[发明专利]一种基于快速分支配排序算法的传感器资源推荐方法

权利要求书

1.一种基于快速分支配排序算法的传感器资源推荐方法，其特征在于，具体包括如下步骤：

步骤1：输入传感器数据集，使用R树结构静态检索传感器数据资源；构建R树结构在二维空间进行查询，根据传感器位置和类别两个特征，对传感器资源进行检索并获得传感器数据集；

步骤2：根据用户偏好缩小传感器数据集；将所述步骤1中的传感器数据集按不同的传感器属性值：寿命、灵敏度、测量精度、响应时间、发动时间和能耗六个传感器属性从大到小排序，得到{f₁…f₆}六个集合；然后确定传感器数据集的数量n，根据用户对某传感器属性的偏好值占偏好值总和的比重确定六个集合各占传感器数据集数量n的比重，获得数量为n的传感器数据集；

步骤3：用改进的快速非支配排序算法检索传感器数据集，获取非支配解集；将所述步骤2中获取的{f₁…f₆}六个集合输入到快速非支配排序算法中，基于帕累托最优解原则，获取传感器数据集中的非支配解集；

步骤4：使用TOPSIS算法对所述步骤3中的传感器数据集中的非支配解集进行表征并排序；参照用户偏好及各个传感器属性值的物理意义，使用TOPSIS算法对所述步骤3中的局部最优解集合中的每条传感器资源数据进行表征，并以此为衡量指标进行排序，为用户进行推荐。

2.根据权利要求1所述的基于快速分支配排序算法的传感器资源推荐方法，其特征在于，所述步骤3涉及的改进的快速非支配排序算法具体包括如下步骤：

步骤3.1：提取所述步骤2获取的传感器数据集按照上述传感器特征的顺序封装成数组Fast_list，输入传感器数组Fast_list，Fast_list数组格式如下：

Fast_list＝[[m₁₁,m₁₂,m₁₃,m₁₄,m₁₅,m₁₆],…,[m_n1,m_n2,m_n3,m_n4,m_n5,m_n6]]

式中m₁₁表示第一条记录中传感器的寿命,n表示数组Fast_list的数据量；

步骤3.2：基于封装好的数组Fast_list，确定待数组起始点下标start，end及下标start对应的待比较节点base；初始化start为0,end为n；

步骤3.3：将下标start记作i，从下标i对应的数值Fast_list[i]开始正序与节点base按照pareto最优解原则进行比较；如果节点base支配节点Fast_list[i]，则Fast_list[i]赋值为-1，并将下标i的数值加1，i＝i+1后，返回上一步，即：下标记作i，从start开始正序将节点与base比较；如果节点Fast_list[i]支配节点base，则将Fast_list[i]赋值给base；

步骤3.4：将下标end记作j，从下标j对应的数值Fast_list[j]开始逆序与节点base比较；当下标不满足i＜j的条件时：如果节点base支配节点Fast_list[j]，则Fast_list[j]赋值为-1，并将下标j数值减1；如果节点Fast_list[j]支配节点base，则将下标j数值减1，j＝j-1的操作过后，返回前面对i＜j条件的判断；

步骤3.5：当步骤3.4中的下标j不满足i＜j的条件时：将i赋值给start，将end赋值为len(Fast_list)-1，其中len()函数用于计算Fast_list数组的长度，执行步骤3.2；当数组Fast_list中没有被支配解时，退出循环并返回Fast_list中非支配解对应的下标数组。

3.根据权利要求1所述的基于快速分支配排序算法的传感器资源推荐方法，其特征在于，所述步骤4具体包括以下步骤：

步骤4.1：根据所述步骤3中返回的Fast_list中非支配解对应的下标数组重新封装成传感器属性值数组A，并规则化数组中的数值，公式如下：

式中a_ij表示第i条记录中第j个传感器属性的数值，1是数组A的数据量；

步骤4.2：将数组A中响应时间、发动时间和能耗三个属性对应的数值取负数，以统一的标准衡量每个属性值；计算数组A中每个传感器属性对应的最小、最大值并构造最优点、最差点，公式如下：

式中a_+i、a_-j分别表示第j个属性值对应的最大值和最小值；

步骤4.3：计算数组A每条传感器资源到最优点和最差点的欧式距离，公式如下：

其中s_i+、s_i-分别是数组A中第i条传感器记录到最优点和最差点的欧式距离；

步骤4.4：设定评价每条传感器资源的衡量指标，并根据该指标进行从大到小排序，指标公式如下：

式中，c_i+为传感器资源的衡量指标。