量子自适应性克隆遗传算法用于农业WSNs的低能集群
Jiawei Zhao1,2, Bao Liu3, Lixin Zhang1
1School of Energy and Materials, Shihezi University, 832000, Shihezi, China.
Scientific reports
|October 29, 2025
概括
本研究介绍了一种量子自适应克隆基因算法 (QACGA),用于在农业无线传感器网络 (AWSN) 中进行节能集群. QACGA显著降低了能源消耗,并延长了网络寿命,这对于精密农业至关重要.
科学领域:
- 计算机科学 计算机科学
- 农业工程 农业工程
- 人工智能的人工智能
背景情况:
- 农业无线传感器网络 (AWSNs) 对精准农业至关重要,但面临着有限的节点能量和电池更换挑战.
- 延长AWSN的运营寿命对于可持续和高效的智能农业至关重要.
研究的目的:
- 使用一种新的优化方法,为AWSNs开发一种节能集群算法.
- 通过智能能源管理,增强AWSNs的稳定性和寿命.
主要方法:
- 提出了一种量子自适应克隆遗传算法 (QACGA),集成量子启发的运算符和遗传参数的动态调整.
- 纳入多目标约束,包括节点分布,剩余能量和集群头选择的通信距离.
主要成果:
- 与PSO,SFLA和WOA相比,QACGA显示了高达38.1%的显著能源节约.
- 在同等条件下,在能源效率方面超过了MRCH算法.
- 提高了集群稳定性,并在各种部署场景中延长了整体网络寿命.
结论:
- QACGA为AWSN中的能源管理提供了一个强大而实用的优化框架.
- 拟议的算法为智能农业应用中的能源效率设定了新的基准.
- QACGA为提高精准农业技术的性能和可持续性提供了有价值的见解.


