專利名稱：基于差分進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡最優(yōu)部署方法
技術領域：
本發(fā)明涉及工業(yè)無線傳感器網(wǎng)絡和智能計算兩大領域，具體涉及一種基于差分 進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡最優(yōu)部署方法。
背景技術：
隨著工業(yè)系統(tǒng)不斷大型化、復雜化，工業(yè)控制系統(tǒng)的規(guī)模不斷擴大，其安裝、 布線成本也不斷增加。據(jù)統(tǒng)計2001年工業(yè)用傳感器市場份額為110億美元，而其安裝 和使用成本(主要是布線成本)超過1000億美元。因此，無線傳感器網(wǎng)絡(Wireless Sensor Networks, WSNs)的低成本、易用等特征引起了工業(yè)界的廣泛關注，國際知名控 制系統(tǒng)公司，如愛默生、霍尼韋爾、通用電氣等均開展了工業(yè)無線傳感器網(wǎng)絡(Industrial Wireless Sensor Networks，IWSNs)技術的研發(fā)。IWSNs是由具有無線通信與計算能力的 傳感器節(jié)點構成、部署在工業(yè)現(xiàn)場環(huán)境為某種工業(yè)應用提供解決方案的自組織分布式網(wǎng) 絡智能系統(tǒng)，是繼現(xiàn)場總線技術之后工業(yè)控制領域的一個熱點技術。IWSNs可以降低工 業(yè)測控系統(tǒng)成本，提高工業(yè)測控系統(tǒng)應用范圍和可靠性。愛默生公司在北美和歐洲幾個 現(xiàn)場試驗的結果證實，采用工業(yè)無線技術數(shù)據(jù)傳輸?shù)目煽啃栽?9%以上，而安裝成本比 同等有線方案要低90%。針對工業(yè)無線技術的巨大前景，美國能源部在2004年發(fā)布的 “未來工業(yè)計劃”中指出這種基于工業(yè)無線技術的低成本測控系統(tǒng)是實現(xiàn)到2020年美 國工業(yè)整體能耗降低5%目標的主要手段，代表著工業(yè)自動化系統(tǒng)技術的發(fā)展方向。IWSNs中通常包含三類節(jié)點，即傳感器節(jié)點，簇頭和sink節(jié)點，其中傳感器節(jié) 點負責現(xiàn)場數(shù)據(jù)的采集，簇頭接收傳感器節(jié)點發(fā)送過來的數(shù)據(jù)并將數(shù)據(jù)整合發(fā)送給sink 節(jié)點，最后sink節(jié)點將數(shù)據(jù)發(fā)送到基站。雖然IWSNs的主要組成部分也是無線傳感器節(jié) 點，但是與一般的非工業(yè)WSN不同，IWSNs的傳感器節(jié)點部署與工業(yè)環(huán)境有關，需人工 安裝到需要檢測的工業(yè)設備上，強調對指定點的可靠檢測。相比于傳統(tǒng)有線網(wǎng)絡，一方 面，IWSNs更容易受網(wǎng)絡拓撲、環(huán)境等因素的影響而發(fā)生故障，實際應用中故障也不可 避免。另一方面，IWSNs多跳的通訊方式也導致系統(tǒng)實時性下降，愛默生公司的工業(yè)實 驗中顯示當跳步數(shù)超過6時數(shù)據(jù)的實時性將不能保證。IWSNs作為控制系統(tǒng)的重要組成 部分，一旦其可靠性和實時性得不到保證將直接影響產(chǎn)品質量，甚至產(chǎn)生嚴重事故，造 成巨大經(jīng)濟損失。因此對于大規(guī)模工業(yè)應用，特別是閉環(huán)控制應用，IWSNs的可靠性和 實時性至關重要。另外，傳感器節(jié)點一般都采用電池供電，能量非常有限。在大規(guī)模工業(yè)應用 中，一旦節(jié)點能量耗盡，要更換電池必須先對失效節(jié)點進行定位，這顯然會增大網(wǎng)絡維 護的工作量。為了延長傳感器節(jié)點電池的使用壽命，網(wǎng)絡采用分簇結構，使簇內傳感器 節(jié)點只與本簇簇頭通訊，這樣傳感器節(jié)點發(fā)送數(shù)據(jù)只需1跳，降低了能耗。通過布置簇 頭收集簇內節(jié)點發(fā)送來的數(shù)據(jù)并通過其余簇頭以多跳的方式傳送到基站。在簇內配置冗 余簇頭可以在一個工作簇頭出現(xiàn)故障時快速切換到備用簇頭使其工作，這樣可以提高系統(tǒng)的可靠性。另外，盡管單個的傳感器節(jié)點并不貴，但是在工業(yè)應用中特別是大規(guī)模流 程工業(yè)中，需要檢測和采集的設備和參量都比較多，因此在工業(yè)監(jiān)控現(xiàn)場部署的簇頭數(shù) 量對網(wǎng)絡構建的成本也會有一定的影響。同時由于工業(yè)設備都占有一定的空間，工業(yè) 現(xiàn)場也存在墻壁等其他障礙物，這些都會影響節(jié)點與簇頭間的通信，因此，在布置簇頭 時，也必須考慮這些障礙物約束。因此，IWSNs冗余節(jié)點配置問題實際上是一個帶約束的組合優(yōu)化問題，即在滿 足系統(tǒng)冗余需求的約束下，實現(xiàn)系統(tǒng)能耗的均衡與系統(tǒng)構建成本的最小化。相關工作已 經(jīng)表明，IWSNs節(jié)點部署問題是一類NP難問題，傳統(tǒng)的確定性優(yōu)化方法并不能實現(xiàn)對 這一類問題的高效求解。近年來，智能優(yōu)化算法在求解NP難問題時體現(xiàn)出比傳統(tǒng)方法 更大的優(yōu)勢，其中差分進化(Differential Evolution，DE)算法以其強大的全局搜索能力和 魯棒性，簡單易實現(xiàn)的特點引起了研究者的廣泛關注。DE是Storn和Price于1995年提 出的一種隨機并行搜索算法，是一種基于群體變異的進化算法，包含三個算子，即變異 算子，交叉算子和選擇算子。DE的基本思想是首先根據(jù)個體之間的差異得到變異種群， 然后變異個體與父代個體進行重組得到中間個體，最后中間種群的個體與父代種群的個 體通過一對一優(yōu)勝劣汰的競爭進入新一代種群。DE具有實現(xiàn)簡單，控制參數(shù)少，穩(wěn)定性 強，全局收斂的優(yōu)點，目前已廣泛應用于約束優(yōu)化計算，模糊控制器優(yōu)化設計，神經(jīng)網(wǎng) 絡優(yōu)化，濾波器設計等方面。然而，基本的DE算法采用的是實數(shù)編碼，它只能在連續(xù)空間進行搜索，因而基 本的DE算法并不能被直接用來求解離散組合優(yōu)化問題。因為IWSNs冗余節(jié)點配置問題 是一類0/1規(guī)劃問題，為了使DE能夠求解該問題，本發(fā)明設計了一種概率預測算子來生 成二進制個體，從而提出了一種全新的二進制DE算法。

發(fā)明內容
本發(fā)明設計了一種基于差分進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡最優(yōu)部署方 法，針對工業(yè)監(jiān)測系統(tǒng)的可靠性需求，以及工業(yè)現(xiàn)場障礙物的存在，建立了工業(yè)無線傳 感器網(wǎng)絡優(yōu)化部署模型，同時提出了一種新的二進制差分進化算法對節(jié)點部署模型進行 優(yōu)化，從而在保證系統(tǒng)可靠性要求的基礎上進一步平衡系統(tǒng)能耗，延長網(wǎng)絡生存期，并 降低系統(tǒng)構建成本。為達到上述目的，本發(fā)明采用下述技術方案一種基于差分進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡最優(yōu)部署方法，其特征在 于具體操作步驟如下(1)首先根據(jù)工業(yè)現(xiàn)場實際空間、障礙物的大小及位置、無線傳感器功率、精度 要求，將監(jiān)測區(qū)域劃分為MXNXP三維網(wǎng)格并自動坐標化，M、N、P分別對應橫、縱、 豎坐標上劃分段數(shù)，傳感器節(jié)點和簇頭都布置在網(wǎng)格交叉點上。假設在監(jiān)測區(qū)域內隨機 布置了 傳感器節(jié)點，則還有MXNXP-NsA網(wǎng)格點可以用來布置簇頭，所以個體的 長度為MXNXP_NS。(2)個體i 表示為向量X1 = [xu，xl2, Lxm], Xij e {0, 1}，V/e {1,2,Le {1,
2，L，η},這里NP是種群規(guī)模，η = MXNXP-Ns表示可以用來布置簇頭的網(wǎng)格總數(shù)， Xj = 1表示在第j個空網(wǎng)格點上布置簇頭，& = 0表示不布置簇頭。因此，每個個體表示一種節(jié)點部署方案。(3)設定二進制差分進化算法的各個控制參數(shù)，包括種群規(guī)模NP，縮放系數(shù)F， 交叉概率CR，實數(shù)區(qū)間[Rmm，Rmax],并隨機初始化二進制種群，初始化種群計數(shù)器G = O0(4)設定傳感器節(jié)點的通信半徑為Rs，簇頭的通信半徑為Rch,通常^^^&， 當傳感器節(jié)點與簇頭之間的距離小于等于Rs，并且兩者通訊鏈路之間不存在障礙物時， 認為該節(jié)點可以與該簇頭通訊，并將此節(jié)點作為該簇頭的一個負載，否則認為其不能與 該簇頭通訊；另外，當兩個簇頭間的距離小于等于Rcs時，則認為這兩個簇頭都作為彼 此的負載，簇頭的總負載為簇內傳感器節(jié)點數(shù)與可通訊的簇頭數(shù)之和。(5)根據(jù)每個個體χ對應的布置方案，計算所有簇頭數(shù)量NeH，簇頭負載的標準
差 LCH ο(6)判斷是否每個傳感器節(jié)點都至少能與2個簇頭通訊，若不滿足約束條件，則 計算懲罰值POO。(7)評價每個個體的目標值，目標函數(shù)為minf (χ) = w*NCH+ (l_w) *LCH+P (χ)其中w，1-w分別是子函數(shù)Nch，Lch的權值，0 < w < 1，懲罰項
P(x) = Pc χ |>ax(0，(2 - M)}，其中 pc 是懲罰系數(shù)。 /=1(8)生成臨時變異個體，公式為/^^+“兄-義？山其中!^，r2, r3為[1，
NP]內的隨機整數(shù)，且T1^r2 ^r3 #i，BP T1, r2, r3是除了當前個體i之外的3個不同個 體。(9)采用概率預測算子將Inut1轉換為二進制變異個體《f，轉換公式為
權利要求
1. 一種基于差分進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡最優(yōu)部署方法，其特征在 于，該方法包括以下步驟a.首先根據(jù)工業(yè)現(xiàn)場實際空間、障礙物大小及位置、無線傳感器功率、精度要求， 將監(jiān)測區(qū)域劃分為MXNXP三維網(wǎng)格，M、N、P分別對應橫、縱、豎坐標上劃分段數(shù)， 傳感器節(jié)點及簇頭都分別部署在網(wǎng)格交叉點上，假設在監(jiān)測區(qū)域內有Ns個傳感器節(jié)點， 則剩下的MXNXP-Ns個網(wǎng)格點可以用來布置簇頭；b.解的表示
2.根據(jù)權利要求1所述的一種基于差分進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡最優(yōu)部 署方法，其特征在于該方法根據(jù)工業(yè)現(xiàn)場實際情況，考慮了工業(yè)設備及墻壁等障礙物的 位置及大小對節(jié)點與簇頭之間通訊鏈路的影響。
3.根據(jù)權利要求1所述的一種基于差分進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡 優(yōu)化部署方法，其特征在于步驟(9)引進了一種新的線性轉換算子L(x)，將實數(shù)轉 換為對應元素取“1”的概率，從而得到二進制變異個體，該線性轉換算子公式為和，其中R·，Rmax分別為實數(shù)區(qū)間的上下界。
4.根據(jù)權利要求1所述的一種基于差分進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡最優(yōu)部 署方法，其特征在于傳感器節(jié)點至少可以與2個簇頭通訊，這樣當一個工作簇頭的能量 耗盡或遭遇故障時，可以切換到備用簇頭使其工作，這樣可以提高系統(tǒng)的可靠性。
全文摘要
本發(fā)明公開了一種基于差分進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡最優(yōu)部署方法，通過對節(jié)點進行優(yōu)化部署以保證系統(tǒng)可靠性，涉及工業(yè)無線傳感器網(wǎng)絡和智能計算兩個領域。本方法首先根據(jù)工業(yè)現(xiàn)場實際空間、障礙物、無線傳感器功率、精度要求，對空間進行自動坐標化，然后以總節(jié)點數(shù)和簇頭負載標準差最小為目標，冗余需求為約束條件建立節(jié)點部署模型，“1”表示在對應網(wǎng)格點布置簇頭，“0”表示不布置，并提出了一種新的二進制差分進化算法對該模型進行優(yōu)化求解。本算法采用一種新的概率預測算子來生成二進制變異個體對種群進行更新。本方法通過對節(jié)點進行優(yōu)化部署，可以在保證系統(tǒng)可靠性的同時降低系統(tǒng)構建成本，并平衡系統(tǒng)能耗，延長網(wǎng)絡生命期。
文檔編號H04W16/18GK102014398SQ20101029070
公開日2011年4月13日 申請日期2010年9月21日 優(yōu)先權日2010年9月21日
發(fā)明者付敬奇, 付細平, 王靈 申請人:上海大學