原创《一种基于人工鱼群算法的K覆盖WiFi热点安置方案》：本论文为您写人工鱼群算法毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
摘 要 针对室内定位导航、多路由选择等热门应用中对多次无线信号覆盖的需求,提出了一种基于改进的人工鱼群优化算法的K覆盖安置策略.其中特别设计出一种简单的障碍物干扰描述模型,以期更真实地刻画应用场景.仿真结果表明,我们的方法可在保证覆盖的前提下,明显节省AP数量同时改善节点的聚集.
关键字 K覆盖；人工鱼群；WiFi
中图分类号 TP393.17 文献标识码 A
Abstract On the requirement for multiple wireless coverage in some hot applications like indoor positioning and nigation, multipath routing etc., this paper presented a K-coverage placement scheme based on an improved Artificial Fish-Swarm Algorithm （AFSA）. A simple obstacle interference describing model was also designed to make our simulation scenario closer to a real one. The simulative results showed that our method could obviously reduce the number of signal nodes and their aggregation on the premise of coverage.
Keywords K-coverage； AFSA； WiFi
0引 言
随着无线通信技术的进步和推广,通过无线信号进行定位已经成为重要的热门应用.全球定位系统（GPS）能够在户外提供较准确的实时定位方案,但某些特殊环境（如车库、商场、写字楼）中,其信号覆盖和定位精度却很难满足用户需求.室内定位有其特殊性：精度要求通常较高,墙壁等障碍物对信号强度影响较大,此外车库、电梯等环境无法使用卫星信号和蜂窝信号.在室内场景下,基于WiFi技术的定位方案,逐渐引起人们的重视.为实现无线定位,研究者们提出了不同算法.这些算法无一不以无线信号的足够覆盖为前提,因此确保无线覆盖就成为了定位系统中关键的一环.此外,覆盖问题还可以被应用到如多路径的路由选择等问题中去.一个高效的覆盖方案,不仅为我们提供较好的信号传输质量,还能一定程度上节省资源降低系统成本.在无线覆盖问题中,最基本的要求被称为“一次覆盖”,即对于所涉范围的任意位置,都要求至少有一个AP装置能够对其进行覆盖以保证通信,我们注意到一些固定的设计模式被用于解决覆盖问题[1],然而由于实际应用中覆盖区域不规则,以及因为信号强度不稳定造成的单节点覆盖范围不稳定等原因,给这类设计思路带来了挑战.随机部署节点后通过移动节点达到优化区域覆盖成为不少学者关注重点.在随机部署节点的前提下,对于如何移动节点以高效地实现一次覆盖前人提出了不少算法,如Virtual Forces （VF）算法[2-3]是一种模仿力之间的相互作用来实现较好覆盖的方案.遗传算法、群智能优化算法等也被广泛用于对这个问题的研究和讨论[4-6].本文的算法设计在此前提下基于群智能算法中的鱼群算法.
在很多情况下,一次覆盖并不能满足用户的全部需求.例如几类有代表性的定位算法： NN、KNN、三点定位法,都是以区域内任何一位置获取多个AP装置的信号强度和位置信息为前提,这就需要实现多次覆盖,即K覆盖.在K覆盖的要求下,前人提出了一些理想状态下的全覆盖的算法和一些设计模式.Jung-Eun Kim等人提出了一种在理想状态下2次和3次覆盖的高度优化算法,实现了区域内的全覆盖[8],但这类算法要求在无障碍物干扰的场景下实施,且无法推广解决更高次数的覆盖问题中.LAACAD算法在场景受限的情况下,针对无线传感网设计的一种K覆盖算法：通过执行K次一次覆盖叠加,从而实现K覆盖[9].该算法会产生传感器节点的聚集,而Ying He、Weixiao Meng等人提出,AP点的聚集通常会使相邻AP节点所提供的位置特征信息近似,造成资源的浪费；而且由于AP节点的信号波动,AP节点的聚集可能导致对待定位点位置的错误判断[6].故而AP节点的分布应当尽可能均匀.
对于如何解决障碍物对覆盖造成的影响,Chang C Y等人提出将区域围绕障碍物将空间分成几块区域分别进行覆盖[10].Wu C H等人提出在障碍物周围按适当距离围成一圈以解决覆盖[11].这些算法选择忽略节点信号穿越障碍物后依然能覆盖到的部分来避免对障碍物带来的信号衰减进行量化.
针对上述问题,本文的工作主要围绕以下两方面展开：（1）对基本的人工鱼群算法进行了相应改进,同时加入一些启发式算法来实现有障碍物情况下的K覆盖.在保证覆盖的前提下尽可能节省AP节点的数量,并改善AP节点分布的聚集状况；（2）提出了一种简单易用的估计模型,对障碍物带来的影响进行了量化.
0相关的说明
1.1人工鱼群算法
人工鱼群算法是群智能优化算法中的一种,通过设计单个人工鱼实体的感知和行动机制来与环境交互,以解决优化问题,寻求近似最优解.人工鱼群算法的应用范围很广,Wang Yiyue等人将其用于区域的一次覆盖,取得了不错效果[6].
人工鱼群由大量人工鱼组成.人工鱼是一种真实鱼的虚拟实体,它一般包括以下几个基本属性： 人工鱼的当前状态 、人工鱼的视距 、人工鱼的步长 .针对覆盖问题,本文假设每个人工鱼代表一个AP节点,并根据AP节点的特性加入了人工鱼探测距离属性 用于描述AP节点信号强度的覆盖范围.人工鱼的状态为其所在位置信息 .得到人工鱼模型如图1所示： 以 为半径的圆描述了人工鱼的视野,描述觅食行为中,搜索食物的范围；以 为半径的圆描述了人工鱼的信号的覆盖面积；以 为半径的圆描述了人工鱼一次移动的范围.
人工鱼群算法论文参考资料：
结论：一种基于人工鱼群算法的K覆盖WiFi热点安置方案为适合人工鱼群算法论文写作的大学硕士及相关本科毕业论文，相关人工鱼群算法开题报告范文和学术职称论文参考文献下载。
