改进海洋捕食者算法及其在WRSN充电规划中的应用.pdf
《改进海洋捕食者算法及其在WRSN充电规划中的应用.pdf》由会员分享,可在线阅读,更多相关《改进海洋捕食者算法及其在WRSN充电规划中的应用.pdf(9页珍藏版)》请在文库网上搜索。
1、改进海洋捕食者算法及其在 WRSN 充电规划中的应用王俊杰,李明,蔡必文(重庆工商大学计算机科学与信息工程学院,重庆400067)通信作者:王俊杰,E-mail:摘要:针对无线可充电传感器网络下的多无人机充电规划,仅考虑无人机的飞行距离为成本目标规划出最优充电路径显得单一片面,现把无人机的飞行距离、能量消耗、时间成本和无人机搭配成本组合成新的成本目标模型,为了减少飞行停留点次数,还加入了正六边形充电模型,并提出了一种改进的海洋捕食者算法(BMPA)应用到此场景中.改进之处在于:一方面,在海洋捕食者算法中引入了天牛须搜索算法寻找全局气味值最大的点的操作,改善了最优解的质量;另一方面,在海洋捕食者
2、算法中加入了新的自适应的非线性移动步长的参数,进一步改善勘探与开发的平衡,提高了全局搜索能力,促进局部研究的快速收敛.仿真实验结果表明,提出的算法不仅有效地减少了飞行次数,而且降低了飞行距离和算力消耗,与 BAS、MPA 和 PreWBAS 算法相比,在求解新的成本目标函数值上减少了 50.90%、4.85%和 14.38%,证明了改进后的算法的有效性.关键词:无线可充电传感器网络;多目标优化;改进的海洋捕食者算法;天牛须搜索算法;路径规划引用格式:王俊杰,李明,蔡必文.改进海洋捕食者算法及其在 WRSN 充电规划中的应用.计算机系统应用,2023,32(10):192200.http:/ww
3、w.c-s- Marine Predator Algorithm and Its Application in WRSN Charging PlanningWANGJun-Jie,LIMing,CAIBi-Wen(SchoolofComputerScienceandInformationEngineering,ChongqingTechnologyandBusinessUniversity,Chongqing400067,China)Abstract:Forthemulti-UAVchargingplanningunderthewirelessrechargeablesensornetwork
4、,onlyconsideringtheflightdistanceoftheUAVtoplantheoptimalchargingpathforthecosttargetissingleone-sided.NowtheUAVflightdistance,energyconsumption,timecost,andUAVmatchingcostarecombinedintoanewcosttargetmodel.Toreducethenumberofflightstops,aregularhexagonalchargingmodelisalsoadded,andanimprovedmarinep
5、redatoralgorithm(BMPA)isproposedtobeappliedtothisscenario.Theimprovementisasfollows.Ononehand,beetleantennaesearchalgorithmisintroducedintothemarinepredatoralgorithmtofindthepointwiththelargestodorvalue,whichimprovestheoptimalsolutionquality.Ontheotherhand,anewadaptivenonlinearmovingstepparameterisa
6、ddedtothemarinepredatoralgorithm.Asaresult,thebalanceofexplorationanddevelopment,andtheglobalsearchabilityareimproved,andtherapidconvergenceoflocalresearchispromoted.Thesimulationresultsshowthattheproposedalgorithmnotonlyeffectivelyreducesthenumberofflights,butalsodecreasestheflightdistanceandcomput
7、ingpowerconsumption.Inaddition,thenewcostobjectivefunctionvaluesarereducedby50.90%,4.85%,and14.38%comparedwithBAS,MPA,andPreWBASalgorithms,whichprovestheeffectivenessoftheimprovedalgorithm.Key words:wirelessrechargeablesensornetwork(WRSN);multi-objectiveoptimization;improvedmarinepredatoralgorithm;b
8、eetleantennaesearchalgorithm;pathplanning计算机系统应用ISSN1003-3254,CODENCSAOBNE-mail:ComputerSystems&Applications,2023,32(10):192200doi:10.15888/ki.csa.009246http:/www.c-s-中国科学院软件研究所版权所有.Tel:+86-10-62661041基金项目:重庆市教委科技项目(KJZD-M202200801,KJQN201900839);重庆市教育科学规划课题(2018-GX-023);重庆市教改项目(213202);重庆工商大学研究生教改项
9、目(2021YJG0208);重庆工商大学研究生课程思政建设项目(202256)收稿时间:2023-03-18;修改时间:2023-04-20;采用时间:2023-04-27;csa 在线出版时间:2023-07-17CNKI 网络首发时间:2023-07-18192软件技术算法SoftwareTechniqueAlgorithm随着 Kurs 等人1提出电磁耦合谐振能量传输技术,将此技术引入到无线传感器网络中,形成无线可充电传感器网络(wirelessrechargeablesensornetwork,WRSN)2,WRSN 脱胎于无线传感器网络,因此 WRSN应用领域同样也很广泛,如家居3
10、、军事4、交通5等.随着无线可充电传感器网络的深入研究和广泛应用,而充电的路径规划问题已成为该领域研究的热点.如何通过一个合理的充电顺序依次为传感器节点充电,即设计一条合理的充电路径,对于不同规模的传感器网络中,充电设备又可以分为单台移动设备6或者多台移动设备,现在常用的充电设备是移动小车(MC)或者无人机,但由于无人机飞行更便捷,所遇到障碍物少的特点,因此研究无人机为 WRSN 中的节点无线充电时的路径规划非常有意义.在小规模的传感器网络中,设计一个无人机补充能量即可满足需求,但是对于大规模的传感器网络,就需要采取多个无人机及时为传感器节点补充能量,此外,优化算法求解这类问题也有不少突破,为
11、了找到最优的充电路径同时使得充电设备的能量损耗减少,吴蕾等人7采用遗传算法解决路径问题并且提出了基于半径的聚类算法来减少目标点数目来达到降低路径距离.雷蕾等人8运用萤火虫算法来满足网络中节点的动态能耗需求,并设置合理的动态充电时隙从而进行有效的及时充电规划.王茜等人9采用改进的鸽群算法和遗传算法混合的方式求解充电路径问题,并且提出了基于自适应惯性权重的速度更新公式,以加快全局搜索的收敛速度.Hong 等人10提出了环形漫游算法和八流算法,使其平衡多个充电器之间的充电消耗达到节省能量.Mukase 等人11提出了蜉蝣算法(MA)来降低整体系统能耗和总行驶距离,同时提高移动充电器设备的休假时间比.
12、Jia 等人12发明了一种基于计算几何的算法来部署 MC 停留的多个充电位置为附近的传感器充电.Zhao 等人13设计了一种改进的蜂群算法来降低充电能耗和路径成本,从而选出充电效率最高的路径.上述针对求解充电路径问题,虽然用了一些启发式算法,通过减少目标点或者有效部署充电位置、减少充电器休假时间、加快算法的收敛速度和提高算法最优解的能力来减少充电路径上的能耗,但是在实际充电问题中,充电设备在传感器节点上花费时间太多会影响到在其他节点,将等待时间过长,因此,不仅要考虑充电设备自身的能量消耗,还需要对充电时间进行规划,当多充电设备如果有不同型号,搭配的问题也不可忽视.针对上述存在的问题,本文在建立
13、多个不同类型的无人机可充电的传感器网络场景下,综合考虑起无人机飞行路径、能量消耗、充电时间成本和无人机分配成本成为目标函数,同时对海洋捕食者算法14进行改进,加入天牛须算法15,并且加入充电模型减少了飞行的停留次数,用新的算法解决充电路径规划问题.1多辆多种无人机的模型与问题描述 1.1 网络模型考虑一种多无人机的可充电传感器网络作为本文研究的网络模型,如图 1 所示,在一个 LL 平方的平面区域内随机部署 n 个传感器节点、基站和多个无人机,节点之间是通过多跳路由将监测的数据发送给基站,多个无人机从基站里出发的,从高空中采取一对多充电的方式为地面的待充节点集进行无线充电,节点在无人机的充电范
14、围内就可以接收能量,最后,所有的无人机返回到基站休息来补充能量.无人机基站节点图 1网络模型 1.2 能耗模型在传感器网络中,传感器的工作主要是对所检测的数据进行处理.在接收数据过程中是会消耗能量的,能量消耗的模型公式如式(1)所示:Er=ERXcm(1)ERX51014J/bit cm其中,为接收每比特信息消耗的能量,数值为,为接收数据中控制信息的大小.数据传输消耗能量公式如式(2)所示:Et=ETXdm+Efsdmd2,d d0ETXdm+Efsdmd4,d d0(2)式(2)指的是,距离基站越远的节点,消耗的能量2023年第32卷第10期http:/www.c-s-计 算 机 系 统 应
15、 用SoftwareTechniqueAlgorithm软件技术算法193ETX51014J/bit dmEfsdd0会更多,其中是传输每比特信息消耗的能量,数值为,为传输数据中数据信息的大小,是节点本身耗散的能量,是节点到基站的距离,是常量,节点到基站之间的距离临界值为 30m.无人机给传感器节点充电中,主要是分为飞行途中消耗能量和无线能量发射单元消耗(给传感器补充的能量),如图 2 所示.Eb 无线能量发射的消耗Ef 飞行途中消耗的能量图 2无人机能耗模型无人机总能量消耗公式模型如下:Ezong=Ef+Eb(3)Ef=PfTf=PfLV(4)Eb=Pdti(5)ti=EmaxEiPd(6)
16、PfTfVLPdtiEmaxEi其中,为无人机飞行的功率,为飞行的时间,是飞行的速度,是飞机的距离,为无人机固定发射功率,式(6)中的 是每个传感器节点所补充能量的时间,是传感器节点的最大电池容量,为传感器节点的没有充电之前的能量.1.3 充电模型选择正六边形结构的充电簇,可以覆盖整个网络区域16,本文的充电模型如图 3 所示,根据在充电半径r 内是可以接收无人机的能量进行充电,假设本文的网络区域中可以按照多个正六边形拼接而成,那么这就可以把无人机飞行途中的停留点,也就是把需要到达待充节点的这个位置变为正六边形的正中心的位置点.1.4 问题描述本文中,根据参考文献 9 设置了两种不同类型的无人
17、机给传感器节点充电.在这个过程中,主要研究的问题是:在每个无人机所能承受的充电能力没有超过自身的电池容量约束下,合理分配出无人机的数量,使其多无人机充电路径规划的成本最小化.将该问题描述为:minF(7)约束条件为:max(m)FADs(24)FADsUFADsUFADsUrXmaxXminPreyl1Preyl2其中,表示影响算法优化过程的概率,通常情况下取 0.2;是通过在 0,1 中生成一个随机数组,如果随机数组小于,则转换为 0,如果随机解大于,则转换为 1.表示 0,1 中产生的一个随机数,和表示包含维数上下限,和是猎物矩阵的每行数据为一组的随机排列的新矩阵.2.2 改进的海洋捕食者
18、算法2.2.1MPA 算法参数的改进CFCF移动步长的自适应参数对 MPA 迭代优化过程中勘探与开采的平衡有重要影响.式(22)表示在迭代过程中(10),移动步长的自适应参数增加了全局开发17,为此,本文提出了一种新的非线性的移动步长的自适应参数,如式(25)所示,旨在进一步改善勘探与开发的平衡,提高全球搜索能力,促进局部研究的快速收敛.CF=cos(2(1IterMax)(2IterMax)(25)2.2.2BMPA 混合算法的基本思想海洋捕食者算法虽然在解决一些复杂的优化问题上优势明显18,19,但在解决路径问题上存在收敛速度慢和寻优精度低等问题20.天牛须搜索算法则与其他仿生类算法不同,
19、天牛须算法是一种单体搜索算法,天牛2023年第32卷第10期http:/www.c-s-计 算 机 系 统 应 用SoftwareTechniqueAlgorithm软件技术算法195觅食时会利用左右触须来感知食物的气味强度,如果左边触须收到的气味强度大,它下一步就往气味强度大的左边飞,否则往右边飞,天牛所找到位置即为可行解,且天牛须搜索算法前期收敛性强,为了进一步增加MPA 算法的搜索能力,本文将天牛须搜索算法(BAS)与改进的 MPA 算法结合21起来解决充电规划的问题.首先使用天牛须搜索算法在大范围内搜索一组粗略解,然后以这组粗略的解作为海洋捕食者算法的初始种群,然后利用 MPA 算法不
20、断的游走碰到捕食者之后,将更新好的精英代入 BAS 算法再进行游走更新,然后比较 MPA 更新好的精英个体的目标函数值和 BAS更新好的精英个体的目标函数值,更新公式如下所示:dir=rand(1,k)eps+norm(rand(1,k)(26)d0=step(i)c(27)Bright(i)=X(i+1)dird0(28)Bleft(i)=X(i+1)+dird0(29)B(i+1)=X(i+1)dirsign(F(Bleft(i)F(Bright(i)(30)X(i+1)=B(i+1),F(B(i+1)B?NNYYNNNYY图 4BMPA 算法流程图算法具体步骤如下.Step1.输入传感器
21、节点的集合,结合充电模型得到待充节点的位置.Step2.种群初始化,根据搜索空间每一维的上界和下界,用天牛须搜索算法搜索一组粗略解当作初始化猎物矩阵,对每一个猎物个体计算其目标函数值,然后使用最优个体复制成同规模同纬度的精英矩阵.Step3.在迭代次数范围内,经过 3 个阶段更新得计 算 机 系 统 应 用http:/www.c-s-2023年第32卷第10期196软件技术算法SoftwareTechniqueAlgorithm到的精英个体,代入 BAS 算法继续搜索寻优,最后与其对比,最优个体替代原来精英矩阵中相应的个体(一个精英个体即为问题的一个解).Step4.最后,鱼类聚集装置(FAD
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 改进 海洋 捕食 算法 及其 WRSN 充电 规划 中的 应用