基于遺傳算法的茶園無線傳感器網絡的優化方法

劉星亮

（安康學院 電子與信息工程學院，陜西 安康725000）

茶葉品質的高低，與產地生態環境密切相關。茶葉的色、香、味等品質特點主要受化學成分的影響。中國茶葉種植區域分布廣泛，不同地區的種植方式也不相同。茶園大多位于山坡地帶，雨水時空分布不勻，依靠人工難以有效監測，管理較為粗放，難以采取有針對性的措施。做好茶園氣候環境的監測工作，根據環境信息提前做好準備工作，對提高茶葉產量，由明顯的促進作用。隨著農業現代化的不斷發展，特別是在精準農業方面無線傳感器網絡（Wireless Sensor Network，WSN）技術在環境監測上改變了過去繁瑣的現場測量方式，降低了勞動強度。無線傳感器網絡無需大規模布線，適應偏遠山區復雜多變的地理環境，為山區茶園環境信息監測，實現茶園環境信息動態采集與管理，優化栽培技術，提高茶葉產量和品質提供了思路和解決方案。

1 無線傳感器網絡

無線傳感器網絡系統是由大量智能傳感器節點通過無線信道連接，采用多跳、自組織網絡拓撲結構形成的一種網絡應用系統。實際應用中，網絡中各節點協同合作，通過對不同區域數據采集、預處理及交換來完成整個區域的任務。無線傳感器網絡系統結構如圖1 所示，由不同功能的無線傳感器節點、接收發送器（網關）、Internet（或通信衛星）、監控中心組成，能夠實現對特定區域內感知對象的信息進行實時采集，經多跳路由方式無線傳輸和集中處理后通過Internet 或通信衛星將數據上傳至控制中心。因此，在現代農業中多用于對作物生長環境參數進行監測，比如空氣、土壤的溫濕度和光照強度等數據，最后通過數據分析預測作物的生長情況，對農業作業進行及時的調整，以達到降低生產成本、增加作物產量、減少水肥等資源浪費的目的。

圖1 無線傳感器網絡結構圖

2 無線傳感器節點定位及覆蓋

無線傳感器節點自身定位問題一直是無線傳感器網絡優化的重點。傳感器節點的定位是對該節點在網絡中的坐標進行測定，一般采用基于距離的測量來測定坐標，通過已知圓形的圓心坐標，通過多個圓形相交的方式，來測量被測節點的位置及覆蓋范圍。在實際應用中一般根據環境的具體情況，大多根據節點的功能特點和某區域監測需要，以隨機的方式投放在目標區域內，具體位置并不固定也不能預先進行確定。在茶園環境信息監測中，會根據現場地形和茶樹位置的差異來布置傳感器節點，只有確定了網絡中節點的有效位置，才能準確地測定對應區域內的溫濕度和光強度等參數。茶園中傳感器節點位置一經確定，在整個工作過程中并不會發生變動，但是由于均處于自然環境當中，采用電池供電，一旦電能耗光或者損壞，更換并不方便且成本高，面對節點的意外失效，網絡的整個拓撲結構會發生變化。因此，提高無線傳感器網絡中節點的利用效率，保持整個網絡的連通性成為了該領域重要的優化方向。無線傳感器網絡的覆蓋就是利用節點覆蓋技術完成對目標區域內的參數采集。覆蓋方式主要分為三種：一是對被覆蓋范圍內的特定目標進行監測；二是對跨越敏感區域情況的監測；三是要求目標區域完全被覆蓋，對該區域內所有的點都能夠進行監測。基于茶園的特殊環境，無線傳感器網絡的覆蓋方式主要集中在后兩種。其次，判斷節點對區域覆蓋成功與否是根據預設條件來判斷，但由于無線傳感器節點的感知范圍有限，因而主要判定在一定條件范圍內傳感器節點的數量和每個節點所能覆蓋的茶樹數量。

3 基于遺傳算法的網絡優化方法

遺傳算法（Genetic Algorithm，GA）是一種根據大自然生物遺傳規律和進化過程，模仿自然界優勝劣汰的規則，提出的一種高效自適應全局優化搜索算法。通過編碼將個體組成種群，并根據適應度函數計算，選出適應度大的個體，通過選擇、交叉和變異三種遺傳算子的使用，逐代進化直至得到最優解。因此，在整個進化過程中，會大概率產生子代的往往是適應度高的個體，通過數代不停的更新，整個群體因個體的不斷優化而得以進化。

本項目中傳感器節點監測的對象是茶園的環境信息，而判斷該區域是否被成功監測，則要檢測該無線傳感器網絡中節點對茶園中茶樹的生效個數。部分節點的傳感器感知范圍有限，例如土壤濕度、光照強度等僅能通過監測其周圍環境信息來實現其功能。因此約定兩點作為茶樹被成功監測的條件：一是節點無法感知自身限定條件外的區域；二是被覆蓋的茶樹必須要滿足節點的條件，該節點視為對茶樹生效。一般來說，為保證網絡通信的流暢和對覆蓋區域的監測，傳統無線傳感器網絡中的節點長期處于喚醒狀態。

仿真中傳感器節點在茶園中隨機進行分布，假定節點總個數為M個。遺傳算法的實施過程如下：

（1）個體編碼及種群初始化。對種群中所有個體進行編碼并賦值，目的是為了產生一組候選變量（初始種群），編碼通常采用二進制0 和1（規定：“0”——該節點休眠；“1”——該節點喚醒工作）。（2）適應度函數設置及選擇。對種群中的個體依據適應條件進行賦值，將節點覆蓋問題轉化為模型優化問題。種群中的個體是被選擇還是淘汰主要根據個體的適應度值和其所占的比例，并通過M次輪盤賭的方式，依次選出M個新個體組成新的種群。這樣群體中適應度值高的個體（優良個體）可以一直繁殖下去，最終產生最優群體。（3）交叉和變異。群體中選擇出來的兩個個體之間的部分代碼互換或交叉運算。交叉概率越大，新個體產生的速度就越快，但也會導致高適應度個體被破壞；交叉概率越小，搜索過程緩慢，因此需要不停反復計算，避免產生不良個體。此外，按照變異概率對個體中某一位或者某幾位值做變異運算（一般取反），目的是為了防止某些個體處于不變的狀態而失去較有用的基因，而變異概率取值一般很小。（4）循環迭代。將經過選擇、交叉和變異后形成的新個體組成下一代種群，循環迭代，直到迭代次數達到預先設定的次數，或者群體的解達到最優。結束算法，輸出最后一代無線傳感器網絡的優化結果。

以下優化前后網絡節點覆蓋有效范圍比較：

4 結論

為了達到茶葉增產的同時降低生產成本減少浪費的目的，需要監測茶園的環境信息，預測茶樹的生長情況，給與茶園精準作業。通過無線傳感器網絡監測茶樹的生長環境信息，將監測結果回傳至監控中心，工作人員根據實際情況將所需養分準確的作用于茶樹的生長環境，既能減少浪費，也能節省人力資源。實驗證明經遺傳算法優化后的網絡覆蓋中，會通過調整網絡中節點的位置及休眠順序，來提高無線傳感器節點的有效覆蓋，降低網絡的整體能量損耗，延長節點使用壽命，適合各類無線傳感器網絡節點的位置優化。