[发明专利]一种基于TMPA算法的分层无线传感器网络拓扑优化方法

权利要求书

1.一种基于TMPA算法的分层无线传感器网络拓扑优化方法，其特征在于，所述方法包括以下步骤：

步骤S1、获取无线传感器网络的布置区域，并设定所述布置区域内的障碍物及其衰减值；其中，感知层节点和汇聚层节点随机分布在所述布置区域内；

步骤S2、将汇聚层节点的位置坐标(x，y，z)以及感知层节点的发射功率p均设置为计算变量，并设置算法相关参数；其中，所述设置算法相关参数的步骤具体为定义汇聚层节点的位置坐标(x，y，z)为种群中的一个群体且x，y，z分别对应群体中的一个个体，令种群的数量为n，以及定义算法寻优的最大迭代次数为M_max；第j个猎物群体的定义为{X_j^k，Y_j^k，Z_j^k}，为汇聚层节点的坐标向量；

步骤S3、初始化猎物矩阵，由如下公式计算：

其中，L_x，L_y，L_z分别为所述布置区域的长，宽和高；

步骤S4、在第k次迭代时，根据当前感知层节点和汇聚层节点的位置，通过公式(2)计算在连接率为1的情况下每个感知层节点的最低发射功率P_k，并令为P_k向量所有元素的均值，随机生成一个和P_k相同维度的向量且进一步取向量和向量P对应位置中较大的数据组成向量P_min代入适应度函数公式(3)中进行计算：

其中，p_i，k表示第k次迭代时第i个感知层节点的发射功率，且p_i，k＝β+α_o，i＝1，2，K，n_s；

其中，η为不满足约束条件下的惩罚因子，且不满足中三个约束的任何一个时，惩罚因子η是一个充分大的正整数，反之为0；约束条件C₁约束了当前感知层节点和汇聚层节点实现全连接；C₂约束了所有感知层节点的发射功率要达到能量均衡；C₃约束了所有感知层节点的发射功率范围；

其中，p_i为第i个感知层节点的发射功率；

其中，L_Ω为网络的连接率，且L_Ω＝1时感知层实现了全连接；为第i个感知层节点到第j个汇聚层节点的距离；γ为路径损耗指数，表示路径损耗随距离的增长率；d_α为参考距离；α为参考距离d_α下的接收功率；β_o为障碍物引起的信号衰减值；

其中，σ_p为感知层节点发射功率的标准差，且ε为给定的标准差阈值；

步骤S5、根据所求适应度函数的值，将适应度最优的群体设为顶级捕食者T^top，并利用公式(4)对顶级捕食者T^top进行Tent混沌一维扰动策略，且待将Tent混沌序列扰动后的个体替换顶级捕食者T^top中的相应位置的数据后，分别计算替换前后个体的适应度，进一步取适应度最优解的群体；

X^I_i，j＝X_min^j+R_t·(X_max^j-X_min^j) (4)；

其中，X^I_i，j为顶级捕食者中随机取一维数据，对所取位置进行一维混沌遍历的最终解；X_min^j和X_max^j分别为第j维解空间的下界和上界；R_t为Tent序列中第t个元素，且Num表示Tent序列中的元素总数；mod1表示取除数小数点后的数值；

步骤S6、将顶级捕食者T^top复制n次，构建捕食者矩阵；

步骤S7、利用预设的MPA算法，实现汇聚层节点位置的优化；

步骤S8、根据优化后的汇聚层节点的位置及其对应的感知层节点的位置，再次求解出适应度最优的群体设为顶级捕食者T^top，并利用公式(4)对顶级捕食者T^top进行Tent混沌一维扰动策略，且待将Tent混沌序列扰动后的个体替换顶级捕食者T^top中的相应位置的数据后，分别计算替换前后个体的适应度，进一步取适应度最优解的群体；

步骤S9、执行MPA算法的FADs效应，且k＝k+1；若k≤M_max，则返回步骤S4；否则，迭代结束；

步骤S10、输出最优的汇聚层节点位置坐标和所有感知层节点的发射功率。