原文服务方: 计算机应用研究       
摘要:
在标准粒子群优化(particle swarm optimization,PSO)算法的基础上提出了一种带有动态惯性权重的自适应粒子群算法,以实现移动WSN对被监测区域的覆盖.新算法引入了粒子群进化度因子和粒子群聚合度因子,这两个因子的数值主要受粒子群的平均适应值、局部最优值和全局最优值影响.使用这两个因子调整惯性权重会使算法带有一定的自适应性,这种自适应性使得算法在迭代过程中既不会因步长过小而局部收敛,也不会因步长过大而跳过待求解问题的最优值.仿真结果表明,相比标准PSO算法,改进后的自适应PSO算法使移动WSN的覆盖率提升了5%~8%.
推荐文章
改进自适应粒子群算法在WSN覆盖优化中的应用
无线传感器网络
覆盖优化
改进自适应粒子群算法
惯性权重系数
碰撞回弹策略
逐维判断PSO算法值的WSN覆盖优化
粒子群算法
逐维判断
覆盖优化
优化解丢失
收敛速度
基于改进MOEA/D算法的WSN覆盖优化方法
基于分解的多目标进化算法
粒子群优化
帕累托最优曲面
覆盖范围和能量消耗
基于改进自适应遗传算法的移动WSN覆盖方法
无线传感器网络
自适应
改进遗传算法
K-覆盖
移动节点
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进自适应PSO算法的WSN覆盖优化方法
来源期刊 计算机应用研究 学科
关键词 WSN覆盖优化 自适应PSO 动态惯性权重 进化度因子 聚合度因子
年,卷(期) 2013,(11) 所属期刊栏目 网络与通信技术
研究方向 页码范围 3472-3475
页数 4页 分类号 TP393
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2013.11.070
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 宋明智 江南大学物联网工程学院 2 23 2.0 2.0
2 杨乐 江南大学物联网工程学院 16 104 6.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (577)
参考文献  (8)
节点文献
引证文献  (17)
同被引文献  (67)
二级引证文献  (41)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(4)
  • 参考文献(3)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(5)
  • 引证文献(5)
  • 二级引证文献(0)
2016(12)
  • 引证文献(5)
  • 二级引证文献(7)
2017(12)
  • 引证文献(2)
  • 二级引证文献(10)
2018(13)
  • 引证文献(1)
  • 二级引证文献(12)
2019(10)
  • 引证文献(2)
  • 二级引证文献(8)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
WSN覆盖优化
自适应PSO
动态惯性权重
进化度因子
聚合度因子
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导