问题在于无法保证PSO三维空间传感器算法的优化精度，全局收敛性和收敛速度，基于优化的优化算法WCPSO提出了一种基于惯性权重线性降低策略和恒定加速度自适应策略的粒子群。
效提高了算法的精度和收敛速度。出了算法的设计方案，并在未知路径估计和进入路径的条件下进行了仿真实验，仿真结果表明了优化效果和效率。
WCPSO算法在改进之前优于PSO算法。键词：粒子群优化算法;部署优化;传感器网络; WCPSO算法中图分类号：TN911？ 34; TM417文件代码：A货号：1004？ 373X（2016）17？ 0132？ 04用数字电路技术网络通信技术和传感器技术的快速发展，3D空间传感器网络的发展也带来了机遇和挑战，但面对复杂多变的检测环境，准确，快速地部署传感器的空间位置仍然需要高级搜索[1？ 3]。中，经典的PSO传感器部署算法[4]采用随机初始化来增加个体质量的不确定性，并不能保证优化的准确性，全局收敛性和收敛速度。
法[5？ 6]。对上述问题，提出了一种基于粒子群优化的WCPSO算法。过增加惯性权重，并在PSO算法动态加速自适应策略的减少线性策略，优化算法收敛速度的准确性真正好转，这是对于三维空间传感器的最佳部署非常重要。
验仿真基于图1所示的WCPSO算法的流程图.Matlab分为四个模块：主控模块，初始化模块，优化计算模块和模块根据算法的功能生成解决方案。模块的功能如下：主控模块：用于完成模拟程序的启动，执行，暂停和结束，模块使用Matlab控制窗口进行人机交互。始化模块：在主控模块的控制下，帮助实验用户完成数学模型和计算参数，然后将每个参数传递给优化计算模块。化计算模块：在主控模块的控制下，接收初始化模块发送的模型和参数，然后根据设计的动态加速度常数迭代计算。
于优化惯性质量粒子群直到解决方案生成模块结束的算法。决方案生成模块：在主控制模块的控制下，传输接收到的优化计算模块的结果，以生成传感器优化部署计划。后通过三维效果图完成解决方案的分析和呈现。验模拟1涉及具有未知输入路径和最大覆盖范围的空间传感器布局优化问题，假设传感器的感测范围是空间中的球体，每个检测的概率。体的点等于和检测范围之外的概率等于0总共六个传感器的用20公里的半径检测的，25公里，25公里，35公里分别安装，35公里，分别为40公里。感器网络的检测区域设置为100 km×100 km×100 km，高度方向分为三个级别：20 km，50 km和80 km。层的重量分别为0.35，0.45和0.20。验中系数[λ1，] [σ1，] [θ1]和[ρ1]的初始值分别为0.20，0.20，0.20和0.40。体大小是5，所述颗粒的大小为22，粒子的位置和速度是1至100，和[t最大]被设定为1200，并且被用作迭代的最大数量之间迭代终止条件。机初始状态，PSO优化和WCPSO优化的目标函数值的结果如表1所示。1显示使用WCPSO算法优化传感器部署可以显着提高传感器网络的检测性能，加权指数的整体值从0.671到0.770 4，大于PSO算法的优化结果0.754 1. WCPSO优化本文提出的粒子群优化算法比PSO算法部署的传感器阵列具有更好的性能。2至图4示出了处于不同水平的传感器阵列的横截面视图。图4中可以看出，WCPSO算法优化的传感器阵列具有更大的检测范围，更高的传感器利用率和更合理的覆盖覆盖区域。验模拟2用于估计具有最完整检测概率的空间传感器布局。验设置了6个传感器，检测半径定义为20 km，25 km，25 km，30 km。里，30公里和分别。40公里其中，第一三个传感器具有圆锥形的检测范围时，检测半径是下部圆的半径，圆锥体的高度为40公里，并检测空间的传感器阵列被限定在100公里x 100公里x 100公里。3个输入路径的离散化有3个估计的输入路径和5个点。理结果如图5所示。径1，2和3的权重定义为0.4，0.3和0.3分别。
条路径上的五个离散点的权重分别定义为0.15，0.1，0.3，0.25和0.2。子大小设置为5，粒子大小为22，恒温阀芯粒子的位置和速度可以在约束范围内随机取得，最大迭代次数[tmax]设置为3000并用作迭代终止条件。机初始状态，PSO优化和WCPSO优化的目标函数值的结果如表2所示。2显示使用WCPSO算法优化网络部署对于三个估计路径，传感器网络的整体检测概率显着提高，在随机初始状态下从0.512到0.724 3，并且大于PSO。化算法的结果是0.572 7.因此，估计了以最高概率优化传感器阵列部署的问题。WCPSO算法的最优部署方案明显优于PSO算法，大大提高了传感器阵列目标检测系统的整体性能。验结果实验1和实验2的结果表明，基于粒子群优化的改进PSO算法WCPSO算法优于改进的PSO算法。化3D空间传感器网络的部署和效率的效果。证明了本文改进算法的有效性。论对于三维空间传感器网络的最佳部署，本文提出了一种使用策略用于减小惯性重量的线性和自适应策略来动态加速，从而提高了有效的基于WCPSO优化粒子群的算法PSO算法的优化精度和收敛速度。面描述设计方案和WCPSO算法的顺序。后，对两个典型问题进行了仿真，证明了该算法的有效性，这对于未来三维空间传感器网络的优化配置具有重要意义。考文献[1] POLI R，KENNEDY J，BLACKWELL T.粒子群优化：概述[J.]群体智能，2013，1（1）：33-57。
[2]黄虎生熊家军杨龙坡基于遗传算法的雷达网络优化布置[J]。军雷达学院学报，2008，22（4）：250-252。[3]唐志华。于相邻空间的目标检测与宽带通信[J]。线电工程，2007（11）：28？ 30. [4]白燕。于线性衰减系数粒子群优化算法的体积压缩实现[J]。子技术，2014，37（24）：41-44。
[5尚学钢，戴星宇，永贞Li等人，用于检测相邻宇宙飞船[J] .Smareboard电子对抗，2011，34（2）55的空间雷达系统的设计？ 59. [6] PERRY RP，DIPIETRO RC，FANTAL R L.移动目标的SAR成像[J]。
IEEE航空航天与电子系统交易，1999，35（1）：188？ 200. [7]袁浩。于增强型蜂群算法优化节点部署的无线传感器检测[J]。算机应用研究，2010（7）：2704？ 05. [8]张莉，刘云。
动无线移动传感器的网络部署算法[J]。京交通大学学报，2007，3l（5）：6-10。
本文转载自
恒温阀芯www.wisdom-thermostats.com