2023年第3期计算机与数字工程总第401期2023年第3期计算机与数字工程Computer&DigitalEngineeringVol.51No.3收稿日期：2022年8月12日，修回日期：2022年9月23日基金项目：国家自然科学基金项目（编号：61903163）；江苏省高校自然科学基金项目（编号：18KJB520010，19KJB510023）资助。作者简介：宋大鹏，男，硕士，研究方向：传感器网络覆盖技术。∗1引言移动传感器网络（MobileSensorNetworks，MSNs）由很多具有特定功能的传感器节点通过移动自组织方式形成的网络系统［1］，可用于国防监控，环境监测和交通等许多领域。区域覆盖率［2］是衡量移动传感器网络质量（QualityofService，QoS）的一个重要指标。实际部署时，为了保证系统的鲁棒性，往往增加节点的部署密度，但冗余节点存在感知区域重叠导致网络功耗增加，降低了网络整体性能［3］。因此，需要获取最佳的网络覆盖，让一些节点暂时休眠以备不时之需。在移动传感器网络覆盖优化领域，许多学者采用了一些智能算法来处理，如粒子群优化（PSO）算法［4］、人工蜂群（ABC）算法［5］、蚁狮（ALO）算法［6］、遗传（GA）算法［7］、蚁群优化（ACO）算法［8］等，来获得全局搜索结果。随着问题研究的深入，提出了许多改进算法。在文献［9］中，为了提高粒子群算法的全局搜索能力，在基本粒子群算法中引入了混沌逻辑。文献［10］在混沌逻辑的基础上，提出了种群进基于改进天牛须搜索算法的传感器网络覆盖优化策略∗宋大鹏杨晓飞王俊叶辉（江苏科技大学电子信息学院镇江212100）摘要为了有效提高移动传感器网络的节点覆盖率，提出一种基于改进天牛须搜索（ImprovedBeetleAntennaeSearch，IBAS）算法的网络覆盖优化方法。经典天牛须搜索算法根据“食物”气味强弱和利用左右两个“触须”开展搜索觅食。首先通过在搜索阶段引入改进步长和随机方向函数对其进行改进，以平衡算法的全局探索与局部开发能力，使算法能够有效跳出局部最优；其次，采用基于当前最优值的侦查策略，提高算法的收敛速度与精度；最后进行了算法性能讨论和仿真实验。结果表明，相较其它算法，IBAS算法不仅提高了网络节点的覆盖率，而且使得节点分布更加均匀。关键词移动传感器网络；覆盖优化；天牛须搜索算法；改进步长中图分类号TP393DOI：10.3969/j.issn.1672-9722.2023.03.001CoverageOptimizationofSensorNetworkBasedonImprovedBeetleAntennaeSearchAlgorithmSONGDapengYANGXiaofeiWANGJunYEHui（SchoolofElectronicInformat...
