基于混合仿真的多目标优化方法，用于水下无线传感器网络中的节能传感器部署与AUV路径规划

《Simulation Modelling Practice and Theory》：Hybrid Simulation-Based Multi-Objective Optimization for Energy-Efficient Sensor Deployment and AUV Path Planning in Underwater Wireless Sensor Networks

　　穆拉利·克里希纳·韦杜拉|文卡塔·拉特南·T|帕拉姆·塞蒂·S
安得拉大学工程学院（A）计算机科学与工程系研究学者，维沙卡帕特南

**摘要**
本研究提出了一种基于仿真的多目标优化框架，用于水下无线传感器网络，该框架通过基于NSGA-II的优化方法，结合战略性的传感器部署与智能自主水下航行器路径规划。其目标是在包括声波传播变化和海流干扰在内的现实海洋约束条件下，优化三个相互冲突的目标：最大化覆盖率（F1）、最小化能耗（F2）以及降低通信延迟（F3）。研究人员构建了一个有限尺寸的三维水下环境，并通过30次独立的NSGA-II运算生成了多个帕累托最优布局。所得到的帕累托前沿展示了覆盖率、能耗与通信延迟之间的平衡关系，且在多次仿真运行中均表现出稳定的收敛特性。基于超体积的评估方法证实了这些帕累托最优解的收敛质量与多样性。通过小提琴图和超体积收敛曲线进行的统计验证，进一步证明了算法性能的稳定性与可靠性。研究结果表明，所提出的框架具备鲁棒性、可扩展性，非常适合用于需要高能效与通信可靠性的实时水下传感器网络任务，如海洋生态监测、管道监控以及灾后检测。

**引言**
水下无线传感器网络已成为海洋数据采集、海洋环境监测、海上基础设施监控以及军事侦察领域的重要技术支撑。在水下环境中部署传感器节点，能够实现对广阔且偏远的海域进行监测，而这些区域传统陆地系统难以到达。然而，水下环境存在的带宽有限、延迟高、链路不稳定以及能源资源匮乏等独特挑战，要求在网络设计及运营方面采用创新解决方案[1],[5],[21]。将自主水下航行器与水下传感器网络相结合，可进一步提升数据采集与远程控制能力。这类移动节点能够按照预定义或优化的路径在水中移动，从传感器节点收集数据并传输至水面站，从而有效克服长距离水下通信的局限性。自主水下航行器路径规划与静态传感器部署之间的协同作用，使得问题转化为一个多目标优化问题，需要在能耗、通信延迟与覆盖范围之间寻求平衡[2],[22],[23]。为此，诸如非支配排序遗传算法II之类的多目标进化算法因能够平衡相互冲突的目标并为复杂问题生成帕累托最优解而得到广泛应用[9],[23]。后续研究还引入了仿真工具、信任模型、分层部署策略以及基于人工智能和机器学习技术的智能决策方法[3],[4],[24]。本文提出了一种基于仿真的多目标优化框架，该框架整合了NSGA-II算法，用于实现高效的传感器部署与自主水下航行器路径规划，旨在在最大化覆盖范围的同时最小化通信延迟与能耗。随后的文献综述对该领域的相关研究进行了全面分类与分析。早期水下传感器网络的发展主要集中在构建基础架构，包括节点类型、通信协议及部署策略等方面[1],[21]。一些研究则着眼于水下环境的特殊特性，如信号衰减、多径效应以及节点定位难题[5],[19]。Akyildiz等人及Awan等人的综述文章为水下环境的物理层与MAC层适配提供了重要见解[1],[21]。另有研究[3],[4]强调了水下传感器网络中拓扑管理及信任机制的重要性。例如，[3]中提出的分层部署方法为节点部署与数据聚合提供了结构化的思路；而基于信任的机制则有助于在恶劣的水下环境中确保通信安全与节点间的协作[4]。尽管在水下传感器部署、自主水下航行器导航、路由协议以及通信建模等方面已取得显著进展，但这些组件往往被独立研究。在实际的水下监测任务中，传感器位置、自主水下航行器轨迹规划、通信性能与能耗之间存在着紧密的联系。若不综合考虑这些因素而仅优化某一组件，可能会导致系统整体性能不佳。因此，亟需一种统一的优化框架来共同应对这些相互关联的挑战。自主水下航行器路径规划的优化需要兼顾能耗控制、障碍物规避以及及时数据采集。Dijkstra算法、A*算法及其进化版本已被广泛应用于此类任务[12],[22]。NSGA-II算法因其能够同时处理能耗与覆盖范围等多重相互冲突的目标而尤为突出[23]。Zhang等人[22]利用NSGA-II提出了三维自主水下航行器路径规划方法，并证明了其在各种环境约束下的更优导航效果。Wang等人[23]则对NSGA-II进行了改进，使其也适用于水下航行器，因为该算法具有强大的非支配排序与精英保留功能。这些工作为将进化算法与水下移动模型相结合奠定了基础。目前，已有多种多目标优化算法被成功应用于工程优化问题，包括NSGA-II、NSGA-III、MOEA/D以及SPEA2。NSGA-III是专为处理包含大量相互冲突目标的多目标优化问题而设计的，它通过基于参考点的多样性保持机制来实现优化[29]；而MOEA/D则将多目标优化问题分解为多个可同时求解的标量子问题[30]。SPEA2则借助外部档案库与基于强度的适应度分配机制来维持精英解与解的多样性[31]。相比之下，本研究所涉及的优化问题是在受限的三维水下环境中，同时实现覆盖范围最大化、能耗最小化以及通信延迟降低这三项相互冲突的目标。对于目标数量适中的优化问题，NSGA-II因其能在收敛性能、多样性保持、计算效率以及实现难度之间实现良好平衡而广受认可[28]。NSGA-II所具有的精英非支配排序机制与拥挤距离机制，有助于生成分布合理的帕累托最优解，同时还能保持较低的计算复杂度。正因如此，本研究选择NSGA-II作为解决所提出的水下无线传感器网络优化问题的优化框架。

**表1**
本研究在现有工作的基础上，开发了一种基于NSGA-II的优化框架，该框架通过多轮仿真的自主水下航行器轨迹与传感器布局模拟，从通信延迟、能耗及覆盖范围三个方面对各类解决方案进行评估。在水下传感器网络中高效部署传感器，是影响数据可靠性与网络使用寿命的关键因素。已有不少研究探讨了基于网格或随机方式的传感器部署模型，同时指出了水下节点的能耗限制问题[8],[16]。近期的一些研究则引入了人工智能与机器学习方法，用于预测传感器行为并优化其部署位置[24]。深度控制路由（DCRP）[10]与基于优先级的路由协议（PRP）[15]等动态路由协议，能够根据节点深度与链路质量调整路由路径，从而提升数据传输效率。Lilhore等人[10]与Saeed等人[7]的对比研究揭示了这类路由协议在能耗效率与延迟之间存在的权衡关系。此外，还有研究[14]对可靠的数据收集机制进行了探讨，他们将多种路由与数据聚合模型整合为以性能为导向的分类体系。这些研究结果为我们在优化模型中选择性能指标及设定约束条件提供了依据。由于节点故障与恶意行为的存在，安全性与信任问题始终是水下网络面临的重大挑战。Zhang等人[4]提出的轻量级信任机制，能够在不增加能耗的前提下保障网络可靠性。结合延迟感知模型，这类机制进一步提升了在不确定环境下的数据包传输成功率与网络吞吐量。由声波信号传播特性及重传需求所导致的通信延迟，已在多种仿真测试环境中得到了量化与建模[11],[25]。Ibrahim[25]与Fahmy[26]分别通过对测试环境与软件工具的比较分析，说明了仿真环境在真实评估水下传感器网络中的作用，同时也强调了构建集成式软件框架的必要性。仿真工具与测试环境对于评估水下传感器网络至关重要。Aqua-Sim、DESERT以及NS-2/3等工具已被广泛用于模拟通信协议与路由模型[25],[26]。这些仿真环境便于在不同的水深、节点密度以及环境噪声条件下，对网络参数与运行行为进行大规模测试。此外，还有研究探索了结合人工智能、模糊逻辑以及多准则决策方法的混合决策框架。有一些研究采用了熵-TOPSIS、AHP-GTMA以及基于模糊逻辑的多准则决策方法，用于参数选择与部署效果评估[20],[24],[27]。在领域不确定性较高的情况下，这类方法有助于确定各目标的权重。本研究将NSGA-II与基于仿真的覆盖范围、能耗及延迟评估指标相结合，从而获得可靠且易于理解的分析结果。未来的工作或许可以进一步扩展该框架，纳入基于强化学习的优化方法或博弈论模型。尽管在传感器部署、自主水下航行器路径规划、路由设计以及仿真研究等领域都已取得了大量成果，但将这些组件整合到统一的优化框架中仍是一项相对较少被研究的课题。目前大多数研究要么采用静态部署方式，要么使用预先计算好的自主水下航行器路径，缺乏实时适应性及性能反馈机制[10],[11],[22]。此外，也有少数研究在动态仿真环境中比较了不同路由方案或决策模型的有效性。综上所述，有必要开发一种更为集成的、基于仿真的优化框架，以便同时解决水下无线传感器网络中的传感器部署、自主水下航行器路径规划、通信延迟建模以及环境变化等问题。通过采用经过仿真优化的评估指标以及基于测试环境的延迟模型，可以为推进水下传感器网络的研究与实际应用提供一种新颖、可重复且实用的途径。现有的水下传感器网络部署方法往往忽视了动态海流与船舶漂移的影响，从而导致能源浪费与覆盖范围下降。现有研究还存在诸多局限性：许多部署策略主要关注传感器位置的选定，而忽略了自主水下航行器轨迹的优化；同样，一些自主水下航行器路径规划方法假设传感器布局是预先确定的，未能考虑部署方式对通信性能的影响；通信延迟模型通常基于距离假设进行简化，没有充分考虑环境变化因素；此外，只有少数研究能够在受限的三维水下环境中同时优化覆盖范围、能耗与通信延迟。正是这些局限性促使人们致力于开发一种能够综合解决部署、导航与通信问题的集成优化框架。尽管在水下无线传感器网络研究方面已经取得了显著进展，但在现实环境条件下，同时优化传感器部署、自主水下航行器路径规划、能耗以及通信延迟的集成框架仍然有待完善。目前大多数研究都是单独处理这些目标，或者对水下环境动态特性做出简化假设。因此，仍需一种基于仿真的优化框架，以便在统一的三维海洋环境中同时评估多个相互冲突的目标。与传统分别处理部署、路由或通信问题的方法不同，所提出的框架将这些组件整合到一个统一的、基于仿真的多目标优化环境中。• 该框架是一种基于仿真的多目标优化框架，可用于实现水下传感器的协同部署与自主水下航行器的路径规划。• 该框架中融入了考虑水流阻力效应的、基于当前环境的自主水下航行器能耗模型。• 为提升水下通信建模的真实性，该框架还引入了考虑环境因素的声学通信延迟建模方法。• 该框架采用基于帕累托理论的NSGA-II优化策略，同时实现覆盖范围、能耗与通信延迟的优化。• 该框架还提供了一种基于临界点的折中解选择方法，以便为实际任务决策提供支持。• 通过超体积分析、小提琴图分析以及多次仿真运行，对该框架的鲁棒性与收敛性能进行了验证。

**问题表述与系统建模**
所提出的水下监测系统被构建在一个有限尺寸的三维海洋环境中，该环境的尺寸用L×W×D表示，分别对应观测区域的长度、宽度与深度。这一环境模拟了真实的海洋环境，其中静态传感器与移动传感器共同协作，以实现持续且高效能的监测。
a) 传感器节点配置
由n个静态传感器节点构成的集合记为S={s1,s2,...,sn}，这些传感器节点均被固定地部署在……

**优化方法与算法框架**
由于该问题涉及三个相互冲突的目标，且需要在保持计算可行性的同时高效生成多样化的帕累托最优解，因此选择NSGA-II作为优化引擎。水下传感器部署与自主水下航行器路径规划的优化工作是通过基于仿真的多目标进化算法来完成的。该算法的核心设计旨在处理目标之间的复杂性及相互依赖性，尤其是在三维海洋环境中……

**仿真环境与评估指标**
对所提出的基于NSGA-II的多目标优化框架的可行性进行了验证，验证工作是在MATLAB中构建的受控三维水下仿真环境中进行的。该仿真环境模拟了真实的海洋环境条件，包括物理边界、声学通信限制以及自主水下航行器的能耗约束。

**结果与讨论**
本章介绍了使用NSGA-II多目标优化框架所进行的仿真实验的结果，并对这些结果进行了分析。讨论的重点在于传感器部署与自主水下航行器路径规划的有效性，以及在不同覆盖范围、能耗效率与通信延迟指标方面的性能权衡情况。为确保结果的可靠性与一致性，这些结果经过了多次独立仿真的验证。

**结论**
本研究开发了一种基于仿真的多目标优化框架，专门用于水下无线传感器网络，该框架结合了优化的传感器节点部署策略与自适应的自主水下航行器路径规划方法。研究中采用了非支配排序遗传算法II，同时实现了三个相互冲突目标的优化：最大化覆盖率（F?）、最小化能耗（F?）以及降低通信延迟（F?）。这些指标是……

**CRediT作者贡献说明**
穆拉利·克里希纳·韦杜拉：概念构思、方法设计、软件开发、数据整理、形式化分析、研究实施、结果验证、可视化处理以及论文初稿撰写。Venkata Ratnam T：概念设计、方法论、指导监督、项目管理、验证、写作与审稿编辑，以及作为通讯作者的职责。Pallam Setty S：指导监督、技术指导、验证、资源提供，以及写作与审稿编辑。所有作者均已阅读并认可未标注参考文献[6,13,17,18]。