论文部分内容阅读
无线可充电传感器网络(Wireless Rechargeable Sensors Networks,WRSN)作为一个新的研究热点,近年来相继涌现出许多重要的研究成果。但WRSN周期性充电规划中,针对无线充电设备(Wireless ChargingEquipment,WCE)能量受限和节点能量消耗功率(简称为节点能耗)不均衡的WRSN的研究较少。本文以二维WRSN为研究对象,首先建立节点能耗不均衡的WRSN模型,在该模型下采用已提出的周期性充电规划求解WCE的充电路径和充电策略是不可行的。本文提出的改进是一个充电周期内节点可多次充电,并给出对应的充电路径重构策略和节点能量补充策略,从而得到改进的周期性充电规划。其次建立以WCE驻站比作为优化目标的优化问题OPT-1,该优化问题为NP-hard问题,本文采用粒子群遗传混合优化算法(Hybrid Particle Swarm-Genetic Algorithm,PSOGA)来求解,通过100组WRSN测试用例验证了改进的周期性充电规划的可行性,并通过与遗传算法(Genetic Algorithm,GA)进行对比,得到PSOGA在局部搜索功能上优于GA,优化速度也远远优于GA。在此基础上,进一步研究无线充电设备的行驶能量和充电能量是分开且受限的情况下,使用WCE为传感器节点周期性充电的问题。对于每一个充电周期,旨在最大化充电周期时间的同时最小化WCE充电能量和行驶能量的总消耗值,以最小的WCE能量消耗功率保证所有传感器节点永远不会死亡,分析传感器节点能量补给约束和WCE充电约束,建立将WCE能量消耗功率作为优化目标的优化问题OPT-2。结合混沌搜索思想和粒子群算法(Particle Swarm Optimization,PSO),提出混沌粒子群优化算法(Chaos Particle Swarm Optimization,CPSO)求解出相应的周期性充电路径与充电策略,并设计了由2种数据路由和3种节点分布类型组合成的6种WRSN仿真场景,仿真数据表明CPSO收敛速度与PSOGA相比至少提高了 40.48%。