改善されたクート鳥アルゴリズムに基づいたWSNのカバレッジ最適化に関する研究

不均一な分布の問題と、ランダムな展開におけるワイヤレスセンサーネットワーク（WSN）ノードの低いカバレッジに対処するために、Coot Birdアルゴリズム（COOTCLCO）の改善によるノードカバレッジ最適化戦略が提案されています。第一に、混oticとしたテントマップは、人口を初期化し、人口の多様性を高め、最適なソリューションのグローバル検索の基礎を築くために使用されます。第二に、レビーの飛行戦略を使用して、個々のポジションを乱し、母集団の検索範囲を改善します。第三に、コーシー変異と野党ベースの学習戦略は、新しいソリューションを生成し、アルゴリズムがローカルオプティムから飛び出す能力を高めるための最適なソリューションを混乱させるために融合しています。最後に、COOTCLCOアルゴリズムがWSNカバレッジ最適化問題に適用されます。シミュレーション結果は、Cootclcoが収束速度が高速で、23のベンチマークテスト関数の他のいくつかの典型的なアルゴリズムよりも優れた検索精度があることを示しています。一方、COOTCLCOアルゴリズムのカバレッジ率は、粒子群最適化（PSO）、バタフライ最適化アルゴリズム（BOA）、シーグル最適化アルゴリスム（BOA）と比較して、9.654％、13.888％、6.188％、5.39％、1.31％、および2.012％増加します。SOA）、クジラ最適化アルゴリズム（WOA）、ハリスホークス最適化（HHO）、およびハゲイーグル検索（BES）。これは、カバレッジの最適化効果の観点から、CootClcoがこれらのアルゴリズムと比較してより高いカバレッジ率を取得できることを意味します。実験結果は、COOTCLCOがセンサーノードのカバレッジ率を効果的に改善し、WSNカバレッジ最適化問題におけるノードの分布を改善できることを示しています。

To address the problems of uneven distribution and low coverage of wireless sensor network (WSN) nodes in random deployment, a node coverage optimization strategy with an improved COOT bird algorithm (COOTCLCO) is proposed. Firstly, the chaotic tent map is used to initialize the population, increase the diversity of the population, and lay the foundation for the global search for the optimal solutions. Secondly, the Lévy flight strategy is used to perturb the individual positions to improve the search range of the population. Thirdly, Cauchy mutation and an opposition-based learning strategy are fused to perturb the optimal solutions to generate new solutions and enhance the ability of the algorithm to jump out of the local optimum. Finally, the COOTCLCO algorithm is applied to WSN coverage optimization problems. Simulation results show that COOTCLCO has a faster convergence speed and better search accuracy than several other typical algorithms on 23 benchmark test functions; meanwhile, the coverage rate of the COOTCLCO algorithm is increased by 9.654%, 13.888%, 6.188%, 5.39%, 1.31%, and 2.012% compared to particle swarm optimization (PSO), butterfly optimization algorithm (BOA), seagull optimization algorithm (SOA), whale optimization algorithm (WOA), Harris hawks optimization (HHO), and bald eagle search (BES), respectively. This means that in terms of coverage optimization effect, COOTCLCO can obtain a higher coverage rate compared to these algorithms. The experimental results demonstrate that COOTCLCO can effectively improve the coverage rate of sensor nodes and improve the distribution of nodes in WSN coverage optimization problems.