改进麻雀搜索算法下的WSN节点覆盖优化

针对麻雀搜索算法(SSA)存在的种群多样性不足，容易陷入局部最优解等问题，提出一种基于自适应t分布变异的改进麻雀搜索算法(ISSA)。通过在基本麻雀算法中加入t分布型随机扰动项，将算法的迭代次数作为t分布的自由度参数，增加了算法的种群多样性，均衡了算法的全局探寻和局部开发能力。采用4种基准函数评估ISSA的性能，并将ISSA算法应用在无线传感器网络(WSN)节点的覆盖优化问题。仿真实验表明，改进的麻雀搜索算法在收敛精度和速度上有显著提升，网络覆盖率相较于对照算法有一定的提高。

无线传感器网络(Wireless Sensor Networks, WSN)是一种分布式传感网络[1]，它是由有限个具有感知和相互通信功能的传感器所组成的，具有网络布置灵活、组建方式自由、功耗低等特点。无线传感器网络覆盖优化是一个重要的问题[2]，它直接影响着网络的性能和服务质量。

针对WSN 覆盖问题，提出了多种优化方法。张景昱[3]等人提出了一种基于区域分割和Voronoi 图的覆盖算法(RSV)，延长网络寿命，使节点能量消耗更加平均，在节点数量受限情况下，覆盖效果较佳；何庆[4]等人采用改进的正弦余弦(ESCA)算法对WSN 节点布置进行优化，有效减少网络成本，提高了网络覆盖率。近些年来，群智能算法逐渐在WSN 覆盖问题上得到应用。徐钦帅[5]等人采用动态权重系数和早熟收敛判断的方法对蚁狮算法进行优化，使节点分布更加均匀；张雪[6]等人提出基于非线性收纳因子和自适应调整策略改进的灰狼优化算法，减少了覆盖盲区。

麻雀搜索算法SSA (Sparrow Search Algorithm)是由薛建凯[7]等人在2020 年提出的一种新型群智能算法。SSA 算法模拟麻雀觅食和躲避天敌的行为，具有较好的寻优能力和搜索精度。但与其他的群智能优化算法一样，都存在着极易陷入局部最优解、种群多样性不断减少等缺陷[8]。针对SSA 算法的缺陷，本文提出了一种改进麻雀搜索算法ISSA，利用自适应t 分布变异的改进策略，改善了算法种群的多样性， 有效提升了算法的全局搜寻能力和局部开发性能。本文对4 个基准测试函数进行仿真实验，并将改进算法应用到传感器网络节点覆盖的问题中，验证了改进麻雀搜索算法的可行性。

2. 无线传感器网络节点覆盖模型 在无线传感器网络中，现假定监测区域为一个二维平面。在该矩形区域中投放N 个结构型号一致的传感器节点，节点的感知半径都设置为r。将该矩形区域离散化为数量mn×个像素点。传感器节点集表示为{}12, , , NQq qq=，第i 个传感器节点iq 的位置坐标为(), iix y。设像素点jH 的坐标为(), jjxy，那么传感器节点iq 和该像素点jH 的间距定义为： ()()()22, ijijijd q Hxxyy=−+− (1)