所谓部署问题，就是在一定的区域内，通过适当的策略部署传感器节点以满足某种特定的需求。优化节点数目和节点分布形式，高效利用有限的传感器网络资源，最大程度地降低网络能耗，均是节点部署时应注意的问题。
1.部署指标
节点部署的好坏直接影响着网络的寿命和性能。有效的部署方案，依赖于一套完整的节点部署评价体系。结合无线传感器网络的应用特点和系统特性，评价无线传感器网络的节点部署时，主要考虑以下三个指标[23]：
（1）采集信息的完整性和精确性
要求节点能够覆盖目标区域，并且综合考虑节点的冗余和信息的容错，对传感器节点要进行动态的管理，以保证采集信息的完整性和精确性。
（2）信息可传输性
要求保证采集到的信息能够准确及时的传递到信息的使用终端。
（3）网络寿命
由于无线传感器网络与其他网络的最大区别在于能量限制的问题，要求在完成任务的前提下最大限度的延长整个网络的寿命。
从上面的三个评价指标出发，在节点部署时主要考虑下面三方面的问题。
1）覆盖。覆盖考虑的两个问题是：
①初始传感器节点的部署是否覆盖了整个目标区域；
②这些节点能否完整准确地采集目标区域的信息。结合无线传感器网络的特点主要从下面三种情况考虑这两个问题：
a）初始覆盖：假设无线传感器网络随监测工作的进度不发生变化，根据最初的任务需求对目标区域进行覆盖，这是个静态的覆盖过程；
b）动态调整：考虑拓扑变化和能量消耗的因素，网络应用过程中需要对原有的节点覆盖进行动态调整，这是动态适应实际需求的覆盖过程；
c）移动站点辅助覆盖：将移动站点或移动机器人引入无线传感器网络部署中，应用于节点密度稀疏或大部分节点能量不足的应用中。(www.xing528.com)
2）连接。连接考虑的问题是：节点间的连接情况能否保证采集的信息能够准确地传递给基站。围绕这个问题，也可以从两方面展开：
①纯连接：不论网络是否运行，都要保证网络任意两节点是连接，这是网络运行的基础；
②路由连接：指在网络运行时，按照某种特定的算法实现任意两点间的连接，是对纯连接的优化。不同的路由算法，对连接效果也有很大的影响。
3）节能。节能主要考虑两个问题：
①网络部署时传感器节点消耗的能量少；
②网络在使用过程中能量的平均消耗量最低。前者主要是减少部署时能量的消耗，后者是从能量平衡的角度考虑延长网络寿命。
2.现有传感器节点部署算法
传感器节点部署问题已经在不同背景下被研究，主要研究集中在如何最大化感知区域覆盖同时保证连通性；根据传感器节点的特性，可分为研究静态传感器网络部署问题和移动传感器网络部署问题。根据部署的次数，可分为一步到位和增量式部署。
一种在获得所要求的目标监视性能下的最小化部署开销研究方法采用最小路径暴露作为部署好坏的指标，考虑了确定性部署和能量的消耗问题。该研究提供了一种节点规划模式，节点轮流工作以节省能源，同时，不影响提供的服务[24]。参考文献[25]为格子覆盖提出传感器节点部署方法以构造初始化网络，由于监测的不确定性，节点采用概率建模。参考文献[26]中探讨了在给定传感器部署的情况下，确定覆盖的问题，给出一种优化的多项式时间算法，用于确定最好和最坏情况下的覆盖。
参考文献[27]提出了一种有效的增量式部署算法。通过检查节点密度的分布、能量级别和感知域覆盖，算法指出哪个位置需要部署更多的节点以及需要多少新的节点以覆盖所要求的监视区域。由于融合了计算几何，算法增加一个新节点的最坏情况是O（nlogn）。
参考文献[28]探讨了异构传感器部署，并考虑了部署开销的情况。文献的研究关注最小化的部署开销，并满足某些要求。Chakrabarty K等人提供了最小化完整覆盖感知域的异构传感器部署开销的方法，他们将其形式化成为整数规划，解决了基于网络部署的成本最小化问题。但是，他们没有考虑节点和通信的能耗。MhatreV和Rassnherg C提出了优化异构部署，最小化了不同通信的部署开销。在他们的模式中，簇头计算出所有节点的新位置，新位置能最大化覆盖，最后，节点重新定位到要求的地方。但是，由于扩展性不够，不适合于大规模的网络，因为大规模网络需要很多簇头和边界节点，边界节点被多个簇头共享，重新部署的决定变得很复杂；而且，传感器当前的能量不作为决定的考虑因素，所以，这种方法不是power-aware的。
参考文献[29]引入势能场，提出了在每个传感器节点至少有K个邻居的约束下，利用移动、自治的机器人最大化区域覆盖的部署方法。他们利用由其他邻居节点施加的吸引力和排斥力，以及一个平衡准则建模感知区域。平衡规则是，当网络给每个节点的压力为U，这时网络是稳定的。但是，他们的算法计算相当耗时，因此，随网络规模增大或者加入新的节点，所有节点都需要重新自我配置，以满足平衡准则。
参考文献[30]采用最小和最大暴露路径来找出在一段时间内，对于沿感知区域任意一条路径移动的物体，网络能最好地观察到。参考文献[31]的算法利用图论和计算JL何的知识，最小暴露采用功Djikstra的单源最短路径算法或rloyd-warshal的全配对最短算法。
计算几何的方法也应用于传感器节点部署的研究，Meguerdichin S等人使用Delauney三角测量技术和Voronoi图确定最大breach的监测路径。也就是最坏和最好情况下的算法。他们的算法假定集中式计算模式和传感器位置的先验知识。参考文献[32]探讨了三种分布式自我部署算法，利用Voronoi图，使用于移动无线传感器网络。主要目标是监测出网络的漏洞，保证其至少被一个传感器节点所覆盖。在初始化后，算法找出网络中的覆盖漏洞，并计算新的优化位置，传感器将从密度高的地方移向其他区域。但是，他们的工作没有估计每个Voronoi多边形中的漏洞的数目，同时，为减少漏洞，算法把节点移到最远的定点，这样并不能保证最大的覆盖。
覆盖感知域的传感器部署已经在多机器人探索中被采用[33]，每个机器人都被看作是一个传感器节点，在这样的系统中，采用了一种自适应的增量式部署算法，每次只部署一个节点。不足之处是，这样的算法计算复杂性大，随着节点数目增加或新的节点的加入，都会导致相对大的计算量。
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。
