本技术公开了一种三维无线传感器网络节点部署方法，首先，选定测定区域进行初始化，将其所在空间划分为子区域；其次，对子区域空间进行节点初始化部署，采用贪心策略改进初始化过程，利用蒙特卡洛方法快速计算子区域的未覆盖区域，在子区域内计算簇中心节点与其他节点距离，并根据禁忌搜索目标函数优化节点初始位置；最后，根据簇中心节点欧式距离和子区域内簇中心节点占有比优化整体节点，以此调整整体区域与子区域各节点工作状态。本发明综合考虑了节点初步部署随机化产生的不确定性，利用改进的K‑means算法，快速提供聚类中心，能够有效地提高三维无线传感器网络节点的覆盖率以及减小节点过度部署产生浪费的问题。
背景技术
：
随着环境监测任务的复杂性不断上升，人们对于数据信息的全面性和精确度提出了更高的要求。为了满足这些需求，通常情况下，人们会采用具备感知能力的传感器作为节点，构建一个空间网络，以便执行数据采集和传输任务。
鉴于无线传感器网络中节点的随机部署及其广泛分布特性，节点间通信距离与信号强度在实际应用中易受多种因素影响。为了确保网络的可靠性与稳定性，并有效提高网络性能，研究一种适当的覆盖控制方法对于提升有向传感器网络的监测效果具有重要意义。为此，研究者们提出了多种优化算法，旨在提升数据传输的效率与准确性。
迄今为止，关于无线传感器网络节点部署方法的研究主要集中在二维环境下。在物理学报中，学者方伟撰写的论文公开了《基于Voronoi图盲区的无线传感器网络覆盖控制部署策略》。该策略首先对监测区域进行Voronoi图划分，以确定每个传感器节点所覆盖的泰森多边形。随后，通过分析顶点的覆盖情况，识别出泰森多边形内的盲区，并构建其几何中心作为传感器节点移动的潜在目标位置，旨在提升网络的覆盖范围。然而，该方法的研究局限于二维环境，节点感知模型存在局限性。此外，过分强调整体节点部署可能会导致局部节点部署的测量精度下降，进而影响测定地区传感器网络的覆盖率。
学者刘翠苹等在论文《基于萤火虫群优化算法的无线传感器节点部署》中提出了一个基于萤火虫群优化算法的传感器节点部署策略。该策略首先对传感器节点进行随机初始部署，随后依据计算得出的移动概率来确定节点的移动方向，以此实现节点的有效部署。然而，该方法在实际应用中仍面临节点部署数量可能过剩以及存在覆盖盲区的问题。
在论文《基于k-means聚类算法的专利地图制作方法研究》中，学者邱洪华及其同事提出了一种基于k-means聚类算法的专利地图制作结构优化方法。该方法首先对研究中涉及的专利文献的著录项进行分类，包括结构化和非结构化项目，并通过K-means聚类算法构建语义网络，进而完成专利地图的制作。然而，该方法在初始阶段构建关键词矩阵并执行聚类分类的过程较为复杂，导致无法迅速确定簇类中心，增加目标的实现难度。
因此，需要一种能够综合考虑局部区域传感器网络节点和整体区域之间通信效率和覆盖率的三维无线传感器网络节点部署方法。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
实现思路