《Journal of Sensor and Actuator Networks》：3D Deployment Optimization of Solar Insecticidal Lamps Using an Improved Jumping Particle Swarm Optimization Algorithm
编辑推荐：
作为无线传感器网络（Wireless Sensor Networks，WSNs）的一项创新应用，太阳能杀虫灯物联网（Solar Insecticidal Lamp Internet of Things，SIL-IoTs）被广泛用于绿色害虫防治。然而，现有部署策
作为无线传感器网络（Wireless Sensor Networks，WSNs）的一项创新应用，太阳能杀虫灯物联网（Solar Insecticidal Lamp Internet of Things，SIL-IoTs）被广泛用于绿色害虫防治。然而，现有部署策略通常假设各节点具有同质化的能量采集能力，并要求完全覆盖，从而忽略了复杂三维地形中太阳辐射分布不均与预算受限的现实问题。为解决上述局限，研究人员利用真实数字高程模型（Digital Elevation Model，DEM）数据研究SIL部署问题。首先，研究人员构建三维覆盖模型与基于地形的太阳能权重模型，并将该任务形式化为受能量采集与预算约束的部分覆盖优化问题。为有效求解该问题并避免早熟收敛，研究人员提出改进跳跃粒子群优化算法（Improved Jumping Particle Swarm Optimization，IJPSO）。基准数据集与基于DEM的三维地形仿真实验结果表明，IJPSO优于六种对比算法，在80%与90%覆盖约束下分别取得0.045%与0.140%的平均相对百分比偏差（relative percentage deviation，RPD），平均三维部署目标值分别为62.27与84.37。这些结果证明了IJPSO在降低部署成本的同时保持解一致性的有效性。
【研究背景】
近年来，传统农业中化学农药的过量使用已造成严重的环境污染与食品安全问题。为提升农业管理水平与可持续性，无线传感器网络（Wireless Sensor Networks，WSNs）与物联网（Internet of Things，IoT）被广泛用于智慧农业。太阳能杀虫灯（Solar Insecticidal Lamps，SILs）作为绿色物理害虫防治的替代方案受到广泛关注，将其与农业WSN融合构成的太阳能杀虫灯物联网（SIL-IoTs）可借助趋光性诱杀害虫并实现实时监测与自动化防控。然而，在复杂农业环境中部署SIL节点需应对地形约束、能量变化与覆盖要求，构成大规模组合优化问题，需依赖基于人工智能的计算智能方法（尤其是元启发式优化算法，meta-heuristic optimization algorithms）求解。
现有研究存在的主要问题包括：多数SIL部署策略聚焦二维平面环境，忽略了起伏三维地形造成的视线（Line-of-Sight，LOS）严重退化，导致感知盲区与防控失效；现有策略普遍假设节点能量采集能力同质且要求完全覆盖，忽略了复杂三维地形中太阳辐射分布不均与预算受限的现实，而部分覆盖解通常比完全覆盖策略更具实用性与成本效益；此外，蓄电池储能容量有限，部署于阴影位置、阳光不足的SIL节点易在夜间害虫活动高峰期发生深度放电并过早停机。因此，在三维空间上下文中量化不同候选位置的太阳能权重、研究复杂三维山地环境下的SIL部署问题，是开展本研究的重要动因。
【研究内容与意义】
针对上述局限，研究人员研究复杂三维山地环境中的SIL部署问题（SIL Deployment Problem，SILDP）：构建带严格LOS约束的三维覆盖模型与基于地形的太阳能权重模型，将部署任务形式化为在部分覆盖约束下最小化总太阳能权重的加权集合覆盖问题（Weighted Set Cover Problem，WSCP），并证明其NP难特性；进而提出改进跳跃粒子群优化算法（Improved Jumping Particle Swarm Optimization，IJPSO）以避免早熟收敛。研究表明，IJPSO在基准数据集与真实DEM数据的三维仿真中均优于六种对比算法，可在满足部分覆盖要求的同时降低部署成本并保持解的一致性。该研究为复杂山地环境下SIL-IoTs的成本敏感部署提供了模型基础与算法支撑，对推动绿色物理害虫防控与智慧农业发展具有积极意义。
【关键技术方法】（约230字）
研究人员以真实DEM数据构建三维山地环境；建立带LOS约束的三维覆盖模型（要求三维欧氏距离不超过有效覆盖半径且视线路径全程高于地形高程）与基于地形的太阳能权重模型（依太阳高度角与方位角以10分钟间隔采样太阳轨迹、按365天平均日照时长并归一化为惩罚权重，权重越低代表光照越充足）；将部署问题形式化为WSCP并证明其NP难性；提出IJPSO算法，以n维二进制串编码部署方案，核心包括混合初始化（随机生成与扰动贪婪算法结合）、时变吸引子选择、修复与简化（含深度替换阶段）及停滞逃逸策略；实验采用OR-Library基准数据集（63个实例）与云南西双版纳真实DEM数据（经USGS EarthExplorer平台获取、QGIS软件裁剪处理），形成576维搜索空间。
【研究结果】
6.1 基准数据集与参数设置
实验选用JPSO、新型二进制人工蜂群算法（novel binary artificial bee colony algorithm，nBABC）、NuSC、改进遗传算法（improved genetic algorithm，IGA）、二进制猫群优化算法（binary cat swarm optimization algorithm，BCSO）与二进制果蝇群优化算法（binary fruit fly swarm algorithm，BFFSA）六种对比算法（仅修改覆盖验证逻辑与终止条件，严格保留其核心搜索机制）；每个实例独立运行15次，以平均相对百分比偏差（Average Relative Percentage Deviation，Avg. RPD）、最优实例数、平均排名（Average Rank，Avg. Rank）与移位几何均值（Shifted Geometric Mean，SGM）四项指标评估性能，并辅以95%置信区间（Confidence Intervals，CIs）与Wilcoxon符号秩检验、Welch双样本t检验（Holm校正，显著性水平0.05）验证统计可靠性。
6.2 改进策略有效性分析
消融实验在80%与90%两种部分覆盖约束下评估混合初始化、时变吸引子选择与停滞逃逸三种策略的独立及组合贡献：结果表明三种策略均有效提升标准JPSO的优化能力；单一策略中停滞逃逸策略（JPSO-3）改进最为显著，凸显其在进化后期帮助粒子逃逸局部最优的作用；完整IJPSO凭借三种策略的互补贡献在两种覆盖约束下均取得最佳整体结果。
6.3 IJPSO与其他算法对比
在63个基准实例上，IJPSO在80%与90%覆盖阈值下均取得最低Avg. RPD（0.045%与0.140%）与最多最优实例数（62与60），平均排名为1.03与1.05，较标准JPSO的0.191%与0.318%显著下降，证明改进策略有效增强了优化性能。效率方面，NuSC因局部近似设计最快（平均不足2秒）但全局搜索能力有限，BCSO与nBABC耗时约153至541秒却未获得更优解质量，IJPSO以约48至51秒的合理计算时间取得最佳解质量，实现精度与效率的良好平衡。
6.4 三维山地SIL部署应用
基于真实DEM数据的三维仿真（576维搜索空间）中，IJPSO在80%与90%约束下取得最低平均目标值（62.27与84.37），90%约束下最佳目标值84.33为最低，80%约束下BFFSA略低（62.18对62.22）；与JPSO相比平均目标值分别降低约0.21%与0.24%，且方差更低（0.0010与0.0033，对照JPSO为0.0027与0.0086），表明运行间变异性更小、解更稳定，而NuSC虽方差近零但平均目标值仍高于IJPSO，说明低方差并不必然对应更优解质量。节点数量方面，BFFSA所用节点略少（155.9与185.0对156.3与185.3），但IJPSO始终获得更低平均目标值，表明其并非单纯减少节点数量，而是有效识别太阳能权重更低的高质量部署位置。
【讨论与结论】
论文结论部分指出：复杂三维山地环境中的SIL最优部署问题通过显式构建带LOS约束的三维覆盖模型与基于地形的太阳能权重模型得以准确刻画真实物理约束；SILDP被形式化为在预定义部分覆盖阈值下最小化总太阳能权重的离散优化任务；IJPSO通过整合混合初始化策略、时变吸引子选择机制与停滞逃逸策略，有效缓解了复杂优化景观中的早熟收敛；在63个OR-Library基准实例上分别取得0.045%与0.140%的平均RPD，在基于DEM的三维部署仿真中取得62.27与84.37的平均目标值，证明了其在满足部分覆盖要求的同时最小化地形诱导太阳能权重的有效性。论文同时指出未来探索方向包括：多目标优化（联合考虑覆盖质量、网络连通性与路由能量消耗）、非均匀覆盖（对高风险害虫区域保证鲁棒多重覆盖）、维护成本（纳入电池衰减与节点故障概率以最大化生命周期）以及异构传感器部署（如结合SIL与无人机构建协同网络）。
