[Paper] 多策略改进的Northern Goshawk Optimization用于WSN覆盖增强

Source: arXiv - 2601.01898v1

概述

本文介绍了一种 Northern Goshawk Optimization (NGO) 算法的多策略版本，旨在提升 Wireless Sensor Networks (WSNs) 的覆盖率和连通性。通过将混沌初始化与双向进化动态相结合，作者实现了显著高于现有元启发式方法的传感器部署质量。

关键贡献

• Chaotic population initialization 使用多变量混沌映射，以确保更均匀且多样的初始解集合。
• Bidirectional evolutionary dynamics 在经典的追捕‑逃逸阶段之后应用，同时探索和利用搜索空间，以逃离局部最优。
• Integrated multi‑strategy NGO framework 将上述机制整合到一个针对 WSN 覆盖问题的单一优化器中。
• Comprehensive simulation study 将所提算法与多个最先进的基准（如 PSO、GA、标准 NGO）进行比较，显示出更优的覆盖率和节点连通性。

方法论

1. 问题表述 – 将 WSN 覆盖任务视为连续优化问题：每个传感器的坐标是决策变量，目标函数在 覆盖面积（最大化感知区域）与 连通性（确保传感器能够通信）之间取得平衡。
2. 基线 NGO – 受北鹰捕猎行为的启发，原始 NGO 在 追踪阶段（探索）和 规避阶段（利用）之间交替进行。
3. 多策略增强
   • 多变量混沌映射：不采用随机均匀抽样，而是通过混沌映射（例如 Logistic‑type 或 Tent 映射的多维扩展）生成初始种群。混沌序列具有更好的遍历性，能够提供更为多样的初始传感器布局。
   • 双向种群进化动态：在追踪‑规避步骤之后，算法将群体分成两个子种群，分别向相反方向进化——一个在当前最优解附近加强利用，另一个向较少访问的区域扩展探索。定期的个体交换保持多样性。
4. 适应度评估 – 对每个候选部署，算法计算 (a) 传感器感知半径覆盖的目标区域百分比，和 (b) 基于网络图平均节点度的连通性指标。加权求和得到最终适应度得分。
5. 终止条件 – 过程重复进行，直至达到最大迭代次数或满足收敛阈值。

结果与发现

• 覆盖改进：多策略 NGO 实现了 最高 12 % 的覆盖率提升，相较于标准 NGO，并且在不同网络规模（30–100 节点）下，相比经典 PSO/GA 基准提升 7–10 %。
• 连通性提升：所提出的方法将 平均节点度 保持在期望范围内，与基准相比，孤立节点减少了 ≈15 %。
• 收敛速度：得益于混沌初始化和双向动力学，算法相较于原始 NGO 能以 30–40 % 更快（更少迭代次数）的速度收敛到近乎最优的解。
• 鲁棒性：在每个场景下进行 30 次独立运行后，最终适应度的方差更低，表明性能更为稳定。

实际意义

• 部署规划工具 – 工程师可以将多策略NGO嵌入基于GIS的传感器布置软件中，自动生成智能城市、环境监测或工业物联网部署的高覆盖率布局。
• 能源效率 – 更好的覆盖率使用更少的传感器，可降低硬件成本并减少功耗，延长远程或难以到达安装点的电池寿命。
• 动态重新配置 – 该算法收敛速度快，适用于节点失效或监测区域变化时的在线重新优化（例如灾害响应场景）。
• 跨领域适用性 – 同一多策略框架可适配其他空间优化问题，如无人机路径规划、5G/6G网络基站布局或物流设施选址。

限制与未来工作

• 可扩展到大规模网络: 实验限制在 100 个节点；在成千上万传感器（例如城市规模的物联网）上的性能仍需验证。
• 真实世界约束: 当前模型假设理想的圆形感知范围和无阻碍的通信；加入地形、障碍物以及异构传感器能力将提升真实性。
• 混合化机会: 作者建议探索与基于机器学习的代理模型相结合，以进一步降低评估成本，尤其是针对复杂的多目标模型。

结论: 通过将混沌初始化与双向进化方案相结合，作者提供了更稳健高效的 NGO 变体，能够显著提升无线传感网络覆盖率——这是一项开发大规模传感器基础设施的开发者应关注的进展。

作者

• Yiran Tian
• Yuanjia Liu

论文信息

• arXiv ID: 2601.01898v1
• 分类: cs.NE
• 发表时间: 2026年1月5日
• PDF: Download PDF