基于BBO算法的無線傳感網絡節點優化部署研究

劉文成

摘要：在無線傳感網絡節點部署時，由于優化算法的差異，使得優化部署后網絡覆蓋率依舊較低，提出基于BBO算法的無線傳感網絡節點優化部署研究。基于無線傳感器網絡結構，生成線性網絡，采用該網絡完成數據的周期性采集，尋找最佳工作節點和中繼節點數量，并通過二者之間的合理分布，確定最優節點傳輸距離。依托于BBO算法設計節點布局方案，計算網絡覆蓋率，實現網絡節點優化部署。實驗結果表明：不同迭代次數以及節點數目下網絡平均覆蓋率提升了1.20%、2.34%。

關鍵詞：BBO算法;無線傳感器;周期性采集;網絡節點;傳輸距離;部署優化

中圖分類號：TP393 ? ? ?文獻標識碼：A

文章編號：1009-3044（2022）02-0051-02

作為無線傳感器網絡配置的基礎問題之一，網絡覆蓋率和連通性是優化節點部署的主要目標[1]。對于無線傳感網絡來說，性能的提升取決于節點部署的合理性，合適的優化部署可以提升網絡的感知能力，促進無線傳感網絡良好發展[2]。

文中采用BBO算法設計了新的無線傳感網絡節點優化部署方法。以生物地理學優化算法為基礎，通過網絡節點的初始化、遷移操作和突變操作，獲得最后部署方案。

1 無線傳感網絡節點優化部署設計

1.1 建立無線傳感器網絡模型

對于無線傳感網絡工作內容分析后可知，通過[n]個傳感器，構成整體傳感網絡[3]。并在檢測區域內將網絡節點隨機分布[4]，生成一個線性網絡，采用該網絡完成數據的周期性采集。網絡節點集合為[S=s1，s2，…，si，…，sn]，傳感器節點數量為[n]，其中傳感器節點[si]表示第[i]個節點。通過分析可知，所有的無線傳感器節點都具有一些特質。由于無線傳感器網絡是由所有節點共同構成，每個節點都有獨有的標識，節點在周期內生成1 bit數據，并將其發送至基站[5]。

無線傳感器節點主要包括工作節點、中繼節點兩種類型。前者需要完成數據的感知和傳輸工作，后者則僅負責數據傳輸[6]。在傳感器網絡中出現節點死亡現象后，則表示網絡壽命達到了盡頭。而網絡壽命與總節點數的比值就是網絡效率[7]。

伴隨著傳輸距離的變化，數據傳輸消耗能量也會產生變化，并且呈現指數增長趨勢。假設傳輸距離為[d]，1bit數據發送和接收的能耗[J]計算公式為：

[J=l×（E+εd2），d﹤d0l×（E+εd4），d﹥d0] ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

計算過程中，首先需要比較傳輸距離[d]與距離門限[d0]，從而確定計算方式。節點數據發送或接收電路功耗為[E];依托于增長指數[ε]和節點數量[l]，利用自由空間信道模型，獲得功率放大器功耗計算結果。

1.2 描述優化部署目標

根據網絡模型可知，距離基站最遠的工作節點[nw]的傳輸距離[di]，也就是工作節點和中繼節點之間的距離。而兩個節點之間的傳輸距離表示為[d1]。工作節點[i]和其相鄰工作節點之間的中繼節點數量為[m（i）]，而節點感知半徑為[r]。這種條件下，無線傳感器節點優化部署的目標表示為：

[（m（1）+1）×d1≤rm（i）×di≤2r0≤l-i=1nw（m（i）+1）di≤ri=2，3，…，nw] ? ? ? ? （2）

為了避免傳感器網絡中節點因能量空洞出現部分節點死亡的情況，保證數據收集過程中，每個節點消耗相同能量，則無線傳感器網絡的壽命計算公式表示為：

[Elife=E0E] ? ? ? ? ? ? ? ? ? ? ?（3）

其中網絡壽命[Elife]的計算，需要計算初始功耗[E0]與發送或接收電路功耗[E]的比例。此時，網絡效率的計算公式為：

[μ=Elifei=1nw（m（i）+1）] ? ? ? ? ? ? ? ? ? ? ? （4）

網絡節點的優化部署，實際上就是尋找最佳工作節點和中繼節點數量，并通過二者之間的合理分布，確定最優節點傳輸距離，保證無線傳感網絡的覆蓋率提升，用公式表示為：

[nw，d，nr=argmaxμ] ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

根據公式可知，網絡覆蓋率[argmaxμ]提升需要確定結合工作節點[nw]，傳輸距離[di]和中繼節點[nr]共同計算。根據上述公式可以發現，無線傳感網絡節點優化部署是一個復雜的問題。

1.3 設計BBO節點布局算法

由于BBO算法在部署節點時需要采用整數編碼的形式，使得每個解都表示一個正數向量。將算法的解看作棲息地，也就相當于節點優化部署方案[8]。而棲息地適宜性指數HIS則表示該部署方案的合理性。通過多個適應度指數的結合分析，選擇最佳優化部署方案。

文中利用均勻設計生成初始種群，并使得搜索范圍內種群均勻分布，從而減少計算復雜度。種群棲息地的分量計算公式表示為：

[Hi（d）=ld+rand（0，1）×（ud-ld）] ? ? ? ? ? ? ? ? ? ?（6）

公式中棲息地[i]的[d]維分量表示為[Hi（d）]，而適應度函數的目標上、下限分別表示為[ud]和[ld]。通過隨機函數[rand（）]的計算得出最終結果。

利用BBO算法設計網路節點優化部署方案時，每個方案中節點都有不同的遷入率和遷出率，并且這兩個計算結果影響最終的方案選取。一個合理的優化部署方案必然會存在較高的遷出率，以及遷入率會相對較低。則遷入率和遷出率的計算公式為：

[λ=I（1-αi/αmax）σ=Q（αi/αmax）] ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（7）

公式中遷入率[λ]的計算需要以棲息地的最大遷入率[I]為基礎，同樣遷出率[σ]也是應用最大遷出率[Q]獲得計算結果。其中，針對某一網絡節點[α]，將節點的當前數量[αi]與可容納最多數量[αmax]對比計算。作為一種概率算子，突變操作會隨著先驗物種計數概率變化，完成優化部署方案分量的修改，從而影響方案合理性排序。

通過離散化算法，使得監測區域內，等間距水平線和豎直線呈現出交錯相連狀態，并確定線與線之間的交點，分析其與傳感器節點距離。當計算結果比節點的感知半徑小時，交點可以被檢測到。通過檢測到交點的數量統計，明確該優化部署方案實施后的網絡覆蓋率，得出最佳網絡覆蓋率結果后，就實現了無線傳感網絡節點優化部署。

2 實驗

2.1 實驗準備

文中采用仿真軟件，模擬無線傳感網絡節點優化部署，從而觀察文中提出優化部署方法的應用效果。實驗過程中，將網絡的規模設置為1000m，并設置線性網絡的節點感知半徑為200m。收集lbit數據時節點傳輸距離閾值設置為87，初始化能量和功率放大所需能量分別為0.5 mw和0.0013mw。由于原傳感器節點在監測區域中的覆蓋程度較低，應用文中設計的方法優化部署網絡節點。

2.2 實驗結果及分析

在無線傳感器節點部署實驗中，將工作節點數量設置為3，4，5，6，7，分析不同工作節點數時的網絡性能差異。文中為了保證無線傳感器網絡效率，需要在較少的工作節點的基礎上，通過節點部署優化，實現網絡效率和網絡覆蓋率的同步提升。采用文獻[1]方法和文獻[2]方法進行網絡節點優化部署設計。

覆蓋率：是衡量無線傳感器網絡節點部署結果的重要指標。表述方式為工作節點重疊個數的覆蓋面積與總部署區域面積之間的比值，具體計算方式如下所示：

[S=LR×100%] ? ? ? ? ? ? ? ? ? （9）

上式中，[L]表示符合測試條件的采樣點數量;[R]表示總采樣點數。

隨著節點部署的優化，會使得網絡覆蓋率產生較大變化，針對不同迭代次數和不同節點數目情況，分析三種優化部署方法的網絡覆蓋率性能變化。其中，迭代次數對網絡覆蓋率影響如圖1所示。

網絡覆蓋率隨著迭代次數的變化情況可以發現，文中提出的優化部署方法，由于節點受力范圍的減小，使得節點每一次移動的步長較小，造成前期收斂速度慢的情況。但是從迭代次數超過40次后，此時文中設計優化部署方法，在網絡覆蓋率性能方面逐漸優于文獻[1]方法、文獻[2]方法。不同的節點數量變化下，網絡覆蓋率性能變化如圖2所示。

根據圖2可知，三種優化部署方法應用后，隨著節點數目增長，網絡覆蓋率出現增高狀態。其中，文中設計方法的網絡覆蓋率最高。在同樣的節點數目中，文中設計方法部署后網絡覆蓋率遠遠高于其他兩種方法。平均網絡覆蓋率達到了97.52%，而文獻[1]方法和文獻[2]方法的平均網絡覆蓋率分別為96.32%、95.18%。綜上所述，文中設計優化部署方法將網絡覆蓋率提升了1.20%、2.34%。

由于相同的網絡覆蓋率，文中設計方法所需的工作節點數相對較少，可以提升網絡效率，使得二者達到最佳平衡，促進無線傳感網絡的發展。

3 結束語

由于無線網絡的生命周期直接受到網絡部署情況的影響。文中在傳統研究的基礎上，依托于BBO算法，完成節點優化部署設計，在保證網絡效率的前提下，完成網絡覆蓋率的提升。通過實驗結果可以發現，文中提出的部署方法，使得網絡覆蓋率實現了快速提升。未來將會針對功能上的優化，考慮網絡連通和覆蓋性能的結合，從而解決設計應用中可能會面臨的各種問題。

參考文獻：

[1] 曹義親，喻松，黃曉生.改進的PSO動態WSN節點部署算法[J].計算機工程與設計，2019，40（5）：1231-1236.

[2] 劉玲.基于FFT算法的物聯網終端網絡自適應節點部署方法[J].中國電子科學研究院學報，2019，14（8）：791-797.

[3] 張亮，黃郡.基于模糊粒子群優化算法的無線傳感器網絡部署優化研究[J].傳感器與微系統，2021，40（1）：23-25，29.

[4] 陳龍，金可仲，蔡雪冰，等.基于改進MPA的分層無線傳感器網絡優化部署[J].傳感技術學報，2021，34（1）：109-117.

[5] 王鴻鵬，王前，張曉陽，等.基于3D-Tabu禁忌搜索的廣域環境MESH網絡節點部署優化算法研究[J].傳感技術學報，2021，34（2）：261-267.

[6] 吳海燕，陳海英.基于圖論的光傳感器節點部署優化研究[J].激光雜志，2020，41（6）：116-120.

[7] 錢建新，施沈科，何燕，等.基于多目標優化的WSNs節點優化部署算法[J].兵器裝備工程學報，2020，41（6）：174-177.

[8] 支子聰，陳新，李昌，等.分層分簇無線傳感器網絡匯聚層的多目標優化部署[J].傳感技術學報，2020，33（4）：571-578.

【通聯編輯：張薇】

2205500511386