曹娜娜　谢智峰　穆莉　王汐存

摘要：为解决WSN随机部署方法导致覆盖率低的问题，提出了一种基于萤火虫算法的WSN自适应部署方法。该方法融合概率感知模型和萤火虫算法两种技术，建立网格覆盖模型，实现WSN节点优化部署。设计了3组仿真测试，实验结果表明，新方法相较于随机部署方法，其测覆盖率有所提升。

关键词：WSN;随机部署;萤火虫算法;概率感知模型;网格覆盖模型

中图分类号：TP301、TP391      文献标识码： A

文章编号：1009-3044（2021）03-0005-03

Abstract： In order to solve the problem of low coverage caused by the random deployment method of WSN， a WSN adaptive deployment method based on the Firefly algorithm is proposed. This method fuses two technologies， the probability perception model and the firefly algorithm， to establish a grid coverage model to achieve optimal deployment of WSN nodes. Three sets of simulation tests are designed， and the experimental results show that compared with the random deployment method， the new method has improved test coverage.

Key words： WSN; random deployment; firefly algorithm; probabilistic perception model; grid coverage model

1 前言

无线传感器网络（Wireless Sensor Network， WSN）[1]是基于微处理、嵌入式及无线通信等技术的一种具有低功耗、低成本、自组织等特点的分布式信息感知、传输和处理系统。它通过网络技术，实时感知、采集、处理和发布网络覆盖区域内检测对象的信息。目前，WSN被广泛应用于军事[2]、灾害预警[3]、空间探测[4]和环境监测[5]等领域。在应用过程中，WSN面临的首要问题是节点部署，其直接影响整个网络的覆盖能力。随机部署是最简单的节点部署方式，但该方式易使众多节点聚集，节点无法均匀部署，导致监测区域盲区较多，从而影响整个WSN监测性能。为了克服随机部署方式存在的缺点，因此，需要设计一种自适应调整的WSN部署方法。该方法可以根据监测区域的变化，动态地调整传感器的位置，减少区域覆盖盲点，提高WSN 覆盖率。

群体智能算法（Swarm Intelligence Algorithm， SIA）是一种仿生优化技术，可用于解决各种具有高维、多模和不可微等特性的复杂问题。典型的算法有粒子群算法（Particle Swarm Optimization， PSO）[6-7] 、蜂群算法（Artificial Bee Colony， ABC） [8-9] 和萤火虫算法（Firefly Algorithm， FA）[10-12]等。受自然界萤火虫的生物社交行为影响，杨新社教授[13]于 2008 年提出萤火虫算法。……