郎健 孟晗

【摘 要】目前，基于WSN节点部署仍然存在部署成本高，网络覆盖范围低的问题。本课题针对以上问题，提出一种改进的WSN节点部署优化算法，在一定数量传感器节点和一定监测区域内，最大限度地提升网络覆盖率，降低部署成本，提高网络QOS。本算法将微粒群算法和K-means算法应用到无线传感器部署问题，并提出了KMPSO算法的改进算法（TKMPSO）。

【关键词】微粒群算法 K-means均值聚类算法 WSN

1 WSN节点部署算法国内外研究现状

无线传感器网络（WSN）是由大量具有通信和计算能力的传感器节点以自组织和多跳的方式构成的无线网络，能够协作地感知、采集、处理和传输网络覆盖区域内感知对象的监测信息，并将其报告给用户[1]。文献[2]和文献[3]都提出了一种基于微粒群算法的无线传感网络部署优化方法，虽然证明微粒群算法能够有效实现无线传感网络部署优化，但是标准粒子群算法在空间搜索时，容易陷入“早熟”现象，达不到理想的覆盖率。针对该问题，有文献提出一种基于改进微粒群算法（KMPSO）的无线传感器网络节点部署优化策略。在优化的过程中，算法通过引入K-means聚类算法，将种群划分为几个子种群，使各子种群之间彼此进行独立优化；与此同时，为了避免“早熟”发生，可以增强子种群间的信息交流，对子种群进行动态重组，减弱微粒对局部最优点的追逐，避免标准PSO算法中的粒子“早熟”现象，但是该算法规定迭代若干代后，强制对子种群进行动态重组，具有一定的盲目性。……