基于鲸鱼优化的DSN弱栅栏覆盖算法matlab仿真

1.算法运行效果图预览

(完整程序运行后无水印)

 

 

2.算法运行软件版本

MATLAB2022a

 

3.部分核心程序

 

for t=1:Iters
    for i=1:Num
        %目标函数更新
        [pa(i),fgai]  = fitness(xwoa(i,:));
        Fitout   = pa(i);
        %更新
        if Fitout < woa_get  
            woa_get = Fitout; 
            woa_idx = xwoa(i,:);
        end
    end
    %调整参数
    c1 = 2-t*((1)/Iters); 
    c2 =-1+t*((-1)/Iters);
%     w  = 0.1+0.8*(cos(std(pa)));
    %位置更新
    for i=1:Num
        r1         = rand();
        r2         = rand();
        K1         = 2*c1*r1-c1;  
        K2         = 2*r2;             
        l          =(c2-1)*rand + 1;  
        rand_flag  = rand();   
        
        if rand_flag<0.5   
           if abs(K1)>=1
              RLidx    = floor(Num*rand()+1);
              X_rand   = xwoa(RLidx, :);
              D_X_rand = abs(K2*X_rand(1:D)-xwoa(i,1:D)); 
              xwoa(i,1:D)= X_rand(1:D)-K1*D_X_rand;     
           else
              D_Leader = abs(K2*woa_idx(1:D)-xwoa(i,1:D)); 
              xwoa(i,1:D)= woa_idx(1:D)-K1*D_Leader;    
           end
        else
            distLeader = abs(woa_idx(1:D)-xwoa(i,1:D));
            xwoa(i,1:D)  = distLeader*exp(l).*cos(l.*2*pi)+woa_idx(1:D);
        end
 
    end
   
    [pb,fgai]  = fitness(woa_idx);
    Pbest(t)  = pb;
end
TPS=[TPS,fgai];
end
01_200m

　　

 

4.算法理论概述

        鲸鱼优化算法（Whale Optimization Algorithm, WOA）与分布式感知网络（Distributed Sensor Networks, DSN）中的弱栅栏覆盖算法结合，是一种新颖的优化策略，旨在解决如何高效部署有限数量的传感器节点以实现最大化的区域覆盖问题，尤其是在面对环境复杂度高、资源受限的场景下。鲸鱼优化算法灵感来源于座头鲸的捕食策略，主要包括“搜索觅食”、“包围圈缩紧”和“泡沫网”三个阶段。在DSN弱栅栏覆盖问题中，每个传感器节点可以被视为一个鲸鱼个体，网络覆盖的目标区域则是海洋，而目标是通过调整这些“鲸鱼”（即节点）的位置，达到最优的覆盖效果。

 

 

 

       覆盖评估通常采用覆盖度指标，如各节点覆盖半径内的面积总和除以总面积。优化目标是最小化未覆盖区域或最大化覆盖度，数学表达可为：

 

 

 

       为了达到最优的有向传感器弱栅栏覆盖，我们需要满足弱栅栏能量消耗最小1，网络寿命最长2，有向传感器激活节点数量最少3，通信质量最佳4，弱栅栏覆盖率5，即基于WOA的有向DSN弱栅栏覆盖构建算法的优化目标函数为：