给定节点的无线传感器网络（WSN）和缺乏监测盲区人工蜂群的预测贝叶斯算法在不合理分布（BPABC）提出制定节点分布模式。算法利用BPABC贝叶斯预测算法，以预测该蜂蜜源具有在蜂群算法的最优解，并将其作为用于引导蜜蜂的后续优化工作的基础的可能性。
BPABC算法用于优化广域网中节点的分布，并与人工蜂群算法和全球人工蜂群算法进行比较。果表明，BPABC优于其他两种算法的平均覆盖面和覆盖面更坏的方面，那BPABC算法也有迭代收敛速度方面优势明显。了进一步验证了改进算法的可行性，BPABC来制定不同的监管区域的无线传感器网络节点的分布格局。WSN的覆盖率约为97％，标准偏差不超过0.005％。以看出，基于BPABC的WPA节点优化方案具有更高的覆盖范围，良好的适应性和稳定性。键词：无线传感器网络;节点分布;人工蜂群算法;贝叶斯预测算法;覆盖图分类号：TP212.9文献代码：AA文章编号：1000-582X（2018）05-015-08Résumé：无线传感器网络（WSN）中的节点的分布往往是不合理的，总是许多监视盲点。
了解决这个问题，提出了贝叶斯人工蜂群（BPABC）预测算法来开发节点的分布方案。贝叶斯预测算法预测蜂群算法中每个蜜源的最优解的概率，并指导蜜蜂在寻找最优解时遵循。计的算法用于优化WSN中节点的分布。比，这些人工蜂群算法和人工蜂群的整体算法，结果表明，BPABC优于其他两种算法在平均覆盖和覆盖下为了检查更多方面在改进算法的实用性之前，本文档使用BPABC算法为不同的监控域开发WSN节点分配方案。以看出，基于BPABC的WSN节点分布优化方案具有高覆盖率，良好的适应性和稳定性。键词：无线传感器网络（WSN）;节点分布;人工蜂窝算法贝叶斯预测算法：覆盖率无线传感器网络（WSN）具有大量的传感器节点，每个节点的位置对感知和效率有直接影响WSN节点，只能正确部署每个节点的位置。保WSN对目标区域进行有效和稳定的监控[1-3]。此，研究WSN节点部署算法对于WSN的发展具有重要意义。[4]，混沌算法与粒子群优化算法相结合，提高粒子群的局部最优逸出的能力，但收敛速度和平均覆盖率这种方法并不理想。[5]中，无线传感器网络节点的分配的优化问题是基于果蝇算法，和气味功能改善为更好地应用于点覆盖。是，该算法的目标函数必须定义ω，不同的ω对WSN的优化效果有很大影响。[6]中使用的算法利用粒子群优化和协同进化算法，进一步增强了研究的进化能力。于每个变异交叉操作采用简单的随机方法，因此搜索效率低，优化速度慢。[7]中，人工蜂群算法用于制定WSN部署计划，结果模式的覆盖率很高，但收敛速度太慢。献[8]将差异进化算法与蜂群算法相结合，以提高蜜蜂的搜索能力，并在有限的时间内提供最佳的部署计划。
了更好地优化无线传感器网络节点的分布，基本的算法是人工蜂群（ABC）（ABC）和贝叶斯预测算法的概念的传统算法是用来改善收敛速度。叶斯预测算法（BPABC）和算法可被用于配制的节点分配的方案，与传统的算法蜂群的优化和蜂群算法的总体方案人工（GABC，人工蜜蜂的全球殖民地）。较检查BPABC算法的优越性。题说明在实际应用中，WSN节点分发方法是最简单的随机部署，从而导致大量的重叠覆盖区域，造成资源和失败的浪费执行计划的监控任务。化的部署解决方案允许WSN最大化监控区域的覆盖范围。此，WSN的节点分布直接影响其对目标区域的监控效果，合理部署每个节点可以提高WSN的性能和监控能力。问题的具体模型描述如下[9-11]：有一个二维的监视区域A，有在WSN到目标区N的传感器节点，每个节点的感知半径为r和所有节点可以保存为{s1。s2，…，sN}。（僖，YI）表示，如果在区域A.为了便于覆盖率的计算中，目标区域中的离散成m×n个点PJ，其中m和n的节点位置坐标分别是总数水平和垂直坐标的离散点，恒温阀芯任何点的坐标都是（x，y）。
定的节点处的离散点之间PJ和如果所述距离在（SI，PJ）=（XI-X）2 （YI-Y）2。传统算法的人工蜂群算法菌落形式人工蜂（蜜蜂人工的ABC菌落的算法是从蜜蜂种群蜜蜂源之间的合作研究过程衍生的智能算法。12]该算法将菌落的蜜蜂蜜蜂分为三类：招聘蜜蜂，蜜蜂和下面的三个品种的蜜蜂蜜蜂侦察合作，找到蜂蜜的最佳来源来源算法是一个可行的解决优化问题…传统的ABC算法采用轮盘赌概率的方法来反映的蜂蜜和蜂如下查找和更新蜜之源每个源的状态，如果本地搜索的次数蜂蜜的来源tteint 1（1是从单个源蜂蜜的搜索的最大数目），则认为没有蜜源在蜂蜜的源极和蜜蜂的附近提供更好的身体状况检测将消除蜂蜜的来源并遵循它。式（6）拯救了新的蜂蜜来源。述分析导致，由于人工蜂群传统算法不改变维搜索的内容，许多迭代需要找到最优解的结论导致收敛速度慢。外，每个搜索将更新一个随机函数，这会导致很多在研究过程中不切实际的解决方案，浪费计算资源并降低研究的有效性的项目。
工蜂群算法的人工贝叶斯预测算法是蜜蜂低效率和收敛lente.L’algorithme传统菌落使用贝叶斯预测算法[16]，以提高算法蜜蜂的殖民地。先，在蜜蜂的传统算法蜂群的数量必须进行调整：在蜜蜂的传统算法，就业蜜蜂和追随者的数量等于满足升级要求所有蜂蜜来源。该算法中，定义了少量最初雇用的蜜蜂，其数量为a。蜂出租的更新公式与传统的蜂群算法相同。
随者的数量表示为b，它是由两个部分组成：一个用于局部搜索（b1）和其他用于转化为蜂租赁（b2）中，当搜索在满足一定的条件。算法的执行期间，当蜂蜜源的预测概率超过50％时，BPABC算法将蜂蜜源分成两个二级蜂蜜源用于分区搜索。种蜂蜜来源的预测概率是原始值的一半，并更新公式。没有变化，只是蜂蜜的两个二级来源的α值与之前的不同，后者分别是-1到0和0到1的随机数。择每个二级蜂蜜源的最佳功能值，以追踪蜜蜂作为新的蜂蜜来源如果蜂蜜来源之后的所有蜜蜂都不如分割前的蜜源，保留原产蜂蜜来源和预测概率的结果，并进行局部搜索。加1到次数。群贝叶斯预测算法的具体执行过程如下：初始化步骤1。法参数被定义，蜂蜜源寻求招募蜜蜂被启动，并且每个蜂蜜源的先验概率设置为1 / A。估每种蜂蜜源并获得后验概率。据等式（6）计算初始蜂蜜源的预测概率向量。2步雇用蜜蜂链接。佣的蜜蜂根据公式（7）搜索相应的蜂蜜来源。旦评估完成，蜂蜜和预测概率的所有来源进行了优化和更新，以及本地搜索c设置为0。于不符合更新条件蜂蜜源，他的本地搜索号c增加1.步骤3按照链接蜜蜂。对于预测概率生成二级蜜源，并且根据等式（9）分配所有跟随者。据式（10）和式（11），搜索，评估每种蜂蜜源，并完成蜂蜜源的替换和局部搜索时间。算蜂蜜和粉丝的来源数量。4步：链接消除蜂蜜的来源。蜂蜜源的数量超过了蜂蜜源的数量的上限，该算法消除了质量差取决于蜂蜜来源以前的链接进行评估，直到蜂蜜源的数量质量符合要求。后获得现有蜂蜜源的预测概率向量。
保存最佳的全球蜂蜜源xbest。骤5检测蜜蜂链接。果蜂蜜源的本地搜索次数达到1，则检测蜜蜂将重置蜂蜜源。更新预测的概率向量。骤6如果总迭代计数t未达到Gmax，则继续执行步骤2.否则，算法结束。真实验研究使用Matlab的测试蜂群的预测贝叶斯算法的运行效果和优化无线传感器网络节点的分布验证了其优越性。较了三种算法BPABC，GABC和ABC的优化结果。
设WSN中有60个相同的传感器节点，检测半径为20 m。了突出BPABC算法的性能，算法的参数在这里随机定义。定义的参数为：a = 20，B = 80（其中，b1 = 60，B2 = 20）中，l = 20，的Gmax = 500。SN在200×200μm的监视区域使用。算法相关的其他两个参数与上述参数相同，并且三个算法分别执行200次。果列于表1表1显示，经过多次实验中，基于WSN-BPABC算法可以覆盖目标区域和该算法的最严重的覆盖率约97％，可达到95％以上。优化速度方面，BPABC可以获得约166次的最优分配方案。其他两种算法相比，BPABC算法在这方面具有明显的优势。
种算法的迭代优化曲线在图1中示出它可以在图1中可以看出，相比于算法和ABC GABC的BPABC算法可以得到在最时间的最优节点分布图案简而言之，这种架构的覆盖范围也优于其他两种算法。外，BPABC算法的覆盖范围通常保持上升趋势，有效地消除了局部最优状态。此，总之，BPABC算法的应用可以更好地完成优化节点的任务。BPABC算法开发的WSN节点的分布方案如图2所示。2显示，如果没有规划节点的分布，将出现大量重叠的监视区域（图2（a）），这降低了无线传感器网络的工作效率。BPABC算法用于优化节点的分布（图2（b））。化结果表明，每个节点分布合理，盲覆盖区域较少，极大地提高了无线传感器网络的监控性能。了进一步测试BPABC三种类型的算法被用于具有不同数量的节点以优化无线传感器网络算法的性能：当节点的数目是不同的，在三种算法对冲变化中示出图3.当WSN节点是不够的，相比由所述三种算法产生的模式，也有节点间的覆盖区域几乎没有交集，从而使三种方案的覆盖范围是相似。种优化算法覆盖率与节点的数量增加，价格逐渐降低，但优化效果BPABC总是比其他两个，当节点数量为60，更好BPABC算法的优势更加明显。分析的结果以上均涉及在Quad监视区域régulière.Pour检查制品中所使用的算法的一般化值，则BPABC算法被应用到相同的三角形注视区域，矩形，矩形和六边形规则比上述监视区。算法的优化，每个监视区域的点分布在图4中示出的后BPABC算法被用来优化在每个监视区域节点的200倍的部署（见表2）。于上面的数据和分布图，由BPABC算法优化的节点部署方案对于每个监视区域具有更高的覆盖范围。定了一项计划。过仿真比较，给定区域的BPABC算法的平均覆盖率和最差覆盖率可以达到95％以上。且覆盖率的标准偏差不超过0.005。
表明BPABC算法具有较高的适应性和稳定性，并且在针对节点分布进行优化时，可以受到监视区形状的影响，仅与其区域有关。此，BPABC算法在优化WSN节点分布问题上的应用具有一定的推广价值。论BPABC算法用于无线传感器网络的最优化问题，这引入贝叶斯预测算法的节点预测，蜂蜜的源具有在人工蜂群算法的最优解的概率。究有效地提高了研究效率。算法编程和BPABCsimulé.Les仿真结果表明，该算法可以得到用更少的迭代BPABC高覆盖率节点分配方案，并能满足任何域监控需求监控。应性好。来，可以根据实际需要将其他优化目标函数添加到算法中，以便在实践中更好地应用优化的解决方案。
本文转载自
恒温阀芯www.wisdom-thermostats.com