本文是一篇计算机论文，本文首先回顾了中外学者在WSNs部署上的研究成果，之后针对二维平面和三维曲面的WSNs覆盖等问题，结合了群智能优化算法进行了研究。
第一章 绪论
1.1 研究背景及意义
无线传感器网络（WSN）是一种分布式传感网络，它的末梢是可以感知和检查外部世界的传感器。WSN中的传感器通过无线方式通信，因此网络设置灵活，设备位置可以随时更改，还可以跟互联网进行有线或无线方式的连接。通过无线通信方式形成的一个多跳自组织的网络。无线传感器网络系统通常包括传感器节点（Sensor node）、汇聚节点（Sink node）和管理节点。大量传感器节点随机部署在监测区域内部或附近，能够通过自组织方式构成网络。传感器节点检测的数据沿着其他传感器节点逐条地进行传输，在传输过程中检测数据可能被多个节点处理，经过多跳后路由到汇聚节点，最后通过互联网或卫星到达管理节点。用户通过管理节点对传感器网络进行配置和管理，发布监测数据。传感器网络的处理能力、存储能力和通信能力较弱，通过小容量电池供电。从网络功能上看，每个传感器节点除了进行本地信息收集和数据处理外，还要对其他节点转发来的数据进行存储、管理和融合，并与其他节点协作完成一些特定任务。
随着智能城市的发展[1]，复杂的三维城市环境给无线传感器网络（WSN）部署的研究带来了新的问题和挑战。许多研究已经解决了无线传感器网络的部署问题。尽管如此，它们中的大多数关注网络的覆盖范围和生存期[2, 3]，并将无线传感器网络部署在一个特定的平台上二维平面或全三维空间。此外，所研究的传感器通常是全方位传感器，二维为圆盘形，三维为球形，基于确定性布尔模型；也就是说，在预定义的距离（由表示）内，可以检测到对象；否则，传感器无法“知道”是否存在物体。基于方向传感器网络的概念[4]，Teng等人[5]提出了一种基于模糊环的扇形感知模型。Sung等人[6]利用Voronoi图的概念探索了方向传感器节点的覆盖问题。事实上，传感器的感应能力会随着距离（全向和定向传感器）和角度（定向传感器）的增加而逐渐降低。
1.2 WSNs覆盖优化研究现状
节点群集和路由的方法[16]对网络性能有很大影响。Halder等人[17]发现网络中的能量不平衡主要是由于数据从网络的不同部分传输到中继节点，并提出了一种异构节点部署策略，其中部署传感器节点和中继节点以延长网络寿命。相比之下，Chu等人[18]考虑了不同节点的能量消耗率、每个节点的剩余能量、节点之间的通信成本以及不同节点之间的协作（一些节点甚至增加了能量消耗，以帮助其他节点降低能量消耗），并提出了一种分布式协同拓扑控制。Hacioglu等人[19]提出了一种基于聚类的路由方法，该方法最小化了集群之间的通信成本，最大化了每个集群中的节点数量，并将该方法与非支配排序遗传算法II（NSGA-II）[20]相结合，以选择优秀的解决方案。然而，所有这些研究只探讨了二维平面的情况。
Wang等人[21]利用粒子群优化（PSO）算法在工业环境中优化无线传感器网络的部署，并通过将每个传感器节点和每个中继节点与多个中继节点关联来保证网络的可靠性。Al Turjman等人[22, 23]在3D空间对中继节点进行了部署优化，并考虑了网络寿命和可靠性。
还有一些研究成果提出了涉及无线传感器网络覆盖率，网络寿命和连通性等问题的处理方案，表1.1总结了各种相关方案的比较。
第二章 WSNs覆盖优化相关方法
2.1 WSN覆盖区域的分类
WSNs根据覆盖区域的类型对覆盖优化问题进行归类，可以包括点覆盖、栅栏覆盖和区域覆盖，而每一种覆盖类型根据其部署特点，用于不一样的WSN应用中。图2.1为分类图。
（1）目标覆盖
目标覆盖是针对覆盖区域内的特定目标进行监测，又称为点覆盖。如图2.1（a）所示。●为传感器节点，■为监测目标。点覆盖方案专注于确定传感器节点的确切位置，通常一个特定目标需要被最少一个传感器节点覆盖。目标覆盖一般用于军事领域
（2）栅栏覆盖
栅栏覆盖大部分是指传感器节点监测某移动目标的运动轨迹。如图2.1（b）所示，和区域检测的不同是在于被检测目标是会移动的。
（3）区域覆盖
区域覆盖是指传感器节点监测整个目标区域，如图2.1（c）所示。区域覆盖需要考虑的是如何使用尽可能少的传感器节点覆盖更多的目标区域。
2.2 节点感知模型
在WSN覆盖优化中，覆盖率是极其重要的指标之一，它的计算方式主要有两种方式，一种是考虑节点在信号传输时信号强度受到传输距离的影响而减小，称为概率感知模型，一种是信号传输时信号强度不受传输距离的影响，称为布尔感知模型如图2.2所示。
第三章 ESSA算法在二维平面中的优化部署问题 ....................... 11
3.1引言 ..................................... 11
3.2 覆盖模型描述 .............................. 12
第四章 两种多目标SSA算法在 WSN 的三维曲面覆盖中的应用 ............ 27
4.1 引言 .................................. 27
4.2 模型和覆盖优化问题描述 ............................ 29
第五章 总结与展望 ......................... 53
第四章 两种多目标SSA算法在 WSN 的三维曲面覆盖中的应用
4.1 引言
无线传感器网络是一种传统的无线自组织网络，能够自主收集、集成和传输数据。这是一种快速发展的信息获取技术，它可以集成最新的技术成果，包括微电子、网络和通信，从而使其成为医疗保健[82]、环境监测[83]、工业制造[84]和智慧城市[85]等领域的重要元素。
覆盖控制是WSN至关重要的问题之一[86]，它主要涉及传感器网络如何通过适当的节点部署来监控目标区域。许多研究已经解决了无线传感器网络的部署问题。尽管如此，它们中的大多数关注网络的覆盖范围和生命周期[3, 87-89]，并将无线传感器部署在一个特定的平台上二维平面或全三维空间[90]。然而根据真实世界的3D地形数据，可能存在障碍物（如建筑物）。因此，二维平面情况过于简单，无法准确表示实际情况，所以本文的应用场景为三维表面。
本文在三维环境部署无线传感器网络拓扑如图4.1所示，与有线通信相比，无线通信不需要布置和维护电缆，但是无线信号会沿着传输路径被反射、散射和衍射，这意味着传感器网络无法收集到足够数量的能反映出监控区域真实情况的数据。
第五章 总结与展望
随着物联网的出现，使得万物互联近在眼前。智慧城市，智慧交通，智慧医疗等领域逐渐融入了大家的生活，也方便和高效了生活。之所以物联网被这么广泛的应用，离不开WSNs的飞速发展。但是WSNs发挥作用的前提是WSNs能合理的部署到被检测区域。因此本文首先回顾了中外学者在WSNs部署上的研究成果，之后针对二维平面和三维曲面的WSNs覆盖等问题，结合了群智能优化算法进行了研究。
在二维平面部署环境下，本文主要针对覆盖率这个问题进行了研究，监测区域为一个理想的二维平面。首先，考虑到非线性收敛因子能更好的平衡局部和全局搜索，以及柯西变异算子跳出局部最优的特点，本文结合基础的麻雀搜索算法提出了一种增强型麻雀搜索算法（ESSA）。通过测试不同模态的基准测试函数，表明与其它改进智能算法相比，该算法在搜索精度、收敛速度、稳定性和避免局部最优值等方面均有明显提升。其次，将ESSA应用到WSN覆盖优化中，并与其他相同场景的改进算法相比，结果表明ESSA算法有着更好的优化效果。上述研究为本文三维部署环境的研究打下了坚实的基础。
在三维曲面部署环境下，本文主要优化了三个目标：覆盖率、数据传输数量和网络寿命。并且将很少有学者研究的复杂三维曲面加入到了监测区域中，总共考虑了较为平缓的马鞍地形和较复杂的多峰地形。然后基于基本麻雀搜索算法开发了两种不同的多目标麻雀搜索算法：MOSSA-I和MOSSA-II。值得一提的是多目标麻雀搜索算法是首次应用在WSNs优化部署问题中。实验结果表明本文提出的MOSSA-II算法提供的解集是最具竞争力的。
参考文献（略）