基于改进灰狼算法的WSN覆盖优化研究.pdf

摘要

为确保较高的网络检测质量，基于应用场景的未知性，无线传感器网络（Wireless

SensorNetworks,WSN）的覆盖优化与节点连通情况已然成为衡量传感器网络感知和

通信等各个方面服务质量的重要指标。首先，基于操作简单、容易实现、调节参数少、

划分等级制度和抽象处理等优势，采用灰狼算法(GreyWolfOptimizer,GWO)进行研

究。其次无线传感器网络在处理节点时与灰狼群体狩猎的社会等级制度活动极其类似，

将传感器节点与灰狼个体一一对应，按照灰狼捕食规律优化传感器节点位置，可取得

较好的优化效果。因此本研究立足于灰狼算法，深入研究WSN二维与三维各种复杂

环境，同时兼顾网络连通率与覆盖率，切实保证网络检测质量。但经典的灰狼算法仍

然存在求解精度不高，迭代后期种群多样性小和收敛速度慢，最终易陷入局部极值等

问题，所以有必要针对具体环境改进灰狼算法。具体的研究内容如下：

（1）在描述GWO算法的基础上，简要阐述了灰狼算法理论收敛验证过程，为

之后的改进灰狼算法性能测试做铺垫。其次，群智能优化算法中常利用混沌映射理论，

但混沌映射的选择标准并不完善，综合各类混沌映射模型，通过混沌映射分布图与直

方图仿真结果验证Tent混沌映射更加适合传统的群智能优化算法。

（2）在二维WSN中提出一种多策略灰狼算法(MultiStrategyGreyWolfOptimizer,

MSGWO)，该算法融合Tent混沌映射、改进的双曲正切收敛因子、差分变异重构包

围步长、瞬态优化方程等策略，以改进GWO算法的缺陷。其次，利用高维单峰、多

峰和平移函数从收敛曲线、箱线图和数值优化三方面统筹验证MSGWO该算法的稳

定性、波动性及鲁棒性，性能测试中MSGWO算法在稳定性与波动性上颇具优势。

无障碍物情况下，MSGWO算法相比SSA、LGWO、PSO和PSOGWO算法的平均覆

盖率增量分别为12.52%、6.054%、7.53%和3.45%，该算法具有较高的平均覆盖率；

同参数下，仅改变传感器节点感知半径或者节点个数，MSGWO算法的覆盖率与连通

率更高，且具有更优的传感器节点的分布状态。含障碍物情况中，MSGWO算法的

WSN覆盖率增量最高，随着障碍物形状复杂化，覆盖效果稍有下降，但连通效果仍

具优势。

（3）随机部署三维空间与三维曲面WSN节点会出现覆盖率低的情况，鉴于二

维MSGWO算法不适用于三维WSN，提出一种三维WSN的EGWOEO算法（Enhanced

GreyWolfOptimizerandEquilibriumOptimizer,EGWOEO），该算法从增加Tent混沌

映射、反向学习策略、融合平衡优化算法和改进灰狼位置方程四方面入手。此外，对

EGWOEO算法进行性能测试确保所提算法的可行性。一方面检验算法的收敛精度与

速度的提升程度，另一方面检验算法的稳定性和应对复杂问题的能力。性能测试表明

该算法具有更强的稳定性和波动性。将EGWOEO算法应用于三维空间WSN覆盖优

化中，与GWO、PSOGWO、LGWO算法相比，EGWOEO算法的平均覆盖率增量分

别为11.382%、11.021%和12.759%，改善了节点分布不均现象，提高了节点利用率；

在三维WSN简单曲面中，EGWOEO算法相较于GWO、PSOGWO和LGWO算法

平均覆盖率增量分别为16.285%、15.757%和3.77%；在三维WSN复杂曲面中，相

比GWO、PSOGWO和LGWO算法，EGWOEO算法的平均覆盖率增量分别是0.9%，

2.52%和1.58%。无论是三维空间还是三维曲面中该算法都能保证最高的连通效果。

关键词：无线传感器网络；灰狼算法；MSGWO算法；EGWOEO算法；覆盖优

化

Abstract

Toensurehighnetworkdetectionquality,thecoverageoptimizationandnode

connectivityofwirelesssensornetworkshavebecomeimportantindicator