网站建设计划书300,优化站点,京东网上购物,wordpress建站ftp文章目录 【可更换其他算法#xff0c;获取资源请见文章第5节#xff1a;资源获取】1. SSA算法2. 三维覆盖模型3. 部分代码展示4. 仿真结果展示5. 资源获取 【可更换其他算法#xff0c;获取资源请见文章第5节#xff1a;资源获取】 1. SSA算法 2. 三维覆盖模型
三维覆盖模… 文章目录 【可更换其他算法获取资源请见文章第5节资源获取】1. SSA算法2. 三维覆盖模型3. 部分代码展示4. 仿真结果展示5. 资源获取 【可更换其他算法获取资源请见文章第5节资源获取】 1. SSA算法 2. 三维覆盖模型
三维覆盖模型如下面图1所示。
由于节点随机抛洒而传感器节点的分布情况会影响网络覆盖率以 R c o v R_{cov} Rcov作为覆盖率评价标准。在三维覆盖区域中传感器节点的覆盖区域是某一半径确定的球。在三维监测区域中随机抛洒 N N N个传感器节点形成节点集 S { s 1 , s 2 , . . . , s N } (1) S\left \{ s_{1},s_{2},...,s_{N} \right \} \tag{1} S{s1,s2,...,sN}(1) 其中第 i i i个节点的坐标为 s i ( x i , y i , z i ) s_{i}(x_{i},y_{i},z_{i}) si(xi,yi,zi)。三维监控节点集合为 L { l 1 , l 2 , . . . , l N } (2) L\left \{ l_{1},l_{2},...,l_{N} \right \} \tag{2} L{l1,l2,...,lN}(2)其中三维监测区域内某个目标点为 l v ( x v , y v , z v ) l_{v}(x_{v},y_{v},z_{v}) lv(xv,yv,zv)三维监控点与目标点的距离为 d ( s i , l v ) ( x i − x v ) 2 ( y i − y v ) 2 ( z i − z v ) 2 (3) d(s_{i},l_{v})\sqrt{(x_{i}-x_{v})^{2} (y_{i}-y_{v})^{2}(z_{i}-z_{v})^{2}} \tag{3} d(si,lv)(xi−xv)2(yi−yv)2(zi−zv)2 (3) 若 d ( s i , l v ) ≤ R s d(s_{i},l_{v})\le R_{s} d(si,lv)≤Rs则目标点在三维覆盖区域内感知度标记为1相反则在三维覆盖区域之外感知度标记为0。采用布尔感知模型感知度为 p ( s i , l v ) { 1 , d ( s i , l v ) ≤ R S 0 , d ( s i , l v ) R S (4) p(s_{i},l_{v})\left\{\begin{matrix} 1,d(s_{i},l_{v})\le R_{S} \\ 0,d(s_{i},l_{v}) R_{S} \end{matrix}\right. \tag{4} p(si,lv){1,d(si,lv)≤RS0,d(si,lv)RS(4) 其中R_{s}为节点的通信半径假设三维网络中有 k k k个 待测节点 s 1 , s 2 , . . . , s k s_{1},s_{2},...,s_{k} s1,s2,...,sk对应点 l l l的覆盖率分别为 p ( s i , l v ) p(s_{i},l_{v}) p(si,lv)其中 k a l l k_{all} kall是监测区域内所有待测传感器节点 R p ( k a l l , l v ) R_{p}(k_{all},l_{v}) Rp(kall,lv)为联合感知概率表达式为 R p ( k a l l , l v ) 1 − ∏ i 1 k ( 1 − p ( s i , l v ) ) (5) R_{p}(k_{all},l_{v})1-\prod_{i1}^{k}(1-p(s_{i},l_{v})) \tag{5} Rp(kall,lv)1−i1∏k(1−p(si,lv))(5) 网络整体覆盖率为 R c o v ∑ i 1 k R p ( k a l l , l v ) k (6) R_{cov}\frac{\sum_{i1}^{k}R_{p}(k_{all},l_{v}) }{k} \tag{6} Rcovk∑i1kRp(kall,lv)(6) 其中 R c o v R_{cov} Rcov是传感器网络的整体覆盖率 P P P为区域中的任意一个监测点。以覆盖率为适应度函数可以检验无线传感网络覆盖性能。
3. 部分代码展示
FoodNumber30; %种群数量
maxCycle500; %最大迭代次数
dim30; %待优化参数数量
P_percent 0.2; %发现者比例
pNum round( FoodNumber * P_percent ); %发现者数量
objfunWSNcover;
c0; %下限
d50; %上限
r10; %边界宽lb c.*ones( 1,dim ); % Lower limit bounds
ub d.*ones( 1,dim ); % Upper limit bounds
for i 1 : FoodNumberFoodsX( i, : ) lb (ub - lb) .* rand( 1, dim ); FoodsY( i, : ) lb (ub - lb) .* rand( 1, dim );FoodsZ( i, : ) lb (ub - lb) .* rand( 1, dim );ObjVal(i)feval(objfun,FoodsX( i, : ),FoodsY( i, : ),FoodsZ( i, : ),dim,r,d);Fitness(i)calculateFitness(-ObjVal(i));% 得到适应度值覆盖率越高适应度值越高
endpFit Fitness;
pObj ObjVal;
pX FoodsX;
pY FoodsY;
pZ FoodsZ;
[ ObjMax, ObjbestI ] max( ObjVal );
[ fMax, fbestI ] max( Fitness );
bestX FoodsX( fbestI, : );
bestY FoodsY( fbestI, : );
bestZ FoodsZ( fbestI, : );
HistoryObjMax [1,maxCycle];% 画图
figure(1)
for i1:dimx bestX(1,i);y bestY(1,i);z bestZ(1,i);cc(x,y,z,r);hold on;
end
xlabel(X(m));
ylabel(Y(m));
zlabel(Z(m));
title(优化前覆盖效果);4. 仿真结果展示 5. 资源获取
A资源获取说明.rar
