高密度条件下基于模糊化模拟进化计算的传感器网络分簇技术研究

高密度传感器网络分簇算法是极为重要且复杂的问题，也是当前国际研究热点。本项目基于申请人现有工作基础与成果，研究高密度传感器网络基于模糊化模拟进化计算的传感器网络分簇算法，实现无线传感器网络的整体性能最优化。主要内容包括:(1)研究节点随机分布条件下高密度传感器基于模糊化模拟进化计算的建模方法，建立更为完整的高密度传感器网络分簇模型。(2)研究基于模糊化模拟进化计算的高密度传感器网络分簇算法的性能评价方法，完善网络分簇评价体系，为分簇结果提供有效的判据。(3)研究基于模糊化模拟进化计算的多目标优化方法，采用模拟进化计算与模糊化方法相结合，实现对目标空间的加速搜索来提高传感器网络分簇的多目标优化方法性能。(4) 研究节点低速移动时高密度传感器网络中基于模糊控制思想的动态分簇，将节点移动作为模糊控制器的输入而构成模糊控制系统，在此基础上研究利用混沌预测和模糊化模拟进化计算来实现传感器的动态分簇。

高密度无线传感器网络分簇算法是极为重要且复杂的问题，也是近年来本领域的研究热点之一。本项目提出并实现了在高密度传感器网络中基于模糊化模拟进化计算的传感器网络分簇算法，优化了无线传感器网络的整体性能。完成的主要研究工作包括:. （1）研究并提出了节点随机分布条件下高密度传感器基于模糊化模拟进化计算的建模方法，及其高密度传感器网络建模的相关参数及相应的簇半径、节点通信距离、发射功率、节点计算量、簇头节点的设置、节点间相互干扰等不确定因素模糊化建模方法，建立了更为完整的高密度传感器网络分簇模型。. （2）研究并提出了基于模糊化模拟进化计算的高密度传感器网络分簇算法的性能评价方法，基于模糊化模拟进化计算构造了统一的效用函数来描述高密度传感器网络分簇的性能，完善了网络分簇评价体系，为分簇结果提供了有效的判据。. （3）研究并提出了基于模糊化模拟进化计算的多目标优化方法，采用模拟进化计算与模糊化方法相结合，实现了对目标空间的加速搜索，提高了传感器网络分簇的多目标优化方法性能。. （4）研究了节点低速移动时高密度传感器网络中基于模糊控制思想的动态分簇，将节点移动作为模糊控制器的输入而构成模糊控制系统，并基于模糊化模拟进化计算完成了部分节点低速运动的高密度传感器网络分簇模型的多目标动态优化。在此基础上研究并完成了利用混沌预测和模糊化模拟进化计算实现传感器的动态分簇。. （5）建立了仿真验证平台和测试环境，验证了基于模糊化模拟进化计算的高密度传感器网络建模、评价方法、效用函数及多目标优化算法的有效性, 完善了高密度传感器网络的分簇理论。. 主要成果如下：. （1）已形成学术论文55篇，50篇已发表在国内外重要学术刊物和国际会议上，其中7篇被SCI 检索，30 篇被EI 检索（已被SCI检索的未计入）。. （2）申请国家发明专利15项，其中6项已获得授权。. （3）培养了博士生5名、硕士生10名。. （4）建立了高密度传感器网络分簇技术的仿真平台和测试环境。