基于混合蜉蝣优化与图着色的定向传感器网络覆盖与调度问题

《ARTIFICIAL INTELLIGENCE REVIEW》：Coverage and scheduling in directional sensor networks via hybrid mayfly optimization and graph coloring

　　

摘要

定向传感器网络由具有有限感知角度的传感器组成，这类传感器旨在在特定视野范围内高效监测目标。同时启动这些电池供电的传感器会耗尽其有限的能量，进而影响整个网络的性能。为解决这些问题，传感器调度通过将传感器的工作方向划分为互不重叠的覆盖集合来加以应对。因此，本文提出了一种混合型飞虫优化与顶点着色算法（MO-VC），该算法注重能源效率并实现最优的传感器部署。飞虫优化算法通过平衡探索与利用来确定传感器的最佳位置，从而最大化目标覆盖范围。而基于顶点着色的调度技术则能够构建出满足覆盖要求的定向覆盖集合，同时减少冗余操作。该算法的效率是通过最大覆盖集合数量的数学上界来评估的。此外，还将所提算法与多种元启发式混合算法进行了比较，包括灰狼优化与顶点着色算法、哈里斯鹰优化与顶点着色算法、乌贼群算法与顶点着色算法、萤火虫算法与顶点着色算法、算术优化算法与顶点着色算法以及Q学习与顶点着色算法。仿真结果表明，所提出的MO-VC算法在覆盖效率方面更具优势，且能确定最大的定向覆盖集合数量。

图形摘要

此图片的替代文本可能是由人工智能生成的。