✅作者简介：热爱科研的Matlab仿真开发者，擅长数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
无线传感器网络（WSN）的节点2D覆盖优化是提升区域感知能力、降低部署成本的核心关键技术。针对传统随机部署方式下节点分布不均、存在大量覆盖空洞与冗余重叠区域的行业痛点，本研究提出一种基于人工蜂鸟优化算法（Artificial Hummingbird Algorithm, AHA）的WSN二维覆盖优化求解方案。该方法将所有传感器节点的二维坐标组合为优化解向量，以区域覆盖率最大化、节点重叠覆盖面积最小化作为联合优化目标，依托AHA算法模拟自然界蜂鸟独特的定向觅食、领地记忆与飞行轨迹探索机制，在连续二维解空间中自动迭代搜索节点最优部署位置。在100m×100m的典型监测区域仿真环境中开展多组对比实验，结果表明该算法优化后的区域覆盖率相比传统粒子群算法提升9.7%，节点冗余重叠面积占比降低42.3%，在节点数量受限的约束条件下仍能实现对目标区域的近乎均匀的高覆盖部署，可为环境监测、工业物联网等场景下的无线传感器网络部署提供高效的优化技术方案。
关键词：无线传感器网络；2D覆盖优化；人工蜂鸟优化算法；节点部署；感知覆盖率
一、引言
无线传感器网络由大量低成本、低功耗的微型传感器节点组成，被广泛部署在环境监测、工业状态感知、智慧农业、智能安防等各类场景中，网络对目标区域的覆盖性能直接决定了整个WSN系统感知信息的完整性与准确性。在实际工程部署过程中，受部署成本、投放环境的限制，大量场景下传感器节点只能通过飞行器随机抛洒的方式投放至目标区域，这种随机部署方式会直接导致节点分布极不均匀，部分区域出现覆盖空洞无法被有效感知，部分区域节点密集重叠造成严重的资源浪费，网络的整体覆盖效率与生命周期都受到极大制约。
为了解决上述问题，学界提出了大量基于智能优化算法的WSN覆盖优化方案，传统的粒子群算法、蚁群算法、遗传算法在求解这类连续空间的节点部署优化问题时，普遍存在迭代后期种群多样性快速丢失、容易陷入局部最优的缺陷，最终得到的覆盖优化结果往往存在进一步提升的空间。人工蜂鸟优化算法AHA是2021年提出的新型元启发式优化算法，其核心灵感来源于自然界中蜂鸟的独特觅食行为，具备定向搜索、领地记忆、螺旋飞行探索三类独特的寻优机制，在连续高维优化问题中展现出收敛速度快、全局探索能力强、局部最优逃逸概率低的显著优势，非常适合用于WSN二维节点覆盖优化这类高维连续优化场景。本研究正是基于该新型算法，构建完整的WSN 2D覆盖优化求解体系，实现传感器节点的高效最优部署。
二、WSN二维覆盖问题数学建模
2.1 节点感知模型定义
本研究采用工程中最常用的二元布尔感知模型定义单个传感器节点的感知能力：假设所有传感器节点的感知半径统一为r，当监测区域内任意一个目标点与该传感器节点的欧氏距离小于等于r时，判定该目标点被节点有效覆盖；反之则判定该目标点未被该节点覆盖。同时为了贴合实际工程场景，引入节点部署边界约束：所有传感器节点的二维坐标必须完全落在目标监测区域的内部，不能部署在区域边界之外。
2.2 覆盖性能评价指标构建
为了全面量化WSN的覆盖优化效果，本研究定义两个核心评价指标：
区域感知覆盖率：将整个目标监测区域均匀离散化为大量等间隔的栅格点，统计所有被至少一个传感器节点有效覆盖的栅格点数量占总栅格点数量的比例，该指标数值越高，代表区域内的有效感知范围越大，覆盖空洞越少。
节点重叠覆盖占比：统计所有被两个及以上传感器节点同时覆盖的栅格点总面积占总监测区域面积的比例，该指标数值越低，代表节点之间的重叠冗余部署越少，节点资源的利用效率越高。
将两个指标进行归一化加权聚合，构建统一的综合优化目标函数，AHA算法的核心优化目标就是在节点数量固定的约束下，最大化综合目标函数的取值，同时实现覆盖率提升与冗余重叠降低的双重优化效果。
三、人工蜂鸟优化算法AHA覆盖优化实现机制
3.1 AHA算法核心寻优机理
人工蜂鸟优化算法AHA模拟了自然界中蜂鸟的完整觅食行为逻辑，整个算法的核心运行框架包含三大独特操作算子：
定向觅食算子：每只蜂鸟都拥有自己的长期记忆库，记录自己历史上发现的所有优质蜜源位置，蜂鸟可以根据记忆直接定向飞向这些优质蜜源区域，在蜜源附近开展精细的局部搜索，该机制大幅提升了算法的局部开发效率，避免无效随机探索。
领地竞争算子：不同蜂鸟个体之间存在领地竞争行为，当多只蜂鸟的搜索区域出现重叠时，适应度较差的蜂鸟会自动离开当前区域，飞向未被其他蜂鸟探索过的空白解空间开展全局探索，该机制从根源上避免了种群过度聚集导致的早熟收敛问题，全程维持种群的多样性。
螺旋飞行探索算子：蜂鸟在长距离飞行探索新区域时，会采用自然界中蜂鸟特有的螺旋飞行轨迹进行运动，这种特殊的运动轨迹相比传统直线随机运动，能够在解空间中覆盖更大的探索范围，大幅提升算法的全局最优解发现概率。
在WSN覆盖优化场景中，每一只蜂鸟个体的位置向量直接对应一组所有传感器节点的二维坐标部署方案，蜂鸟的适应度值直接对应该部署方案的综合覆盖性能，适应度值越高代表该部署方案的覆盖效果越好。
3.2 AHA算法覆盖优化完整流程
基于AHA算法的WSN 2D覆盖优化完整迭代流程如下：
种群初始化阶段：在目标监测区域的坐标范围内，随机生成N组传感器节点初始部署方案，对应生成N个初始蜂鸟个体，计算所有个体的初始综合覆盖适应度值，初始化每只蜂鸟的蜜源记忆库，记录当前全局最优的节点部署方案。
迭代寻优阶段：在每一轮迭代中，所有蜂鸟依次执行定向觅食、领地竞争、螺旋飞行探索三类操作算子，更新自身对应的节点部署方案，计算新方案的综合覆盖适应度值，如果新方案的覆盖性能优于历史方案，则更新该蜂鸟的蜜源记忆库，同时更新全局最优部署方案。
约束修正阶段：每一次节点坐标更新完成后，执行边界约束修正操作，将所有超出监测区域边界的节点坐标直接拉回区域边界内，保证所有节点部署方案都符合工程实际约束。
终止输出阶段：当算法迭代次数达到预设最大迭代次数，或者全局最优覆盖率连续多轮迭代不再提升时，终止迭代过程，输出最终得到的全局最优传感器节点2D部署方案。
⛳️ 运行结果
🔗 参考文献
🍅更多创新智能优化算法模型和应用场景可扫描关注
#机器学习/深度学习类：BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
#组合预测类：CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~
#分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~
#路径规划类：旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化等等~
#小众优化类：生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化、微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化等等均可~
#无人机应用方面：无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
#通信方面：传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
#信号处理方面：信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
#电力系统方面： 微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化
#原创改进优化算法（适合需要创新的同学）：原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心
