多策略 Bald Eagle 搜索算法 嵌入式直角学习 无线传感器网络 (WSN) 覆盖范围优化
Haixu Niu1,2, Yonghai Li2, Chunyu Zhang3
1Faculty of Information Science and Engineering, Management and Science University, Shah Alam 40100, Malaysia.
Sensors (Basel, Switzerland)
|November 9, 2024
概括
这项研究引入了一个新的算法,OLMBES,以优化无线传感器网络 (WSN) 节点的放置. 增强的算法改善了关键WSN应用程序的覆盖率和节点统一性.
科学领域:
- 计算机科学 计算机科学
- 电气工程 电气工程
- 优化算法 优化算法
背景情况:
- 覆盖控制是无线传感器网络 (WSN) 应用中的一个关键挑战.
- 在复杂的监控区域中优化传感器节点部署是一个高维问题.
研究的目的:
- 为WSN中传感器节点部署提出一个增强的优化算法.
- 为了提高传感器节点位置优化的效率和稳定性.
主要方法:
- 介绍了直角学习多策略 Bald Eagle Search (OLMBES) 算法.
- 整合了莱维飞行,准反射式学习和二次插入到白搜索 (BES) 算法中.
- 集成的正交学习来提高稳定性和防止过早的融合.
主要成果:
- 与现有方法相比,OLMBES算法在CEC2014基准函数上的表现优于现有方法.
- 在WSN覆盖率优化中实现了更大的网络覆盖率和改进的节点统一性.
- 对WSN部署问题展示了更强大的优化稳定性.
结论:
- 拟议的OLMBES算法有效地优化了WSN中的传感器节点部署.
- OLMBES提供了增强的全球勘探,更快的融合和更强大的稳定性.
- 该方法为WSN覆盖率优化挑战提供了显著的进步.
