登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 计算机类 > 计算机科学与技术 > 正文

无线传感器信道分配问题的遗传算法求解文献综述

 2020-06-03 22:07:07  

随着无限传感器网络技术的日益成熟,无线传感器网络的各种应用不断涌现,这必然导致多个不同应用的无线传感器网络共存于一个地理区域的趋势,由于传感器网络本身电节点的密度就很高,这一趋势必然进一步增加同一区域的节点密度,加剧无线传感器节点之间的通信干扰。这样,传统的单信道通信方式就不能够处理这种急剧增加的干扰状况,因而无线传感器网络中引入多信道分配算法成为降低通信干扰的一种必要手段。

无线传感器网络最大的优点是节点廉价微型,可以完成很多人类自身无法完成的任务,有着广泛的应用价值。无线传感器网络的应用主要有军事方面的应用,环境保护方面的应用,医疗健康方面的应用和智能家居方面的应用。

信道分配问题第一次被提出是在二十世纪六十年代。无线电话系统和卫星通信的告诉发展,以及新出现了电视广播通信和军事通信,使得越来越多的学着开始关注这个问题,尽管学术研究所描述的信道分配问题模型会有一些差异,但总的来说,信道分配问题具有如下两个特征:1、要从一个可用信道集合里面挑选一些信道,分配给一组无线通信链路,以减少它们之间的通信干扰;2、如果两个无线通信链路在空间上很接近,而且所使用的信道相同或者在频谱上很接近,那么这两个链路之间必然产生通信干扰。

无线传感器网络中现有的主流信道访问控制协议(MAC)如T-MAC、B-MAC以及S-MAC等都使用一个信道负责整个网络的通信,在干扰如此急剧加深的形式下,这些单信道MAC协议显然是不能有效地解决信道访问控制问题的。然而,现有的无线传感器节点如Micaz、CC2430、Imote2以及TelosB等等都是可以在多个信道上进行操作的。在2.4GHZ频段上,可供无线传感器网络选用的信道共有16个,通过实验表明这16个信道只要互不相邻就不会相互干扰,因此,即使考虑到相邻信道的干扰问题,也有8个互补干扰的信道可供同一区域的无线传感器网络选用。如果在无线传感器网络中使用多信道技术并设计合适的分配方法,那必将大大地减少无线传感器网络中的通信干扰,提高传输时延、吞吐量、传递率等网络性能。

针对以上问题和无线传感器网络节点数量多,网络规模大,运算能力有限的特点,提出一种频点分配算法。该算法以点着色理论为基础,结合功率控制,采用分布式控制方法,使不同分簇内部采用不同的频点通信,以避免干扰,降低碰撞概率。

图的着色问题无论在理论上还是在工程应用上都有良好的背景,诸如在排课、安排比赛,无线频率分配、变址寄存器数目等方面,都有直接应用。当前,对图着色问题的研究主要集中在四色猜想的证明、图的色数的估计和给定图G,对它进行k一着色等方面。

1967年,美国密歇根大学John H.Holland教授的学生J.D.Bagely通过对跳棋游戏的参数研究,在其博士论文中首次提出了”遗传算法”一词。Holland认为,通过简单的模拟机制可以描述复杂的适应性现象。Holland试图建立适应性过程的一般描述模型,并在计算机上开展模拟试验研究,分析自然系统或者人工系统对环境变化的适应性现象,其中遗传算法仅仅是一种具体的算法形式。Bremermann,De Jong等人则注重将遗传算法应用于参数优化问题,极大地促进了遗传算法的应用。所以,遗传算法既是一种自然进化系统的计算模型,也是一种通用(general purpose)求解优化问题的适应性搜索方法。目前,人们最关注和普遍使用的遗传算法是其后一种性质。

从整体上来讲,遗传算法是进化算法中产生最早、影响最大、应用也比较广泛的一个研究方向和领域,它不仅包含了进化算法的基本形式和全部优点,同时还具备若干独特的性能。

基本的遗传算法(或称为标准遗传算法)由初始化、选择、交叉和变异四个部分组成。遗传算法是从一组随机产生的初始解,被称为”种群(population)”,开始搜索过程。种群中的每个个体是问题的一个解,称为”染色体(Chromsome)”。染色体是一串符号,比如一个二进制字符串。这些染色体在后续迭代中不断进化,即为遗传。在每一代中用”适应值(Fitness)”来表征染色体的好坏。生成的下一代染色体,称其为后代(Offspring)。后代是由前一代染色体通过交叉(Crossover)或者变异(Mutation)运算得到的。新一代形成后,根据适应值的大小进行选择优劣。在这个过程中,适值高的染色体被选中的概率一般比较高。从而保留比较好的部分后代,淘汰部分适应值低的后代,保持种群大小是常数。这样,经过若干代之后,算法收敛于最好的染色体,它很可能就是问题的最优解或次优解。

遗传算法抽象于生物体的进化过程,通过全面模拟自然选择和遗传机制,形成一种具有”生成 检验”特征的搜索算法。遗传算法以编码空间代替问题的参数空间,以适应函数为评价依据,以编码群体为进化基础,以对群体中个体位串的遗传操作实现选择和遗传机制,建立起一个迭代过程。在这一过程中,通过随机重组编码位串中重要的基因,使新一代的位串集合优于老一代的位串集合,群体的个体不断进化,逐渐接近最优解,最终达到求解问题的目的。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图