基于智能算法的农业大棚无线传感器网络低能耗研究

vyr

基于智能算法的农业大棚无线传感器网络低能耗研究杨瑞石河子大学
中国作为一个农业大国,农耕方式经历了几千年的发展与变化,完成了从传统农业到机械农业再到智能农业的转变。在农业耕种方式的转型过程中,农业生产的技术和手段也在持续不断地改进。目前,蓬勃发展的现代农业已从依靠人力耕作的传统方式转向利用自动控制技术和网络技术进行监测和管理的智能方式。利用无线传感器网络技术改善或创造大棚内适应农作物生长环境因素作为现代智能农业的典范,为农作物的生长提供适宜的环境条件,如温度、湿度和光照。然而,无线传感器网络的能耗问题不仅是无线传感器网络实际应用中的一个关键突破点,也是当前研究的热点问题。针对无线传感器网络能耗问题,本文提出了改进的智能算法用于优化农业大棚无线传感器网络能耗,提高网络通信质量,保证网络的健康运行,降低巡检能耗。为了降低农业大棚无线传感器网络通信能耗,首先,设计了低能耗分簇方案用于降低农业大棚内节点传输数据时产生的通信能耗,提升能耗利用率。提出一种改进的精英克隆遗传算法(Elite Clone Genetic Algorithm,ECGA),设计了分簇模型,提出了目标函数用于计算农业大棚无线传感器网络通信能耗;设计了新的分簇编码方式,以改进低能耗分簇的性能。在传统遗传算法中加入了精英算子和克隆算子,提升了算法的收敛速度,避免了算法陷入早熟收敛。在仿真实验中,针对农业大棚无线传感器网络低能耗分簇问题,将所提ECGA分簇方案与混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)和模拟退火算法(Simulated Annealing,SA)进行对比。证明了所提方案有效降低了农业大棚无线传感器网络通信能耗,提升了网络能量利用效率,延长了网络生存周期。其次,针对农业大棚无线传感器网络QoS路由进行优化,在保障数据传输质量的同时找到最优路由路径,从而降低数据传输时产生的通信能耗。针对能量有限条件下无线传感器网络的QoS路由问题,提出了一种改进的克隆自适应鲸鱼优化算法(Clone Adaptive Whale Optimization Algorithm,CAWOA)优化QoS路由。设计了精英算子和自适应算子,加快了算法的收敛速度并有效提高了算法的寻优能力。将CAWOA优化方案与传统鲸鱼优化算法(Whale Optimization Algorithm,WOA)和SA进行仿真对比。结果证明所提的CAWOA可以更快的找到最优路由路径,降低农业大棚无线传感器网络的通信能耗。最后,为了保证农业大棚无线传感器网络通信质量以及降低巡检能耗,利用小型机器人对大棚内的传感器节点进行定期的巡查,以保障网络的健康运行,并对小型机器人巡检路径进行规划,找到最短巡检路线,从而降低机器人巡检能耗。针对机器人巡检路径规划问题,提出了一种改进的自适应免疫蚁群优化(Adaptive Immune Ant Colony Optimization,AIACO),用于优化巡检路径规划。此外,还设计了自适应算子和免疫算子,防止算法陷入局部最优,提高优化能力。为了验证算法的性能,将该算法与免疫克隆算法(Immune Cloning Algorithm,ICA)和遗传算法(Genetic Algorithm,GA)进行了比较。结果证明所提算法优化的路径长度小于其他两种算法所优化的路径长度,因此AIACO可以有效降低农业大棚无线传感器网络系统的巡检能耗。