先进的生成对抗网络,用于优化无线传感器网络的布局
S Praveen Kumar1, Setu Garg2, Eatedal Alabdulkreem3
1Department of Computer Science and Engineering, E.G.S. Pillay Engineering College, Nagapattinam, Tamil Nadu, 611002, India. asv.praveen@gmail.com.
Scientific reports
|December 31, 2024
概括
本研究介绍了一种带有Piranha Foraging Optimization (AGAN-PFOA) 的高级生成对抗网络,用于优化无线传感器网络 (WSN) 布局. 这种新的方法显著提高了WSN在覆盖范围,寿命和能源效率等多个目标上的性能.
科学领域:
- 计算机科学 计算机科学
- 电气工程 电气工程
- 网络工程 网络工程
背景情况:
- 无线传感器网络 (WSN) 布局优化对于成本,检测和监控质量至关重要.
- 现有的元启发式方法只针对目标的子集,或者在计算上昂贵.
- 布局优化是一个具有冲突目标的NP-hard组合式问题.
研究的目的:
- 为WSN布局优化提供一种基于深度学习的新方法.
- 解决多个目标,包括连接,覆盖,能源消耗,寿命和节点数.
- 为复杂的WSN布局问题开发高效有效的解决方案.
主要方法:
- 一个新的高级生成对抗网络 (AGAN) 用于布局优化.
- 参数调整是使用以自然为灵感的Piranha Foraging Optimization Algorithm (PFOA) 进行的.
- 该方法集成了客观函数导出,用于全面优化.
主要成果:
- 拟议的AGAN-PFOA产生了非主导解决方案的最佳帕雷托前线.
- 与最先进的方法相比,实现了更高的超量和解决方案的传播.
- 在数据包交付比率 (PDR),覆盖范围,能源消耗,寿命,活节点数量,延迟和路由开销方面显著改进.
结论:
- AGAN-PFOA方法为WSN布局优化提供了一个强大的方法.
- 该方法有效地平衡了多个相互冲突的目标,以提高网络性能.
- 与现有方法相比,显著的性能提升突显了WSN设计中深度学习的潜力.
