基于花朵授粉算法的无线传感器网络部署优化附Matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

个人主页:Matlab科研工作室

个人信条:格物致知。

更多Matlab仿真内容点击

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

随着无线传感器网络(Wireless Sensor Network,WSN)技术的不断发展,越来越多的WSN技术已经应用到了智能家居,智慧交通等领域.WSN属于一种重要的ad hoc网络,它由很多具有感知和数据处理能力的传感节点以自组织或多跳的方式搭建.目前,WSN的研究工作主要集中在网络技术和通信协议方面,关于传感器网络部署优化的研究还很少.在空旷的农场或森林部署WSN,一般做法是通过飞机进行高空随机抛撒.但是,这种方法可能出现大量的多余节点和覆盖漏洞.因此,如何用尽量少的传感节点感知最大的区域是WSN部署优化中一个亟待研究的问题.在广阔的农场环境或森林中,需要准备许多传感节点,节点大部分靠电池供电,但是,电池能量是有限的,并且无法更换.因此,如何使用相同数量的节点,达到最长的网络寿命成为WSN部署优化中另一个倍受瞩目的问题.

⛄ 部分代码

%==========================================================================

% 算法说明:荧火虫算法(GSO:Glowworm swarm optimisation:a new method for optimising mutlti-modal functions)

% =========================================================================

clc

clear;%清除变量

close all;

% ================================初始化开始================================

domx=[-3,3;-3,3];%定义域

%domx=[-2.048,2.048;-2.048,2.048];

rho   =0.4; %荧光素挥发因子

gamma =0.6; %适应度提取比例

beta  =0.08;%邻域变化率

nt    =5;   %邻域阀值(邻域荧火虫数)

s     =0.01;%步长

iot0  =5;   %荧光素浓度

rs    =3;   %3;%感知半径

r0    =1.5; %3;%决策半径

% ================================初始化结束================================

% ===============================分配空间开始===============================

m =size(domx,1);    %函数空间维数

n =50;              %萤火虫个数

gaddress =zeros(n,m);%分配荧火虫地址空间

ioti     =zeros(n,1);    %分配荧光素存放空间

rdi      =zeros(n,1);     %分配荧火虫决策半径存放空间

% ===============================分配空间结束===============================

figure(1);

sign_first = 1;

step_track = 0;

x = -3:0.1:3;

y = -3:0.1:3;

[xx,yy] = meshgrid(x,y);

j1=3*(1-xx).^2.*exp(-(xx.^2+(yy+1).^2));

j2=10*(xx./5-xx.^3-yy.^5).*exp(-(xx.^2+yy.^2));

j3=(1/3)*exp(-((xx+1).^2+yy));

zz=j1-j2-j3;

figure(1);

surf(xx,yy,zz);

hold on

% ===========================荧火虫常量初始化开始============================

%1.初始化地址

for i=1:m

    gaddress(:,i)=domx(i,1)+(domx(i,2)-domx(i,1))*rand(n,1);

end

gvalue = maxfun(gaddress);

gbest_old = max(gvalue);

%

%可视化

plot3(gaddress(:,1),gaddress(:,2),gvalue(:),'b*');

drawnow;

pause(1);

%

%2.初始化荧光素

ioti(:,1)=iot0;

%3.初始化决策半径

rdi(:,1)=r0;

iter_max=500;%最大迭代次数

t=1;%迭代累计

unchange = 0;

% ===========================荧火虫常量初始化结束============================

% =============================iter_max迭代开始=============================

while(t<=iter_max) && (unchange<60)

    %1.更新荧光素

    ioti=max(0,(1-rho)*ioti+gamma*maxfun(gaddress));

    %2.各荧火虫移动过程开始

    for i=1:n

        %2.1 决策半径内找更优点

        Nit=[];%存放荧火虫序号

        for j=1:n

            if (norm(gaddress(j,:)-gaddress(i,:))

                Nit(numel(Nit)+1)=j;

            end

        end

        %2.2 找下一步移动的点开始

        if length(Nit)>0 %先判断Nit个数不为0

            Nitioti=ioti(Nit,1);%选出Nit荧光素

            SumNitioti=sum(Nitioti);%Nit荧光素和

            Molecular=Nitioti-ioti(i,1);%分子

            Denominator=SumNitioti-ioti(i,1);%分母

            Pij=Molecular./Denominator;%计算Nit各元素被选择概率

            Pij=cumsum(Pij);%累计

            Pij=Pij./Pij(end);%归一化

            Pos=find(rand

            j=Nit(Pos(1));%确定j的位置

            %荧火虫i向j移动一小步

            gaddress(i,:)=gaddress(i,:)+s*(gaddress(j,:)-gaddress(i,:))/norm(gaddress(j,:)-gaddress(i,:));

            gaddress(i,:)=range(gaddress(i,:),domx);%限制范围

            

            %

            %更新决策半径

            rdi(i)=rdi(i)+beta*(nt-length(Nit));

            if rdi(i,1)<0

                rdi(i,1)=0;

            end

            if rdi(i,1)>rs

                rdi(i,1)=rs;

⛄ 运行结果

基于花朵授粉算法的无线传感器网络部署优化附Matlab代码_第1张图片

基于花朵授粉算法的无线传感器网络部署优化附Matlab代码_第2张图片

基于花朵授粉算法的无线传感器网络部署优化附Matlab代码_第3张图片

⛄ 参考文献

[1]郎健. 无线传感器网络部署优化研究与仿真[D]. 北京工业大学.

[2]王振东, 谢华茂, 胡中栋,等. 改进花朵授粉算法的无线传感器网络部署优化[J]. 系统仿真学报, 2021.

⛄ Matlab代码关注

❤️部分理论引用网络文献,若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料

你可能感兴趣的:(WSN,算法,网络,matlab)