[数据结构与算法] 【网络覆盖优化】基于matlab的网络覆盖遗传优化问题仿真

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 数据结构与算法 -> 【网络覆盖优化】基于matlab的网络覆盖遗传优化问题仿真 -> 正文阅读

[数据结构与算法]【网络覆盖优化】基于matlab的网络覆盖遗传优化问题仿真

建立如下的目标函数：

表示的是每一代中被选择在工作状态的节点数目。

C'为对应的这些节点的覆盖范围。A为每个节点对应的覆盖范围。

基于这个目标函数，我们进行仿真，获得如下的仿真结果：

clc;
clear;
close all;
warning off;
addpath 'func\GA_toolbox\'
addpath 'func\'
RandStream.setDefaultStream(RandStream('mt19937ar','seed',1));
 
%目标区域大小
W       = 10;
H       = 10;
%网格划分
G       = 20;
%节点数目
NN      = 200;
[X,Y,R] = func_initial(W,H,NN);
axis([0,W,0,H]);


%根据遗传算法进行参数的拟合
MAXGEN = 60;
NIND   = 200;
Chrom  = crtbp(NIND,NN*10);
%14个变量的区间
Areas  = [zeros(1,NN);
          ones(1,NN)];

FieldD = [rep([10],[1,NN]);Areas;rep([0;0;0;0],[1,NN])];


ON_OFF  = zeros(NIND,NN);
ON_OFFs = zeros(MAXGEN,NN);  
NUMS    = zeros(MAXGEN,1);
fgl     = zeros(MAXGEN,1);
gen = 0;
for a=1:1:NIND 
    %所有节点均打开，作为其初始状态
    ON_OFF(a,:) = 1;      
    %计算对应的目标值
    [f,C1]      = func_obj(ON_OFF(a,:),X,Y,R,W,H,G);
    J(a,1)      = 1/f;
end

Objv  = (J+eps);
gen   = 0; 

while gen < MAXGEN;   
      gen
      FitnV=ranking(Objv);    
      Selch=select('sus',Chrom,FitnV);    
      Selch=recombin('xovsp', Selch,0.99);   
      Selch=mut(Selch,0.01);   
      phen1=bs2rv(Selch,FieldD);   
      for a=1:1:NIND  
          if  gen == 1
              ON_OFF(a,:) = 1;  
          else
              ON_OFF(a,:) = (phen1(a,:)>=0.5);  
          end
          %计算对应的目标值
          [f,C1] = func_obj(ON_OFF(a,:),X,Y,R,W,H,G);
          JJ(a,1) = 1/f;
          
      end 
      Objvsel      =(JJ+eps);    
      [Chrom,Objv] = reins(Chrom,Selch,1,1,Objv,Objvsel);   
      gen          = gen+1; 

      %保存参数收敛过程和误差收敛过程以及函数值拟合结论
      for ii = 1:NIND
          [f,C1]     = func_obj(ON_OFF(:,ii),X,Y,R,W,H,G);
          flgs(ii)   = C1;
      end
      flgs2 = sort(flgs);
      for ii = 1:NN
          ON_OFFs(gen,ii) = mean(ON_OFF(:,ii))>=0.2;
      end  
      
      Error(gen) = mean(JJ);
      NUMS(gen)  = sum(ON_OFFs(gen,:));
      fgl(gen)   = mean(flgs2(3:end-2));
end 

figure(1);
plot([2:5:60],NUMS(2:5:gen),'--rs','LineWidth',2,'MarkerEdgeColor','k','MarkerFaceColor','g','MarkerSize',10);
xlabel('进化次数');
ylabel('采用的传感器节点数目');
grid on;

figure(2);
plot([2:5:60],fgl(2:5:gen),'--rs','LineWidth',2,'MarkerEdgeColor','k','MarkerFaceColor','g','MarkerSize',10);
xlabel('进化次数');
ylabel('节点的有效覆盖率%');
grid on;

A12-16