【优化覆盖】虚拟力算法求解无线网络传感覆盖优化问题【含Matlab源码 1187期】

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）

⛄一、虚拟力覆盖算法简介

虚拟力覆盖算法应用于传感器网络近几年引起了越来越多的人的关注，这首先由Zou等人将虚拟力引入到传感器网络，很明显传感器节点和机器人存在着很多共同之处。所以他们在虚拟力应用于机器人领域的基础上，把传感器也看作是势场中的粒子，由于地球是个巨大的磁场和地球周围存在着电磁场，可以把节点看作是存在势场中的粒子，这样传感器节点之间就存在着相互的联系。

⛄二、部分源代码

clear all
clc
N=40;%传感器节点个数
XMAX=900;%区域总长度
XMIN=100;
YMAX=800;%区域总宽度
YMIN=100;%区域总宽度
x=zeros(N,2);
x(:,1)=(XMAX-XMIN)rand(N,1)+XMIN;%使节点坐标随机分布
x(:,2)=(YMAX-YMIN)rand(N,1)+YMIN;
figure,
xm=[XMIN YMIN;XMIN YMAX;XMAX YMAX;XMAX YMIN];%区域的四个顶点
fill(xm(:,1),xm(:,2),[0.8,0.8,0.8]);
hold on
plot(x(:,1),x(:,2),‘r.’,‘linewidth’,5);
r=90; %传感器节点的感知半径
w=0:pi/50:2pi;
for i=1:N
x1=x(i,1)+rcos(w);
y1=x(i,2)+rsin(w);%表示圆每一个角度对应一个点，然后把这些点连接起来构成圆
hold on
plot(x1,y1,‘g’); %画出各个传感器节点的感知范围
text(x(i,1)+3,x(i,2),[‘\fontsize{8}\rm’,num2str(i)]);
hold on
fill(x1,y1,‘b’)
end
axis([0 1000 0 900]);%设定坐标范围
xlabel(‘X/m’);ylabel(‘Y/m’);
%legend(‘要监测的区域’,[‘传感器节点(’,‘\fontsize{12}\bf’,num2str(N),‘\fontsize{10}\rm个)的位置’],’ 传感器节点的感知范围’);
hold on
plot([XMIN XMAX],[YMIN YMIN],‘k’,‘linewidth’,1.5);
hold on
plot([XMIN XMIN],[YMIN YMAX],‘k’,‘linewidth’,1.5);
hold on
plot([XMAX XMAX],[YMIN YMAX],‘k’,‘linewidth’,1.5);
hold on
plot([XMIN XMAX],[YMAX YMAX],‘k’,‘linewidth’,1.5);%把四个顶点连接起来组成一个监测区域
%--------------------------------虚拟力算法---------------------------------
%------------先对区域进行离散化---------
deta=2;%网络大小
x1=XMIN:deta:XMAX;
y1=YMIN:deta:YMAX;
[xx,yy]=meshgrid(x1,y1);
[m,n]=size(xx);
K=mn; %总的网格点数目
xx1=reshape(xx,K,1);%网格点的横坐标
yy1=reshape(yy,K,1);%网格点的纵坐标
%hold on
%plot(xx1,yy1,‘g*’)
%----------------计算起初的网络覆盖率-----------------------------------------------------
[no_cover,summ,k1]=compute_cover(xx1,yy1,x,r);
%no_cover存储没有被覆盖的格点位置，k1为求被覆盖的格点，summ为被覆盖的格点数；
q(1,1)=summ/K;
%-------------------------------------------------------
figure,
fill(xm(:,1),xm(:,2),[0.8,0.8,0.8]); %填充监测区域
hold on
plot(x(:,1),x(:,2),‘ro’,‘markerfacecolor’,‘r’,‘linewidth’,3); %传感器节点位置
for i=1:N
text(x(i,1)+3,x(i,2),[‘\fontsize{8}\rm’,num2str(i)]); %标出传感器节点位置
end
axis([0 1000 0 900]);
xlabel(‘X/m’);ylabel(‘Y/m’);
%----------------------
R=2r; %传感器节点的通信半径
maxiter=100; %最大迭代次数
max_step=2.5; %传感器节点移动的最大步长（在格点作用下的最大步长）
max_sensor=3.5; %传感器节点移动的最大步长（在传感器节点作用下的最大步长）
%----------------------
kp=1;
xp{kp,1}=x;
for t=1:maxiter
%k3=1;
F=0;
tx_old=x; %前一次迭代的传感器节点位置
for i=1:N
k2=1;
flag1=0;
for k=1:(k1-1)
dik=sqrt((x(i,1)-no_cover(k,1))^{2+(x(i,2)-no_cover(k,2))}2); %x为传感器节点的位置，no_cover是未被网络覆盖的网格点的位置
if ((dik>r)&(dik<=R)) %R为通信半径，r为感知半径
F(k2,1)=no_cover(k,1)-x(i,1);
F(k2,2)=no_cover(k,2)-x(i,2);
k2=k2+1;
%flag1=flag1+1;
end
end
Fx=0;
Fy=0;
for j=1:(k2-1)
Fx=Fx+F(j,1); %水平力
Fy=Fy+F(j,2); %垂直力
end
Fxy=sqrt(Fx^2+Fy2);
if Fxy==0
x(i,1)=x(i,1)+0;
x(i,2)=x(i,2)+0;
else
x(i,1)=x(i,1)+Fx/Fxymax_stepexp(-1/Fxy);%节点位置更新
x(i,2)=x(i,2)+Fy/Fxymax_stepexp(-1/Fxy);
end
%if flag1~=0
% k3=k3+1;
%end
end
%-----------------------传感器之间的斥力-------
Fs=0;
for i=1:N
ks=1;
for j=1:N
if i~=j
ds=sqrt((x(i,1)-x(j,1))^{2+(x(i,2)-x(j,2))}2);
if ds<(1.4r)
Fs(ks,1)=x(i,1)-x(j,1);
Fs(ks,2)=x(i,2)-x(j,2);
ks=ks+1;
end
end
end
Fsx=0;
Fsy=0;
for j=1:(ks-1)
Fsx=Fsx+Fs(j,1); %水平力
Fsy=Fsy+Fs(j,2); %垂直力
end
Fsxy=sqrt(Fsx^2+Fsy2);
if Fsxy==0
x(i,1)=x(i,1)+0;
x(i,2)=x(i,2)+0;
else
x(i,1)=x(i,1)+Fsx/Fsxymax_sensorexp(-1/Fsxy);
x(i,2)=x(i,2)+Fsy/Fsxymax_sensorexp(-1/Fsxy);
end
%-----------------不能出边界------
if x(i,1)<XMIN
x(i,1)=XMIN;
end
if x(i,1)>XMAX
x(i,1)=XMAX;
end
if x(i,2)<YMIN
x(i,2)=YMIN;
end
if x(i,2)>YMAX
x(i,2)=YMAX;
end
end
%-----------------------------------------------------------
[no_cover,summ,k1]=compute_cover(xx1,yy1,x,r); %计算覆盖覆盖范围
%------------------
for i=1:N
hold on
plot([tx_old(i,1) x(i,1)],[tx_old(i,2) x(i,2)],‘-’); %画传感器节点的运动轨迹图
end
%-------------------

if t==(kp*round(maxiter/4)) %为了得到总迭代步长中每四分之一时的情况
    kp=kp+1;
    xp{kp,1}=x;
end
q(t+1,1)=summ/K;
if q(t+1,1)>=1
   break;
end

end
function [no_cover,summ,k1]=compute_cover(xx1,yy1,x,r)
%% (xx1,yy1)分别为网格点的横纵坐标；
%% x为传感器节点的坐标, r为传感器节点的感知半径
%% no_cover存储没有被覆盖的格点位置，k1为求被覆盖的格点，summ为被覆盖的格点数；
no_cover=0; %存储没有被覆盖的格点位置
flag=0;
k1=1;
summ=0;
K=length(xx1);
[N,N1]=size(x);
for k=1:K %K为总的网格点数目
flag=0;
for j=1:N %寻找不在覆盖区域内的网格点,条件为:x-r<=xx1<=x+r
D=sqrt((xx1(k,1)-x(j,1))^{2+(yy1(k,1)-x(j,2))}2); %网格点与传感器节点间的距离
if (D<=r) %在圆盘范围内的网格点作为可覆盖的格点
flag=flag+1;
end
if flag1
summ=summ+flag;
break;
end
end
if flag0
no_cover(k1,1)=xx1(k,1); %存储没有被覆盖的格点位置
no_cover(k1,2)=yy1(k,1);
%text(no_cover(k1,1)+1,no_cover(k1,2),[‘\fontsize{8}\rm’,num2str(k1)]);
k1=k1+1;
end
end
k1=k1-1;

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合