基于WOA鲸鱼优化的WSN网络最优节点部署算法matlab仿真

1.程序功能描述

鲸鱼优化算法（WOA）是一种模拟座头鲸捕食行为的元启发式优化算法。其主要原理基于座头鲸独特的 “气泡网” 捕食策略，通过数学模型模拟鲸鱼在搜索空间中寻找最优解的过程。通过WOA，实现对节点数量和节点部署坐标的优化，实现用较小的节点完成较大的部署覆盖率的目标。

2.测试软件版本以及运行结果展示

matlab2022a/matlab2024b版本运行

3.核心程序

..........................................
% 获取最佳解并绘制优化后的节点部署
[V,I] = max(Jit1); 
Xbest = xwoa(I,1:Nnode); 
Ybest = xwoa(I,1+Nnode:Nnode+Nnode); 
Nbest = round(xwoa(I,end));
 
 
subplot(122);
 
for i=1:Nbest
    func_cover([Xbest(i),Ybest(i)],rd,1000,'r');
    hold on 
    x1_=Xbest(i)+rd*cos(w);
    y1_=Ybest(i)+rd*sin(w);
    fill(x1_,y1_,'g','FaceAlpha',0.3)
    plot(Xbest(i),Ybest(i),'b.');
    hold on
    i=i+1;
end
axis([0,width,0,high]);
 
[Coverage1,Coverage2] = func_fitness(Xbest,Ybest,Nbest);
title(['优化后','WSN节点数量:',num2str(Nbest),',WSN覆盖率:',num2str(100*Coverage1),'%']);
 
figure;
subplot(121);
bar([Nnode,Nbest]);
xlabel('1:优化前,  2:优化后');
ylabel('节点数量');
 
subplot(122);
bar([100*Coverage1b,100*Coverage1]);
xlabel('1:优化前,  2:优化后');
ylabel('覆盖率%');
 
 
figure;
plot(Favg);
xlabel('迭代次数');
ylabel('average J');
grid on
95

　　

4.本算法原理

在每次迭代完成后，比较所有鲸鱼个体的适应度值，找出当前迭代中的最优解（即最优的节点部署方案）。记录最优解的位置和适应度值，并与历史最优解进行比较。如果当前最优解的适应度值优于历史最优解，则更新历史最优解，保留最优的节点部署方案及其对应的覆盖率和节点数量信息。