根据传感器提供的不可靠信息导致的节点部署问题，研究了四种不同形式的无线静态传感器网络（WSN）部署。四个组合优化问题概括为NP完全问题，并提出了基于动态规划的动态规划。决了考虑不确定性的节点部署算法。算法首先找到感兴趣区域中传感器节点的K个最佳部署位置，然后在K个部署位置中选择最佳部署方案。算法能够确定最小数量的传感器及其位置，同时提供覆盖范围和连通性。真结果表明，与最新的传感器部署策略相比，该算法在统一覆盖范围，优先覆盖范围要求和网络连接性方面更为有效。合了无线通信技术，传感器技术，嵌入式计算技术和分布式信息技术的无线传感器网络（WSN）是当前国际上的热门话题。为无线传感器网络的基本问题，传感器的部署近年来受到了广泛的关注[1-4]。际上，在感兴趣区域中部署的传感器数量及其位置决定了网络拓扑，从而影响了网络的许多固有属性，例如覆盖范围，连接性，成本和使用寿命。果，无线传感器网络的性能高度依赖于传感器的部署。文着重研究高效的传感器节点部署算法，其主要贡献如下：1）在四种具体情况下描述了部署静态传感器网络的问题。2）在基于证据的传感器覆盖模型的基础上，针对基于证据的基于证据的传感器部署（SE2BDA）提出了四种算法：E2BDAC（具有基于证据的传感器部署算法的首选覆盖目标）， E2BDAC（基于证据的传感器）。署算法，首选网络连接目标）和E2BDA。中，SE2BDA确定了传感器的最小数量及其位置，以确保对该区域进行完整且均匀的覆盖。E2BDAP，E2BDAC和E2BDA都考虑了SE2BDA目标因素，E2BDAP也考虑了优先覆盖区域目标因素，E2BDAC考虑了网络连接性目标因素，E2BDA同时考虑了优先覆盖区域和优先覆盖区域。络连接。3）仿真实验表明，该方法能够基于不确定性感知有效部署传感器。感器节点的部署是当前无线传感器网络研究的热点，许多研究人员提出了一系列节点部署的解决方案。如，张荣标及其合作者[5]针对多跳无线传感器网络的漏斗效应，提出了一种基于集群负载均衡的冗余节点部署算法（RNDA）。RNDA使用群集结构来平衡群集内的功耗，并根据每个群集的负载条件分配多个冗余节点，以平衡群集间的功耗。算法在模糊图论中引入了节点下一跳的路由概率作为边缘模糊权重，并提出了到达率定理，用于计算数据将从源节点传递到节点的概率。过m跳转到目的地。真结果表明，RNDA不仅可以延长网络寿命，而且可以有效地平衡网络节点的能耗。Sun Wei及其同事[6]将节点部署问题建模为组合优化问题，并提出了一种基于混合优化算法的无线传感器网络节点部署优化策略。网络覆盖为目标的人工鱼和微粒群的数量。验结果表明，与人工鱼群算法和粒子群算法相比，该算法减少了迭代次数，提高了网络覆盖率。Wen Jun等[7]提出了覆盖范围和网络。命周期内节点部署最少的问题取决于传感器网络的数据传输特性，减少节点数量的重叠方法以及降低节点密度的随机部署方法。提高能源效率并减少剩余能量。现有的部署方法相比，这两种新的部署方法需要更少的节点，并且具有较低的剩余能量，从而增加了电能的使用。真实验表明，这两种新部署策略的能效比现有方法高三到四倍。外，王丽丽及其同事[8]研究了部署具有异构感知能力的传感器节点的问题。出了节点部署优化问题的完整线性规划模型，并强调该问题是NP完全的。出了一种近似但计算有效的嘴优化部署算法，通过搜索最佳部署位置，传感器类型和检测方向来优化网络配置。
真结果表明，该算法可以降低网络配置成本和活动节点数，并具有较好的优化部署效果。Senouci等人[9]基于不确定性的感知提出了传感器覆盖率模型。模型更加接近实际，可以处理各种传感器部署问题，包括传感器可靠性。于Senouci的工作，本文更详细地研究了约束：优先级覆盖和网络连接。出了一种有效的基于证据的部署算法（E2BDA），它是一种基于动态规划理论的基于多项式时间的算法。E2BDA能够确定传感器的最小数量及其覆盖范围和连接性的位置。文将传感器部署问题分为四个阶段。第一阶段，仅考虑传感器的统一覆盖范围和成本，给出了部署问题的正式定义，并提供了E2BDA，SE2BDA的简单版本，其中两个优先级覆盖范围和连接性能减弱。第二阶段和第三阶段中，基于第一阶段理论，考虑了优先级覆盖和连接性能这两个优先级因素，从而获得了两种不同的网络部署策略：E2BDAP和E2BDAC。后，在第四阶段，该文档考虑了所有目标因素（例如优先级覆盖范围，成本和连接性目标），该策略的最终版本称为E2BDA。将在下面详细说明。文将RoI视为2D或3D网格。置网格粒度（即两个相邻点之间的距离）可以更改计算的复杂性和准确性。了简单起见，本文仅处理二维情况。
ROI视为m×n的网格。个小区的焦点可能是传感器或目标点的位置，如图1所示。本文档的第一个WSN部署问题中，在响应时传感器的数量应尽可能小所有点的连通性要求。部署第三个WSN时，本文将为第一个问题添加连接性。文档的目的是建立一个WSN，以提供一致的覆盖范围和网络连接性，同时优化部署成本。了保证网络的连通性，必须连接连通性图G =（V，E），其中：V是每个部署的传感器形成的点的集合，E是边缘的集合。设传输磁盘模型为[1]，则可以使用单位磁盘映射来描述网络。CCG表示一组连接的组件G =（V，E），其中CGC的基数必须等于1以确保网络连接。
第四个部署编号中，本文基于第三个部署问题，并包含优先级范围。文的目的是部署WSN以优化部署成本，同时提供优先级覆盖范围和网络连接性。当注意，不规则的RoI区域可以使用优先级部署约束轻松建模。时，本文将使用包含RoI字段的规则网格。于不属于RoI的点p，值thp为0，第2章介绍的关于部署优化的四个问题是NP完全问题，本章使用基于多项式时间和动态编程来解决上述所有问题。先考虑一个简单的E2BDA版本SE2BDA，以解决第一个问题，其次，本文介绍如何解决优先级覆盖问题并描述E2BDAP部署策略。三，本文介绍了网络连接并提供了第三种部署。E2BDAC策略：最后，本文档将所有目标因素综合考虑，并给出了E2BDA部署策略。决与动态编程有关的部署问题的第一步是确定最佳解决方案结构。文要解决的问题的最佳子结构如下：假定N个传感器s1，s2，…，sN的最佳部署策略为OP。后，在OP范围内，n可以使用子结构子问题的最优解来获得整个问题的最优解，但是对于这个部署问题，总数的输入大小本文的算法成为指数时间算法，这就是为什么使用多项式时间算法来获得次优解的原因。
感器和s对应于在P点部署的单个传感器。
传感器部署在p点时，在本文档中使用SCp。了表示RoI的每个证明点的对应矩阵，SCp对应于RoI的每个点。格，SCp计算参考功[9]假设n个传感器s1，s2，…，sn的部署策略为Dn，如果满足，则等式（3）覆盖点p本文件使用coreDn代表“假”合并中心做出的对冲决策的数量。“假”合并中心根据部署策略Dn和RoI区域s1，s2，…，sn部署传感器集。盖范围证明，恒温阀芯然后部署一个sn 1传感器，然后生成一个新的部署策略Dqn 1，其中q表示新部署的sn 1传感器的位置，并且DQn 1可以包含在PSPS中。矩阵的名称吗？矩阵。本文中，考虑RoI中的传感器s1，它面向网格空间的所有可能位置，该算法计算相应的PS矩阵并存储s1的k个最佳部署位置，用BP表示。以认为K是可以取任意值的参数，然后在每一步i，论文找到si在网格上的可能位置，并得到相应的PS矩阵（传感器s1至si-1分别为部署）BP不断更新。了记录为s1，s2，…找到的最佳部署位置，如果为了确保覆盖每个网格点，则预期结果是第一个退出标准。文定义了可用传感器的数量。二个暂停标准是可用传感器（NAS）的数量。最后一步，该算法从BP找到的传感器s1，s2，…，sn（其中n≤NAS）的最佳BP部署位置中选择最佳部署计划。代码SE2BDA表示在算法1中。要强调的是，信任函数是组合操作的中性元素。
SE2BDA在计算覆盖范围时不会检查网格中的所有点，而是使用滑动窗口策略。分区域。果NAS很大，则S E2BDA的计算复杂度为O（kw2mn），其中：k表示每次迭代考虑的最佳部署位置数，w表示窗口大小。际上，w的值取决于传感器的覆盖率模型，并且等于传感器的透射率。测范围Rs;如果乘积kw2用常数C表示，则SE2BDA的计算复杂度等于0（Cmn）。于每个点p∈RoI，存在一个预定的最小事件检测概率阈值thp对应的阈值，如果概率是猪的。θ1大于thp时，点p∈RoI被覆盖。者，如果BetP（{θ1}）≥thp，则覆盖p∈RoI。
于第一个问题，本文档添加了优先级覆盖优先级因子，其结果算法称为E2BDAP。SE2BDA的这篇文章中未假定统一覆盖。此，可以通过仅考虑与假设θ1相对应的假名概率来处理优先级覆盖问题。E2BDAP使用阈值阈值矩阵作为输入参数，而不是SE2BDA的唯一值th（与SE2BDA相同）。前所述，本文加入了基于SE2BDA的网络连接目标，其最终算法为E2BDAC。SE2BDA部署算法是一种增量算法，为连接提供了基本保证。每个步骤i中，BP都用于搜索部署的传感器s1，s2，…，si-1的连接范围内的所有可用网格点pa∈RoI和网格点。
文将这些点表示为{Pac}。
假设G’=（V’，E’）是使用算法E2BDAC部署的传感器s1，s2，…，si-1的连接图。G’是一个连通图。果在点pa处部署了新的传感器，则G”=（V”，E”）是新连接的图形。a点必须确保已连接G”。
SE2BDA相比，E2BDAC考虑了{Pac}网络点，而没有考虑{Pa}网络点。是一个矛盾，请相应调整。输范围Rc是E2BDAC的输入参数。时，在给定优先级覆盖范围和网络连通性的同时，需要同时解决优先级覆盖范围和网络连通性目标因素，算法2中给出了伪代码，伪代码计算为代码在算法2中执行。杂度为O（Cmn）。了评估E2BDA算法的有效性，本文将E2BDA与最新的部署算法（包括MaxAvgCov [11]，MaxMinCov [11]，MIN_MISS [12]和EBDA [9]）进行了比较。了使评估结果更加公平，对MaxAvgCov，MaxMinCov和MIN_MISS算法进行了增强，以允许使用基于证据的覆盖模型。
近，在评估本文的性能时，一些相关的算法已被忽略：例如，[13]中的BDA，即使经过多次迭代，该算法也无法实现完全覆盖。
文进行了三步模拟：首先，本文比较了在统一覆盖率要求下不同部署策略的性能，然后比较了具有优先覆盖率要求的不同部署策略的性能。三，网络连接要求。较不同部署策略的性能。设RoI是一个正方形，其中n个单元的一侧。步骤1到2中，将Rc值设置为较大，以使网络连接要求更加灵活。1中列出了仿真参数（以网格点为单位）。文档首先评估了三种统一覆盖方案中不同部署策略的性能。种情况下的th值分别为0.65、0.8和0.95。2列出了提供完全统一的覆盖范围所需的传感器数量。2显示，对于不同的部署策略，部署成本随着覆盖范围的增加而增加，并且EBDA和E2BDA使用的传感器远少于其他三种部署策略。时，E2BDA的性能优于EBDA：当覆盖范围很重要时，恒温阀芯E2BDA相对EBDA的性能优势更加明显。本节中，本文档检查当不同区域具有不同的覆盖范围要求时不同部署策略的性能。图2所示，文献[9]满足基于多元正态分布的优先级覆盖要求。本节中，本文将根据网络连接性要求比较不同部署策略的性能。
该注意的是，除了E2BDA以外，其他四种分发策略均未考虑网络连接问题。文在不同的Rc值下测试了不同分布策略生成网络的拓扑连接图。4总结了实验结果。Rc等于4时，由于网络连接性和覆盖范围之间的连接，所有分配策略都可以确保网络连接性。[14]中，作者使用二进制传感器覆盖率模型研究了这种相关性，并证明了，当Rc≥2Rs时，传感器覆盖率可以提供网络连接性。用基于证据的传感器覆盖范围模型对网络连接性和覆盖范围进行分析超出了本文的范围。此实验中，当Rc等于1时，只有E2BDA可以保证网络连接。
时，该文档指出，部署E2BDA的成本高于第一步，并且更高的成本是为了满足网络连接需求。有E2BDA才能保证所有情况下的网络连接。本文中，我们讨论了部署静态静态无线传感器网络的问题。静态无线传感器网络中，传感器提供的信息的可靠性受到限制。于基于证据的传感器覆盖模型，本文总结了在四种不同情况下部署无线传感器网络的问题，并将其视为NP完全联合优化问题。文提出了一种基于多项式时间，不确定性感知和动态规划理论的E2BDA部署算法。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com