The optimization of nodes deployment is one of the most active research areas in wireless sensor networks. In this paper, we propose an improved culture algorithm–ant colony algorithm (CA–ACA) to solve the problem of nodes deployment. Double evolution mechanism of culture algorithm is integrated into the improved ant colony optimization algorithm within the population space as an evolutionary strategy, and then directs the search of population space through the elites of continuous evolution in belief space. The introduction of culture algorithm makes the search for optimization faster and better stability of CA–ACA than traditional ones. In addition, greedy strategy is introduced for the situation of sparsely monitored points, which makes CA–ACA be suitable for any environment. Furthermore, we also investigate the convergence judging method which makes CA–ACA avoid premature convergence so as to achieve the purpose of global optimization. A large number of simulation experiments have been conducted and the results not only demonstrate the validity of CA–ACA, but also verify that CA–ACA algorithm can optimize the number of sensors deployed in network under the conditions of guaranteed connectivity and coverage. Current results are of great significance to effectively design the optimal deployment of nodes in wireless and mobile sensor networks

چکیده

بهینه سازی استقرار گره ها یکی از فعال ترین زمینه های پژوهشی در شبکه های حسگر بی سیم است. در این مقاله، یک الگوریتم فرهنگی بهبود یافته – الگوریتم کولونی مورچگان (CA-ACA) برای حل مساله مکان گره ها ارائه می نماییم. مکانیسم تکامل مضاعف از الگوریتم فرهنگی با الگوریتم کولونی مورچگان بهبودیافته در فضای جمعیت به عنوان یک استراتژی تکاملی یکپارچه می گردد، و سپس جستجوی فضای جمعیت را از طریق نخبگان تکامل پیوسته در فضای باور هدایت می نماید. معرفی الگوریتم فرهنگی، جستجوی بهینه سازی را سریعتر کرده و ثبات CA-ACA را نسبت به موارد سنتی بهتر می سازد. به علاوه، استراتژی حریصانه برای مواقعی معرفی می شود که نقاط دیده شده، تُنُک هستند. این امر CA-ACA را برای تمام محیط ها مناسب می سازد. از این گذشته، ما همچنین روش قضاوت در مورد همگرایی را بررسی می نماییم که این روش باعث می شود CA-ACA از همگرایی زودرس دوری نماید تا به هدف بهینه سازی سراسری دست یابیم. تعداد زیادی آزمایش شبیه سازی انجام گشته است. نتایج نه تنها اعتبار CA-ACA را نشان می دهند، بلکه همچنین تایید می کنند که الگوریتم CA-ACA می تواند تعداد حسگرهای استفاده شده در شبکه را تحت شرایط اتصال و پوشش تضمین شده، بهینه سازی نماید. نتایج فعلی اهمیت زیادی در طراحی موثر استقرار بهینه گره ها در شبکه های حسگر بی سیم و سیار دارند.

1-مقدمه

با رشد سریع سامانه روی یک تراشه، ارتباط بی سیم و فناوری تعبیه شده، شبکه های حسگر بی سیم (WSNها) انقلاب درک اطلاعات را با ویژگی های مصرف پایین انرژی، هزینه کم، کار توزیع شده و خودسازماندهی ایجاد کرده اند. WSNها شبکه های چندقدمه خودسازمانده هستند که از تعداد زیادی گره حسگر کم هزینه تشکیل می شوند و این گره ها در یک منطقه نظارت شده قرار می گیرند. این گره های حسگر به روش ارتباط بی سیم با هم ارتباط برقرار می کنند...