xj)>Y(Xi))

else

Xi/next=Xi+Rand()·step;

}

}

2.2 聚群行為

(3)

其中：L、S分別為檢測(cè)區(qū)域的長(zhǎng)與寬。

圖3 蜂窩節(jié)點(diǎn)分布

偽代碼描述：

float fish_sensor:FS_ swarm()

{

nf=0;Xc=0;

for(j=0;j

{if(dij

{nf++; Xc= Xc+Xj;}

else

FS_prey();

}

}

3 算法流程

1) 初始化人工魚(yú)節(jié)點(diǎn)規(guī)模N，人工魚(yú)節(jié)點(diǎn)移動(dòng)最大步長(zhǎng)step，感知半徑視野Visual RS，迭代次數(shù)Try-number，擁擠度因子δ；

2) 隨機(jī)部署人工魚(yú)節(jié)點(diǎn)，并自身獲取自動(dòng)位置坐標(biāo)；

3) 計(jì)算網(wǎng)絡(luò)有效覆蓋率；

4) 對(duì)每個(gè)人工魚(yú)節(jié)點(diǎn)進(jìn)行評(píng)價(jià)，并根據(jù)鄰居節(jié)點(diǎn)間的覆蓋盲區(qū)和重疊區(qū)進(jìn)行覓食行為和聚群行為判斷；

5) 執(zhí)行選擇的行為，更新人工魚(yú)節(jié)點(diǎn)位置；

6) 更新全局人工魚(yú)節(jié)點(diǎn)狀態(tài)。

4 仿真性能

在MATLAB環(huán)境下進(jìn)行實(shí)驗(yàn)仿真。在50 m×50 m的監(jiān)測(cè)區(qū)域，分布感知半徑視野Visual RS=10的人工魚(yú)節(jié)點(diǎn)，據(jù)公式(3)可計(jì)算將需人工魚(yú)節(jié)點(diǎn)60個(gè)，隨機(jī)分布人工魚(yú)節(jié)點(diǎn)，假設(shè)人工魚(yú)節(jié)點(diǎn)移動(dòng)最大步長(zhǎng)step=1，迭代次數(shù)Try-number=100，擁擠度因子δ=0.01，由于節(jié)點(diǎn)的初始部署對(duì)人工魚(yú)群算法有一定影響，因此取50次隨機(jī)部署經(jīng)過(guò)人工魚(yú)群以觀察結(jié)果，圖4為兩次隨機(jī)部署節(jié)點(diǎn)后，分別經(jīng)過(guò)人工魚(yú)群算法后的節(jié)點(diǎn)分布改善情況，圖中可以觀察到隨機(jī)分布后的節(jié)點(diǎn)經(jīng)過(guò)人工魚(yú)群算法后，節(jié)點(diǎn)的分布更均勻化，由于隨機(jī)初始化節(jié)點(diǎn)位置對(duì)算法有很大的影響，并不是每次算法都可以取得很好的效果，因此取了50次隨機(jī)初始化，每次算法內(nèi)都迭代100次，經(jīng)過(guò)對(duì)50次初始化取均值得出經(jīng)過(guò)算法作用后，網(wǎng)絡(luò)覆蓋有效率提高5.23%。

圖4 人工魚(yú)群算法分布對(duì)比圖

5 結(jié)束語(yǔ)

本文研究了基本人工魚(yú)群算法在同構(gòu)無(wú)線傳感器網(wǎng)絡(luò)中的應(yīng)用，將隨機(jī)部署的節(jié)點(diǎn)抽象成封裝了自身數(shù)據(jù)和行為的人工魚(yú)，可以根據(jù)自身及周邊環(huán)境的覆蓋盲區(qū)和重疊區(qū)為引導(dǎo)來(lái)指導(dǎo)人工魚(yú)節(jié)點(diǎn)的移動(dòng)，人工魚(yú)節(jié)點(diǎn)規(guī)模，人工魚(yú)節(jié)點(diǎn)移動(dòng)最大步長(zhǎng)，感知半徑視野，迭代次數(shù)，擁擠度因子是基本人工魚(yú)群算法中重要的參數(shù)，從仿真實(shí)驗(yàn)可以看出在常規(guī)參數(shù)設(shè)置后，人工魚(yú)算法對(duì)隨機(jī)部署的無(wú)線傳感器網(wǎng)絡(luò)有效覆蓋率有一定的提高，但也可以看出上述參數(shù)對(duì)算法效果的影響，并不是每一次算法都有改善作用，后續(xù)將深入對(duì)其中的擁擠度因子等參數(shù)的研究。