基于离散樽海鞘群优化算法的无线传感器网络覆盖连通性难题破解新策略

为解决无线传感器网络(WSNs)中覆盖与连通性协同优化难题，研究人员创新性地引入离散樽海鞘群优化算法(SSA)。该研究通过模拟海洋樽海鞘集群智能行为，在50×50和100×100网格中分别实现87%和89%的覆盖连通率，显著提升传感器部署效率。这项突破为复杂环境监测系统提供了计算高效、成本可控的解决方案，对智慧农业、矿区安全等领域具有重要工程价值。

　　

在近十年间，无线传感器网络(Wireless Sensor Networks, WSNs)已深入矿业监测、智慧农业和医疗监护等多元领域。这些由大量传感节点构成的网络，肩负着数据采集与中继传输至中央网关的重任，其部署质量直接决定系统效能。

本研究聚焦监测型WSN的覆盖-连通双目标优化，致力于寻找传感器最小化部署方案。突破传统确定性部署局限，采用受樽海鞘(salp swarm)群体行为启发的非确定性优化模型。该算法将满足连接条件且能实现区域全覆盖的传感器节点群定义为"智能集群"，只要集群中任一节点能将监测数据传回基站(Base Station)，即判定为有效覆盖。

实验数据令人振奋：在三个核心指标——部署节点数、总计算时长、可用传感器与实装数比率上，离散樽海鞘群优化算法均超越现有先进算法。特别是在50×50网格的多轮仿真中达成87%综合性能，100×100网格更提升至89%。这种仿生优化策略展现出惊人的收敛速度和解质量，其群体智能机制有效解决了NP难(Non-deterministic Polynomial time)组合优化问题，为大规模WSN部署提供了兼具鲁棒性和经济性的新范式。