基于多策略改进的金豺优化算法在WSN覆盖优化中的应用OA

针对无线传感器网络(WSN)节点随机部署时存在的分布不均匀、覆盖盲区多等问题,以及标准优化算法易陷入局部最优导致覆盖率提升受限的缺陷,提出了一种基于多策略改进金豺优化算法(EGJO)的WSN覆盖优化方案。该算法在标准金豺优化算法(GJO)的基础上,首先引入动态精英反向学习策略,利用动态边界生成反向解,有效增强了种群的多样性与全局勘探能力,其次采用自适应柯西变异策略,利用柯西分布的长尾特性对最优解进行扰动,显著提升了算法跳出局部极值的能力。经典基准测试函数及WSN覆盖仿真实验结果表明,改进后的EGJO算法相比标准GJO算法,收敛精度与稳定性更优,在WSN覆盖优化效果上也有显著提升,验证了该改进策略的有效性。