目前环境监测对数据传输精度的要求越来越高，无线传感器网络(Wireless Sensor Networks，WSNs)逐渐成为了研究的热点[1]。节点的覆盖范围和监测能力决定了数据采集与传输的可靠性，节点的能耗和使用时长也影响着无线传感器网络的目标覆盖质量[2]。

WSNs现可用于监测地震、电磁、温度、压力、光强、心率、运动物体的大小、方向和速度等，可用于智能家居[3]、军事国防[4]、医疗事业[5]、智能交通[6]、环境保护[7]等各方面，在社会生活中发挥着重要的作用。

目标覆盖问题是WSNs中的研究热点问题之一[8]，WSNs中的节点具有成本低、体积小和数据处理能力快等特点，但是因为其监测能力、监测范围和能量有限，需要许多传感器节点相互合作来收集并处理信息。因此存在传感器节点覆盖范围重合、覆盖范围内无法同时监测所有对象和电量耗尽等缺陷，合理的目标覆盖方案可有效提高网络寿命[9]。

对于WSNs的目标覆盖问题，在传感器节点个数和能力有限的情况下，提高其监测目标的覆盖率和降低算法时间复杂度是提高无线传感器网络性能的关键所在。

为了提升目标覆盖率，本文提出一种改进的混沌免疫混合蛙跳算法(Improved Chaotic Immune Shuffled Frog Leaping Algorithm，ICISFLA)。该方法在传统的蛙跳算法的基础上加入了混沌算子对二进制种群进行编码；通过免疫算子将种群中适应度较高的个体遗传至下一代；在更新种群的过程中，改变传统的青蛙跳跃的寻优方式，采用一种基于变异算子的组内最差个体寻优方式，通过一定的概率使组内最差青蛙不断向组内最优青蛙靠近，从而提高种群多样性，提高目标覆盖率。

在实验中，将该算法与遗传算法(Genetic Algorithm，GA)和粒子群算法(Particle Swarm Optimization，PSO)进行了仿真对比，仿真结果表明，ICISFLA优化过的目标覆盖数量明显提升。

作者信息:

徐梦颖，卢 毅，周 杰

(石河子大学 信息科学与技术学院，新疆 石河子832000)