【摘要】：传感器自部署是一个持续引起大家广泛关注的活跃研究课题。在文献中，已经对传感器自部署进行了建模，并使用不同技术来解决该问题。传感器调整自己的位置，以减小在多轮Voronoi多边形中可能出现的未覆盖局部区域。将传感器部署建模为ROI中从源区到全区的最低成本、最大流量问题。传感器的运动方案由模拟基因和自然选择的多轮选择和繁殖产生。在本节的剩余部分，我们将对上述每种传感器自部署方法中的典型算法进行综述。
传感器自部署是一个持续引起大家广泛关注的活跃研究课题。在文献中，已经对传感器自部署进行了建模，并使用不同技术来解决该问题。在编写本书时，存在8种不同的自部署方法，列举如下：
（1）虚拟力（基于矢量的）方法。根据使用传感器邻居相对位置计算的运动矢量，传感器进行运动。
（2）基于Voronoi图的方法。传感器调整自己的位置，以减小在多轮Voronoi多边形中可能出现的未覆盖局部区域。
（3）负载均衡方法。通过多轮扫描，实现分区感知区域内的传感器数平衡。
（4）随机方法。通过随机游走，传感器向外扩散。
（5）点覆盖方式。将区域覆盖问题转化为特定地理图上的点覆盖问题。(www.xing528.com)
（6）增量方法。传感器实行渐进式的部署，即基于从先前部署的传感器处采集的信息，一次部署一个。
（7）最大流量方法。将传感器部署建模为ROI中从源区到全区的最低成本、最大流量问题。
（8）遗传算法方法。传感器的运动方案由模拟基因和自然选择的多轮选择和繁殖产生。
在上面的列表中，前5个方法是分布式或局部方法。其余是集中式方法，要求具备网络的全局视图。这些方法的输出是一个针对每个传感器节点、满足特定优化标准的运动方案。在本节的剩余部分，我们将对上述每种传感器自部署方法中的典型算法进行综述。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
