论文研究-NSGA-II算法在室内覆盖优化中的应用 .pdf

所需积分/C币:5 2019-08-17 05:40:50 1.24MB .PDF

NSGA-II算法在室内覆盖优化中的应用 ,邵泽林,桑林,随着室内无线系统在办公楼、工厂等相关环境中使用的增加,室内信号覆盖的问题逐渐被人们所重视起来,为了完成优化室内信号分布的
国利技论文在线 100 40 20 0 40 60 80 100 图单障碍物的场景 该场景如图,设定整个场景都为忙区 场景中的矩形为该场景的个障碍物,障碍物宽长 双障碍物场景 该场景为一个 的场景,设定为整个场景都为忙区。 00 80 60 40 20 0 100 图在有两个隆碍物的场景以及初始放置 国利技论文在线 该场景如图,其中图中的两个矩形分别为两个障桪物。障碍物为墙体。每个障偦物长 宽都为和 室内分布传统算法在室内分布系统中的应用 首先我们使用室内分布优化的传统算法来进行了仿真,首先我们对进行了初始的布 置。之后我们对的位置进行移动以达到优化覆盖的目的。在优化过程中,我们主要通 过将未覆盖区域附近的进行移动来增加覆盖区域,当通过移动无法达到目的时,我 们则在未覆盖区域增加,来保证最终覆盖的情况可以接受 在我们的仿真中,场景大小都为 。在两个障碍物和一个障碍物的场景中, 都布置了个。在双障碍物场景中,初始放置位賀集中于场景中心,而在无障碍物 中,被随机放置在整个场景中 传统算法中对双障碍物场景中的布设优化结果 如6 图传统算法在双障碍物场景中运算前后的比较 在双障碍物场景中,传统算汯的结果如图。其中在图中,左图为初始情况,右图为 优化后结果。仿真的迭代次数为次。蓝星为位置,自色区域为覆盖区域,灰色阴影 区域为未覆盖到的区域,蓝色矩形为障碍物。其中平均移动距离为 最终覆盖率为 由图可知,璋碍物阻挡了的信号传播。我们对的位置进行了优化,而在最终 结果中,仍然与障碍物较为靠近。从最终结果来看,在场景的中心的密度仍然比四 周更大由此可知,传统算法在密度的问题上,并没有很完美解决。 在传统算法下,三个不同场景仿真结果的爱盖率比较 在三个不同的场景中,我们使用了随机放置初始的方式来放置在无障碍的场 景中,我们随机将放置在整个场景中。在一个障碍物的场景中,被分为两部分分别 放置在障碍物左边和右边。而在两个障碍物的场景中,被随机放置在靠近场景中心的位 置。在每个场景中,我们都放置了个。 在此,我们初始的覆盖率和算法结束后的覆盖率进行了对比。下图对初始覆盖的分布覆盖率 与对应的概率 国利技论文在线 图为三种场景在运算结束后,覆盖率与对应的機率。 Scenario 1 0.8 -=o- Scenario 2 I Scenario 3 8 0.4 0.2 0.88 0.9 0.920.940.960.98 Final Coverage Ratio 图最终覆盖率与对应概率的关系 0.95 0.9 0.85 0.8 b00.75 」 0.7 Scenario 1 0.651 Scenario 2 … Scenario3 06:+-- 0.55 0.5 10 30 40 50 Round number 图迭代次数与覆盖率的关系 国利技论文在线 其中场景无障碍物,场景为个障碍物,场景为个障碍物。 在图中,随着迭代次数的增加,运算获得的覆盖率随之变化。三种场景最终都进行了 次迭代。从图中情况来看,当迭代次数到达次时,覆盖率基木达到以上,而迭代 次数达到次时,覆盖率基木达到以上。而相对」次的计算量来讲,次的计算 量已经可以获得一个相对较好覆盖率,次的结果并没有太大的提升,因此米说,次的 计算已经足够保证,获得一个相对满意的结果。 室内分布传统算法在室内分布系统中的应用 与传统算法不同,之后我们使用的是 算法。在 算法中,我们将覆盖 率与移动距离设定为两个目标函数。这两个目标函数会相互制约,因此最终我们会获得 个解集,而我们可以根据我们的需要来进行选择我们的最终方案。 算法中,无障碍物的仿真结果 无障碍物下,的优化结果 下图为个时,个的初始覆盖情况。 匚未覆盖区域 AP位置 A=覆盖区域 米 米 米 米 50 图无璋碍场景屮初始随机布设个的覆盖情况 下图为个时,个的优化之后的最终覆盖结果。其中左图为平均移动距 离为时的覆盖情况,为。石图为平均移动距离为时的覆盖情况,覆盖 率为 国利技论文在线 天覆盖区城 未蛋盖区 州盖园璃 图个情况下移动距离为和的覆盖情况 无障碍物下,的优化结果 下图为个时,个的初始覆盖情况 禾费盖区域 AP位置 AP盖区域 图无障碍场景中初始随机布设个的覆盖情况 图为个时,个的优化之后的最终覆盖结果。其中左图为平均移动距 离为时的覆盖情况,为。右图为平均移动距离为 时的覆盖情况,覆盖 率为 国利技论文在线 来覆盖区城 未表盖区坷 即颖盖区擒 图个情况下移动距离为和的覆盖情况 无障碍物下, 的优化结果 图为个时,个的初始覆盖情况。 司未覆盖区域 AP位置 □AP覆盖区域 米 图无障碍场景中初始随机布设个的覆盖情况 在图中,使用了个,其中左图为平均移动距离为时,覆盖率为 右图为平均移动距离为 覆盖率为在图中的阴影区域表示未覆盖的区域,其中 的星表示所处的位置。 国利技论文在线 未区域 来圈盖区端 A位置 叶区域 H盖区域 图 个情况下移动距离为和的覆盖情况 无障碍物场景中, 的仿真结果 在无障碍物的场景中,我们分别仿真∫个个和个三种情况。最终我 们得到的结果是,个就足够保证场景的全覆盖。使用个时,场景中会有多余的 出现,而使用个则无法保证全覆盖。 下图则为 的仿貞结果。其中两个相悖的目标函数为木覆盖的比例和平均每个 的调整距离。当调整距离增加,未被覆盖的范围就会增加,这就会形成一个 最优 解 0.2 10 APS 9 APs 0.15 moo 8 APs 0.1 8 50.05 0 10 20 30 Average Travelled distance(Meters) 未覆盖和平均移动距离的关系 国利技论文在线 图显示山覆盖率和移动路径相互制约的关系。当移动路径为吋,个 和个可以保证约为的覆盖率。随着移动距离的增加,覆盖率也随之增加。 由图可知,个在平均移动距离相同的情况下,覆盖范围的提升最为明显。当然,以为 更多,所以覆盖率更好是情理之中的。更加重要的是,上图表明,当平均移动距离小于 时,覆盖率的提升速度远高于大于的情况。这表明,当平均移动距离设定为 时,可以在平均移动距离和覆盖率两者之间找到一个最好的平衡点。 算法中,单障碍物场景中的仿真结果 在接下米的场景中,我们添加了一个尺寸为 的障碍物。如果该算法中,初 始位置和最终位置被障碍物所阻碍,那么计算移动距离时,就需要计算的绕行距离。在 本事例中,我们使用了个初始,并将其随机摆放,其初始覆盖家为。其初始放置 方式如图 未贾盖区绩 AP位置 AP犢盖区墙 图个初始放置时的覆盖情况 图则显示了该情况下的仿真结果。我们可以看到,当平均移动距离达到吋,覆 盖率就从提升到了。随着移动距离的增加,覆盖率也进步增加。

...展开详情
试读 13P 论文研究-NSGA-II算法在室内覆盖优化中的应用  .pdf
img

关注 私信 TA的资源

上传资源赚积分,得勋章
    最新推荐
    论文研究-NSGA-II算法在室内覆盖优化中的应用 .pdf 5积分/C币 立即下载
    1/13
    论文研究-NSGA-II算法在室内覆盖优化中的应用  .pdf第1页
    论文研究-NSGA-II算法在室内覆盖优化中的应用  .pdf第2页
    论文研究-NSGA-II算法在室内覆盖优化中的应用  .pdf第3页
    论文研究-NSGA-II算法在室内覆盖优化中的应用  .pdf第4页

    试读已结束,剩余9页未读...

    5积分/C币 立即下载 >