文章目录

• 一、理论基础
• • 1、WSN节点覆盖模型
  • 2、被囊群优化算法
• 二、仿真结果
• 三、参考文献
• 四、Matlab仿真程序

一、理论基础

1、节点覆盖模型

2、被囊群优化算法

被囊群优化算法(Tunicate Swarm Algorithm,TSA)是Satnam Kaur等提出的一种新的优化算法，它的灵感来自以在深海中成功生存被膜的成群行为，该算法模拟了被囊动物在导航和觅食过程中的喷气推进和群体行为，与其他竞争算法相比，TSA算法能产生更好的最优解，并且能够解决具有未知搜索空间的实际研究案例。

二、仿真结果

设监测区域为50 m × 50 m 50 m×50 m50m×50m的二维平面， 传感器节点个数N = 35 N=35N=35，其感知半径是R s = 5 m R_s = 5 mRs​=5m，通信半径R c = 10 m R_c= 10 mRc​=10m，迭代300次。初始部署、TSA优化覆盖、TSA算法覆盖率进化曲线如图1~3所示。

图1 初始部署

图2 TSA优化覆盖

图3 TSA覆盖率进化曲线

三、参考文献

[1] 宋婷婷, 张达敏, 王依柔,等. 基于改进鲸鱼优化算法的WSN覆盖优化[J]. 传感技术学报, 2020, 033(003):415-422.
[2] Kaur S , Awasthi L K , Sangal A L , et al. Tunicate Swarm Algorithm: A new bio-inspired based metaheuristic paradigm for global optimization[J]. Engineering Applications of Artificial Intelligence, 2020, 90(Apr.):103541.1-103541.29.

完整代码或者仿真咨询添加QQ1575304183