无线传感器网络中节点部署优化方法研究

信息安全 • Information Security

210 •电子技术与软件工程󰀡󰀡

Electronic Technology & Software Engineering【关键词】无线传感器 网络节点 优化部署1 无线传感器网络多节点目标安全优化部署相关模型1.1 网络优化部署模型无线传感器网络中，假设在二维平面T区域部署中，随机部署N个感知半径Rs与通信半径Rc相同的无线传感器网络节点（下文简称节点）。其节点集是S={S1，S2，S3，…，SN},在此其中，节点Si的坐标位置可表述为（xSi，ySi）。1.2 多目标节点数学安全优化部署模型无线传感器网络中，可将多目标组合优化问题视为一组参数决策变量到另一组目标的映射过程。对于多目标节点安全优化部署问题，网络安全性的提高是值得深入考量的问题，同时确保网络覆盖率得到提升。所以，应用多目标优化策略，基于安全性与覆盖率考虑，设计两个目标函数。此种情况下，基于安全连通度，为多目标节点构建数学优化部署模型，具体如下所示：Max y=f(x)=(f1(x)，f2(x))s．t．为： 在上述公式中，X=（xS1，yS1，xS2，yS2，…，xSN，ySN）表示2N维的决策变量，而y则表示2维目标向量；而f1(x)与f2(x)分别表示节点安全连通度与网络覆盖率等相关目标函数；i∈［1，N］，j∈［1，N］，i≠j，满足d(Si，Sj)≤Rc条件，是节点全连通约束力，其中d(Si，Sj)是节点Si与Sj间的欧氏距离；而d(Si，S'i)≤dth表示节点移动能耗约束力，d(Si，S'i)是节点优化后及其初始位置间的距离，在此过程中，dth是节点移动最大范围值。无线传感器网络节点多目标安全优化部署文/张倩目前，随着社会经济的快速发展，无线传感器网络节点运行中，优化部署方案中，对网络节点位置移动引起节点间共享密钥破坏安全通信链路等问题考虑的不够周全。此种情况下，本文主要论述了无线传感器网络节点多目标安全优化部署相关问题。摘 要1.3 多目标节点安全优化部署约束条件（1）节点权连通性约束。无线传感器网络运行中，多目标节点全连通性，确保了网络中任意两节点间，至少存在一条可直接或间接实现通信的渠道，该约束具体可用公式表示为：i∈［1，N］，j∈［1，N］，i≠j，满足d(Si，Sj)≤Rc。（2）多目标节点移动型能耗约束。无线传感器网络中，节点能量有限，所以节点移动能耗问题是值得考虑的，合理限定节点移动最大距离。其能耗约束可用公式d(Si，S'i)≤dth进行表示。2 无线传感器网络多目标节点优化结果无线传感器网络中，仿真旨在通过对比考虑覆盖率，改善粒子群算法单目标优化覆盖及安全连通性，以及网络覆盖率多目标粒子群算法，对多目标粒子群算法进行优化与改进，以此分析其覆盖率与安全连接情况。2.1 无线传感器网络覆盖率无线传感器网络目标部署中，单目标粒子群初始部署与改进覆盖优化与安全连通性，还有网络覆盖率多目标粒子群算法覆盖优化与改进网络覆盖率仿真结果，圆代表节点通信半径。对比节点初始部署，迭代运行200次算法后，节点分布也会更加均匀，一定程度上有效提升了网络覆盖率，网络覆盖质量也得到了明显提升，随着算法迭代次数的不断增加，网络覆盖率也随之不断增长。初始部署过程中，节点覆盖率达到72.64%，运行200次算法后，分析单目标网络覆盖率优化算法，就可将网络覆盖率提高到98.53%。粒子群多目标优化算法与改进中，基于安全连通性与网络覆盖率粒子群多目标优化算法，分别实现了95.94%与97.69%的网络覆盖率。2.2 无线传感器网络多目标节点安全连通度无线传感器网络部署过程中，初始部署工作中，相邻节点之间都存在对应的共享密钥，以此构建安全性通信连接。基于优化算法，节点网络覆盖率提高基础上，使得共享密钥间的安全连接遭到了一定的破坏，从而降低了节点间的安全性连通。节点初始部署与单目标粒子群改善优化算法、多目标粒子群优化算法与改进后，迭代200次算法后，共享密钥节点间存在安全连接仿真结果如图1所示。在对比图中，连线表示节点间共享密钥安全性连接。经过200次算法运行后，安全连接个数会逐渐减少，同时还会降低节点间的安全连通度。在实际工作中，要根据实际情况确定共享密钥节点安全连接个数与连通度。2.3 收敛性算法对算法收敛速度进行对比基础上，可发现算法运行效率，本文改进粒子群算法与传统粒子群算法有相通的迭代次数，因而节点网络覆盖率也会更高。另外，节点网络覆盖率也会在最短时间内达到最大值。3 结束语综上所述，在无线传感器网络多目标优化部署中，基于改进多目标粒子群，本文设计了节点安全优化部署方案，设置节点安全连通度与网络覆盖率目标函数基础上，探索满足节点权连通与节点移动能耗等约束条件的解集，为有效解决无线传感器网络节点安全部署问题创造条件。对多目标粒子群优化算法改进过程中，采用自适应性调整惯性权重与精英档案策略，解决节点安全部署出现的问题，相较之粒子群优化算法，网络覆盖率与节点安全连通度达到最优。参考文献[1]孙子文,申栋.无线传感器网络节点多目标安全优化部署[J].传感技术学报,2018,31(12):1882-1888.[2]李聃.无线传感器网络节点定位技术研究[D].天津大学,2017.作者简介

第２８卷第４期　２０１１年４月　计算机应用研究　Ａｐｐｌｉｃａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　ｏｆ　Ｃｏｍｐｕｔｅｒｓ　Ｖ０１．２８　Ｎｏ．４　Ａｐｒ．２０１１　

无线传感器网络节点调度优化分簇算法研究　

衣晓，邓露，刘瑜　

（海军航空．Ｙ－程学院信息融合技术研究所，山东烟台２６４００１）　

摘要：节点调度优化分族算法根据网络节点部署的特点，在不影响网络服务质量的情况下，通过冗余节点调　

度优化分族的方法能有效减少网络中工作节点的数量，从而节约网络平均每一轮的网络能耗。仿真结果表明，　

与未考虑冗余节点状态调度的算法相比，节点调度优化分簇算法有效提高了网络能量利用率，延长了网络寿命。　

关键词：无线传感器网络；冗余节点；调度；网络寿命　

中图分类号：ＴＰ３９３　文献标志码：Ａ　文章编号：１００１—３６９５（２０１１）０４—１４９９—０３　

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—３６９５．２０１　１．０４．０８２　

Ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ｎｏｄｅｓ　ｓｃｈｅｄｕｌｉｎｇ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　

ＹＩ　Ｘｉａｏ，ＤＥＮＧ　Ｌｕ，ＬＩＵ　Ｙｕ　

（Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ　ｏｆｌｎｆｏｍｍｔｉｏｎ　Ｆｕｓｉｏｎ，Ｎａｖａｌ　Ａｅｒｏｎａｕｔｉｃａｌ＆Ａｓｔｒｏｎａｕｔｉｃａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｙａｎｔａｉ　Ｓｈａｎｄｏｎｇ　２６４００１，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ　ｏｎ　ｎｏｄｅｓ　ｄｅｐｌｏｙｍｅｎｔ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｉｎ　ｔｈｅ　ｎｅｔｗｏｒｋ，ｔｈｉｓ　ｐａｐｅｒ　ｐｒｅｓｅｎｔｅｄ　ａ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ｎｏｄｅｓ　ｓｃｈｅｄｕｌｉｎｇ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ（ＣＡＮＳ），ｉｎ　ｗｈｉｃｈ　ｎｅｔｗｏｒｋ　ｓｅｒｖｉｃｅ　ｑｕａｌｉｔｙ　ｗａｓ　ｎｏｔ　ｋｎｏｃｋ—ｄｏｗｎ，ａｎｄ　ｕｎｄｅｒ　ｔｈｅ　ｓｉｔｕａ—　ｔｉｏｎ　ｏｆ　ｒｅｄｕｎｄａｎｔ　ｎｏｄｅｓ　ｔｈｒｏｕｇｈ　ｓｃｈｅｄｕｌｉｎｇ　ｍｅｔｈｏｄ　ｏｆ　ｃｌｕｍｐｓ　ｃｏｕｌｄ　ｅｆｆｅｃｔｉｖｅｌｙ　ｒｅｄｕｃｅ　ｔｈｅ　ｎｕｍｂｅｒ　ｏｆ　ｗｏｒｋ—ｎｏｄｅ　ｉｎ　ｔｈｅ　ｎｅｔｗｏｒｋ　ａｎｄ　ｓａｖｅｄ　ｐｅｒ　ｒｏｕｎｄ　ｏｆ　ｎｅｔｗｏｒｋ　ｅｎｅｒｇｙ．Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔ　ｓｈｏｗｓ　ｔｈａｔ　ｃｏｍｐａｒｉｎｇ　ｗｉｔｈ　ｏｔｈｅｒ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｗｉｔｈｏｕｔ　ｃｏｎ—　ｓｉｄｅｒｉｎｇ　ｏｐｔｉｍａｌ　ｓｃｈｅｄｕｌｉｎｇ　ｏｆ　ｒｅｄｕｎｄａｎｔ　ｎｏｄｅｓ，ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｅｆｆｅｃｔｉｖｅｌｙ　ｉｍｐｒｏｖｅｓ　ｔｈｅ　ｅｎｅｒｇｙ　ｕｔｉｌｉｚａｔｉｏｎ　ｏｆ　ｔｈｅ　ｎｅｔｗｏｒｋ　ａｎｄ　ｐｒｏｌｏｎｇｅｄ　ｔｈｅ　ｎｅｔｗｏｒｋ　ｌｉｆｅｔｉｍｅ．　Ｋｅｙ　ｗｏｒｄｓ：ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ（ＷＳＮ）；ｒｅｄｕｎｄａｎｔ　ｎｏｄｅ；ｓｃｈｅｄｕｌｉｎｇ；ｎｅｔｗｏｒｋ　ｌｉｆｅｔｉｍｅ　

２０１２年第３１卷第４期　传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ　ａｎｄ　Ｍｉｃｒｏｓｙｓｔｅｍ　Ｔｅｃｈｎｏｌｏｇｉｅｓ）　

？＼　ｐ　综述与评论　。　

无线传感器网络节点部署研究进展　

凡高娟　，郭拯危　

（１．河南大学计算机与信息工程学院。河南开封４７５００４；　２．南京大学江苏省无线传感网高技术研究重点实验室，江苏南京２１０００３）　

摘要：无线传感器网络的部署方式影响传感器网络的覆盖质量、网络拓扑结构、网络的连通性和网络的　生存时间等性能。从静态和动态两种方式对节点的部署进行研究。阐述相关节点部署技术，并对节点部　署中存在的问题进行分析和评述，指出今后的研究方向。　关键词：无线传感器网络；静态部署；动态部署　中图分类号：ＴＰ３９３　文献标识码：Ａ　文章编号：１０００－９７８７（２０１２）０４－－０００１－０３　

ＲｅｓｅａｒＣｎ　Ｄｒｏｇｒｅｓｓ　ＯＩ　ｎｏｎｅ　ｄｅｐｌｏｙｍｅｎｔ　ｉｎ　一　１　ｎ　１　’　＿　－■　

ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　

ＦＡＮ　Ｇａｏ－ｊｕａｎ　ｒ．ＧＵＯ　Ｚｈｅｎｇ．ｗｅｌ。　（１．Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｅｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ，　Ｋａｉｆｅｎｇ　４７５００４，Ｃｈｉｎａ；２．Ｊｉａｎｇｓｕ　Ｈｉｇｈ　Ｔｅｃｈｎｏｌｏｇｙ　Ｒｅｓｅａｒｃｈ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｆｏｒ　Ｗｉｒｅｌｅｓｓ　Ｓｅｎｓｏｒ　Ｎｅｔｗｏｒｋｓ，Ｎａｎｊｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｉｎｇ　２１０００３，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｉｎ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ，ｔｈｅ　ｃｏｖｅｒａｇｅ　ｑｕａｌｉｔｙ，ｎｅｔｗｏｒｋ　ｔｏｐｏｌｏｇｙ　ｓｔｒｕｃｔｕｒｅ，ｎｅｔｗｏｒｋ　ｃｏｎｎｅｃｔｉｏｎ　ａｎｄ　ｌｉｆｅｔｉｍｅ　ａｒｅ　ｉｎｆｌｕｅｎｃｅｄ　ｂｙ　ｔｈｅ　ｎｏｄｅ　ｄｅｐｌｏｙｍｅｎｔ．Ｎｏｄｅ　ｄｅｐｌｏｙｍｅｎｔ　ｉｎ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　ｏｎ　ｔｈｅ　ｓｃａｌｅｓ　ｏｆ　ｂｏｔｈ　ｓｔａｔｉｃ　ａｎｄ　ｄｙｎａｍｉｃ　ａｓｐｅｃｔｓ　ａｒｅ　ｒｅｓｅａｒｃｈｅｄ．Ｒｅｌａｔｅｄ　ｔｅｃｈｎｉｑｕｅｓ　ｏｆ　ｎｏｄｅ　ｄｅｐｌｏｙｍｅｎｔ　ａｒｅ　ｐｏｉｎｔｅｄ　ｏｕｔ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ａｎａｌｙｓｉｓ　ａｎｄ　ｒｅｍａｒｋｓ　ｏｆ　ｎｏｄｅ　ｄｅｐｌｏｙｍｅｎｔ　ｒｅｍａｉｎｉｎｇ　ｕｎｓｏｌｖｅｄ　ｉｎ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ．Ｆｕｔｕｒｅ　ｒｅｓｅａｒｃｈ　ｄｉｒｅｃｔｉｏｎｓ　ｉｓ　ｐｏｉｎｔｅｄ　ｏｕｔ．　Ｋｅｙ　ｗｏｒｄｓ：ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ（ＷＳＮｓ）；ｓｔａｔｉｃ　ｄｅｐｌｏｙｍｅｎｔ；ｄｙｎａｍｉｃ　ｄｅｐｌｏｙｍｅｎｔ　

无线传感器网络中覆盖问题的解决方案比较与优化

概述

无线传感器网络（Wireless Sensor Network，WSN）是由许多分布在广泛区域内的无线传感器节点组成的网络。这些传感器节点能够自主地感知环境中的各种物理和环境条件，并将收集到的信息通过网络传输给基站或其他节点。覆盖问题是WSN中一个关键的挑战，它指的是如何保证网络中的每个位置都能够被足够数量的传感器节点覆盖到。

基本概念

在讨论覆盖问题之前，我们应该了解一些基本概念。无线传感器网络通常由三个不同的要素组成：传感器节点、目标区域和覆盖范围。

传感器节点：是WSN中的基本构建单元，它负责感知和传输数据。

目标区域：是指需要覆盖的区域。 覆盖范围：是指传感器节点的感知范围，即节点能够覆盖的最大距离。

解决方案比较

针对无线传感器网络中的覆盖问题，研究人员提出了许多不同的解决方案。下面我们将比较一些常见的解决方案。

1. 基于贪心算法的解决方案

贪心算法是一种常见的解决覆盖问题的方法。该算法通过选择覆盖范围内拥有最高能量的节点来进行部署。通过这种方法，可以减少节点之间的重叠区域，提高整个网络的能量效率。然而，贪心算法容易产生局部最优解，导致覆盖不均匀或覆盖区域较小的问题。

2. 基于优化算法的解决方案

由于贪心算法的局限性，研究人员提出了基于优化算法的解决方案。这些算法通过设计合适的目标函数和约束条件来最小化无线传感器网络的总能量消耗，并同时保证节点的覆盖范围。常见的优化算法有遗传算法、粒子群优化和蚁群算法等。这些算法能够找到全局最优解，但计算复杂度较高。

3. 基于机器学习的解决方案

近年来，随着机器学习技术的快速发展，研究人员将其应用于无线传感器网络中的覆盖问题。通过收集大量的训练数据和使用适当的机器学习算法，可以建立模型来预测传感器节点的最佳位置和覆盖范围，从而优化网络的覆盖性能。机器学习方法在一定程度上解决了问题的复杂性和计算效率的问题，但对于大规模网络仍面临一定的挑战。