论文部分内容阅读
能量问题一直是无线传感器网络的关键问题。近些年,随着无线能量传输技术的发展,在无线传感器网络中应用无线充电技术为能量短缺问题的解决提供了有效的研究方法,这种网络称为无线可充电传感器网络。目前关于无线可充电传感器网络的研究主要集中在移动充电设备的充电路径规划问题上,对于移动充电设备兼具能量补充和数据收集的研究不是很多,且关于联合能量补充和数据收集的研究都是先确定移动充电设备的充电路径,然后在充电路径的基础上设计传感器节点的数据收集策略。本文针对现有研究的不足,同时考虑能量补充和数据收集对移动充电设备路径规划的影响,针对能量消耗率和数据生成率固定和变化的两种场景,分别建立多目标路径规划模型,并分别提出多目标优化算法进行求解。针对传感器节点能量消耗率和数据生成率固定的情况下,移动充电设备携带足够多的能量用于对网络中传感器节点同时进行能量补充和数据收集,以最大化网络中传感器节点的平均寿命和移动充电设备所收集的数据量为优化目标,建立了联合能量补充和数据收集的多目标模型。为了解决该多目标优化问题,本文在离散烟花和多目标连续烟花的基础上提出了一种基于网格的多目标离散烟花算法(MODFA),该算法所采用的网格筛选Pareto解集方法,相比于其他算法计算量更少。在仿真实验中,本文设置了多组网络实例,在MODFA、NSGA-Ⅱ、SPEA-Ⅱ以及MOEA/D四种算法的比较中发现,MODFA在求解性能上明显优于其他三种算法,求得的Pareto解集具有更好的分布性和收敛性。针对传感器节点能量消耗率和数据生成率存在动态变化,以及传感器节点的数据存储空间存在一定限制的情况下,本文先用最小二乘支持向量机的方法对已有数据进行回归预测,得出每个传感器节点下一个时间段的能量消耗率和数据生成率,然后以最大化网络中传感器节点的平均寿命和移动充电设备所收集的数据量以及最小化网络数据损失量为优化目标,建立联合能量补充和数据收集的多目标路径模型。针对该多目标优化问题,本文在MODFA算法和协同进化算法的基础上提出了基于网格的多目标协同烟花算法(MOCFA)。为了比较算法的性能,本文采用多种性能指标对MOCFA、MODFA、NSGA-Ⅱ以及SPEA-Ⅱ算法比较。仿真结果表明,MOCFA算法在求解性能上各方面都优于其他算法。