[发明专利]基于并行分解型进化的无线传感器网络布局方法及其系统

摘要

本发明公开了一种基于并行分解型进化的无线传感器网络布局方法，包括：由MPI分布式进程级并行编程模型为计算机集群中每个节点分配一个进程号，在每个进程内初始化全局种群；在各自进程内进化全局种群中相应部分的子种群，进化时加入理想点通信；每个进程进化子种群时，利用OpenMP共享内存多线程并行编程模型加速；当问题规模较大时串行求解无线传感器网络布局需要花费大量时间，MPI结合OpenMP的混合并行模型由于对无线传感器节点布局问题使用MPI进行划分减少问题规模，同时又运用OpenMP加速，有效地节省了求解无线传感器网络节点布局问题的时间。本发明同时公开了一种基于并行分解型进化的无线传感器网络布局系统。

主权项

1.一种基于并行分解型进化的无线传感器网络布局方法，其特征在于，包括如下步骤：S1：由MPI分布式进程级并行编程模型根据计算机集群中节点的个数n分配n个进程，进程号从0到n‑1依次排列；S2：根据所述进程0依次到进程n‑1，在各个进程内初始化全局种群和理想点，此时所有的进程内都保留有全局的种群；所述初始化全局种群和理想点具体为：S21，令EP＝Φ，根据种群规模N分配N个均匀分布的权重向量，每个权重向量对应一个个体，并对种群中的个体x1依次到个体xN和理想点z赋初值，z依次取z1～zm；S22，计算任意两个个体对应权重向量间的欧氏距离，并为每个个体xⁱ找出T个权重向量距离最近的个体作为其邻居B(xⁱ)，其中i的取值从1依次到N；其中，EP用来保存搜索过程中找到的非支配解，Φ为空集，N为全局种群中个体的数量，x¹为全局种群中的第1个个体，x^N为全局种群中的第N个个体，z为理想点，z₁为目标函数中第1个目标函数当前找到的最优值，z_m为目标函数中第m个目标函数当前找到的最优值，m为目标函数的个数，T为种群中个体的邻居数量，B(xⁱ)为个体xⁱ的邻居集合，为个体xⁱ的第1个邻居，为个体xⁱ的第T个邻居；S3：在所述进程内，不同的进程负责全局种群中特定子种群的进化，子种群中的每个个体负责无线传感器网络布局问题中的一个解；所述全局种群中特定子种群具体为：全局种群中的N个个体依次为x1到xN，其中N为全局种群中个体的数量，x1为全局种群中的第一个个体，xN为全局种群中的第N个个体，整数d＝N/n，进程0负责进化的子种群中个体为x1依次到xd，进程k负责进化的子种群中个体为xk*d+1依次到xk*d+d，其中k从1依次到n‑2，进程n‑1负责进化的子种群中个体为xk*d+1依次到xN；所述进化具体为：S31更新，对进程k负责进化的特定子种群中的每个个体xi，0≤k≤n‑2时i从k*d+1依次到k*d+d做S311，S312，S313，S314操作，k＝n‑1时i从k*d+1依次到N做S311，S312，S313，S314操作，整数d＝N/n，N为全局种群中个体的数量：S311，繁殖：中随机选出两个邻居进行遗传操作，产生一个新的解y，其中B(xⁱ)为个体xⁱ的邻居集合，为个体xⁱ的第1个邻居，为个体xⁱ的第T个邻居；S312，更新理想点z：若zj＜fj(y)，则zj＝fj(y)，其中j从1依次到m，zj为目标函数中第j个目标函数当前找到的最优值；S313，更新邻居的解：如果产生的y新解Pareto占优xh，则xh＝y，其中h从i1依次到iT；S314，更新外部种群EP：移出EP中所有被y支配的解，如果y不被EP中任意解支配，将y加入EP中，其中EP为用来保存搜索过程中找到的非支配解的外部种群；S32，终止条件判定：如果满足终止条件，进化停止，输出EP，否则返回S31；其中，fj(y)为新产生的解y的目标函数值，终止条件是指进化到设定的代数，j取值从1依次到m；S4：在所述进化中，当出现较优理想点时，将理想点向左右邻居进程进行传递，左右邻居进程接收到较优理想点时和本身理想点进行比较，如果比本身的理想点优，就用接收的较优理想点替换本身的理想点，否则忽略接收的较优理想点；S5：根据所述进程，在各个进程内利用OpenMP共享内存多线程并行编程模型进行加速；S6：所述进化结束后，将各个进程内参与进化的子种群得出的部分Pareto前沿聚集起来得出全局种群的整体Pareto前沿。