一个基于吸引和排斥的自我适应的裸鼠算法,用于节能移动无线传感器网络.
Supreet Singh1,2, Urvinder Singh1, Nitin Mittal3
1Department of ECE, Thapar Institute of Engineering and Technology, Patiala, India.
Scientific reports
|January 10, 2024
概括
基于裸-鼠算法 (ARNMRA) 的新型吸引和排斥策略通过克服局部最佳停滞来提高优化. 这种改进的算法还提高了移动无线传感器网络的效率,以延长网络寿命.
科学领域:
- 优化算法 优化算法
- 群集情报 群集情报 群集情报
- 无线传感器网络 无线传感器网络
背景情况:
- 裸鼠算法 (NMRA) 是一种群体智能算法,其灵感来源于鼠交配行为,用于优化问题.
- 原来的NMRA面临着局部最佳停滞和向全球最佳解决方案缓慢趋同的挑战.
研究的目的:
- 引入一种增强的NMRA,称为基于吸引和排斥策略的NMRA (ARNMRA),具有自我适应性,以解决NMRA的局限性.
- 评估ARNMRA在数值基准问题上的表现及其在移动无线传感器网络 (MWSNs) 的应用.
主要方法:
- ARNMRA 结合了吸引和排斥策略来产生新的解决方案和自适应的交配因子,使用模拟的基于回火的突变操作员.
- 使用CEC 2005,CEC 2019和CEC 2020数值基准数据集进行了绩效评估.
- 应用ARNMRA在MWSN中收集数据,根据移动性,剩余能量和连接时间选择集群头.
主要成果:
- 在CEC 2005的基准问题上,ARNMRA表现出了与几种已建立的算法相比更好的性能.
- 实验结果证实了ARNMRA在CEC 2019和CEC 2020数据集上比原来的NMRA提高了性能.
- 统计测试 (等级和弗里德曼) 验证了实验结果,证实了ARNMRA的有效性.
结论:
- ARNMRA有效地克服了局部最佳停滞,并提高了优化任务的收率.
- 拟议的ARNMRA协议通过优化数据收集策略,提高了MWSN中的网络寿命和能源效率.
- 该研究强调了动态节点特征在设计MWSN数据收集协议时的重要性.


