论文部分内容阅读
近年来,无线可充电传感器网络成为研究热点。现有的研究主要集中在可移动的无线充电设备(WCE)的路径规划问题上。而针对多功能WCE(兼备充电和数据收集功能)的路径规划研究很少,一般是先根据充电需求设计WCE的行驶路径,再考虑WCE的数据收集策略,并未同时考虑充电和数据收集对WCE路径规划的影响。本文同时考虑充电和数据收集对WCE路径规划的影响,在WCE兼备充电和数据收集功能的情况下,研究基于多目标优化的WCE路径规划问题。针对WCE采用一对一充电以及数据收集的场景,在WCE自身携带的行驶能量和充电能量是分开且有限的情况下,建立了 WCE的充电模型和数据收;集模型,提出了联合充电和数据收集的WCE路径规划策略,给出了 WCE路径规划的设计和WCE为节点充电时间的确定方法,以最大化WCE总能量利用率和最小化网络中节点数据传输的平均时延为目标得到多目标优化问题,并设计了基于多目标蚁群优化的WCE一对一路径规划算法(OOP-MOACO)求解该问题。通过50组实验表明,OOP-MOACO算法得到的WCE总能量利用率的最高值为86.19%,在平均时延最好的情况下,OOP-MOACO算法得到的时延比NSGA-Ⅱ算法的时延缩短了 11.67%,OOP-MOACO算法求解该问题的Pareto最优解的个数的平均值比NSGA-Ⅱ 算法增加了 38.46%。针对WCE采用一对多充电以及数据收集的场景,在WCE自身携带的能量同样是分开且有限的情况下,建立了相应的WCE充电模型和数据收集模型,结合WCE为虚拟蜂窝网格内传感器节点充电所产生的三种情况,提出了 WCE路径规划策略,给出了 WCE路径规划的设计和基于虚拟节点的WCE充电时间的确定方法,同样以最大化WCE总能量利用率和最小化网络中节点数据传输的平均时延两个目标得到了多目标优化问题,设计了基于多目标蚁群优化的WCE 一对多路径规划算法(OMP-MOACO)对该问题进行求解。对比实验表明,OMP-MOACO算法的WCE总能量利用率的最高值为93.70%,同时平均值高于NSGA-Ⅱ算法,OMP-MOACO算法得到的平均时延的最优值要比NSGA-Ⅱ算法缩短了 5.72%,OMP-MOACO算法得到的Pareto最优解的个数的平均值比NSGA-Ⅱ算法增加了80.95%。