简介这份MATLAB代码合集面向无线传感器网络WSN覆盖优化方向的学习者与研究者适合具备一定MATLAB基础、希望快速复现并对比多种智能优化算法效果的高年级本科生、研究生及科研人员。资源围绕WSN节点部署与覆盖增强问题整合了人工蜂群、人工鱼群、灰狼、粒子群、蝠鲼觅食、蛇优化、麻雀搜索、鲸鱼优化、虚拟力以及樽海鞘共10种常见算法的求解实现可满足算法对比实验与课程设计需求。压缩包共41个文件以39个m脚本为主辅以2个caj文献整体约5.73MB脚本按算法分目录组织注释较为详细下载后可直接运行。目前已有209人学习。读者可借此获得一套完整的WSN覆盖优化实验框架涵盖适应度计算、覆盖度评估与绘图等模块便于理解各算法的寻优流程与参数设置也能为论文复现、算法改进和性能对比提供可参考的代码基础与排错思路。1. 无线传感器网络覆盖优化这套 MATLAB 代码合集到底能解决什么问题如果你做过无线传感器网络WSN的课题或者工程项目大概率遇到过这样的场景一片监测区域里随机撒下几十上百个传感器节点初始覆盖率高高低低有的地方重叠冗余有的地方出现感知空洞导师或者甲方要求你把覆盖率从 70% 提到 90% 以上还得画出收敛曲线和覆盖效果图。这时候纯靠手调参数基本是玄学你需要的是能跑的优化算法代码。这套 WSN 覆盖优化 MATLAB 代码合集核心就是围绕传感器节点的部署与覆盖问题提供多种优化算法的可运行实现包括虚拟力算法、粒子群优化、遗传算法等常见方案。它适合正在做 WSN 相关课题的研究生、需要快速验证覆盖优化思路的工程师以及想拿一套能跑的基线代码做二次开发的开发者。你拿到手就能在 MATLAB 里跑出覆盖分布图和迭代收敛曲线不用从零推导公式再一行行敲。2. 技术选型与整体架构为什么是 MATLAB 加虚拟力算法2.1 为什么 WSN 覆盖优化偏爱 MATLABWSN 覆盖优化本质是一个带约束的连续域或离散域优化问题。你需要定义感知模型、计算覆盖率、迭代更新节点位置、可视化结果。MATLAB 在这类任务上有天然优势矩阵运算快、绘图函数现成、优化工具箱成熟而且大部分 WSN 领域的经典论文都附带 MATLAB 代码方便对照复现。这套代码合集选择 MATLAB 作为唯一运行环境意味着你不需要配置 Python 环境、不需要装深度学习框架只要有 MATLAB R2016b 及以上版本就能跑。常见做法是把每个算法写成一个独立的.m脚本或函数文件主脚本负责参数初始化和结果展示算法文件负责迭代逻辑这样结构清晰改起来也方便。2.2 虚拟力算法的核心思路虚拟力算法Virtual Force Algorithm, VFA是这套合集里的重点。它的直觉很朴素把每个传感器节点看作一个带电粒子节点之间根据距离产生引力和斥力节点与边界之间也有约束力合力驱动节点移动最终达到一个覆盖更均匀的布局。具体来说当两个节点距离小于感知半径时它们之间产生斥力避免过度重叠当距离大于通信半径时产生引力避免网络断裂节点靠近边界时边界给它一个斥力把它推回监测区域。每次迭代计算每个节点受到的合力然后按步长移动直到合力小于阈值或达到最大迭代次数。这套代码里虚拟力算法的实现通常包含以下几个关键参数参数名含义典型取值R_s传感器感知半径10~30 mR_c通信半径2 × R_sd_th斥力/引力切换距离阈值0.5 × R_seta引力系数0.01~0.1rho斥力系数0.1~1step节点移动步长0.1~0.5 mmax_iter最大迭代次数100~500这些参数不是拍脑袋定的感知半径和通信半径通常由硬件决定斥力系数和步长需要根据区域大小和节点数量调。我一般会先把步长设小一点比如 0.2跑 200 次迭代看收敛情况如果收敛太慢再适当加大。2.3 代码合集的目录组织虽然压缩包里的具体文件结构可能因版本而异但这类 WSN 覆盖优化代码合集通常按算法类型分目录常见结构如下WSN_Coverage_Optimization/ ├── VFA/ │ ├── main_vfa.m % 虚拟力算法主脚本 │ ├── compute_force.m % 合力计算函数 │ ├── update_position.m % 位置更新函数 │ └── plot_coverage.m % 覆盖效果绘图 ├── PSO/ │ ├── main_pso.m % 粒子群优化主脚本 │ ├── fitness_function.m % 覆盖率适应度函数 │ └── pso_update.m % 速度和位置更新 ├── GA/ │ ├── main_ga.m % 遗传算法主脚本 │ ├── crossover.m % 交叉操作 │ └── mutation.m % 变异操作 ├── utils/ │ ├── init_nodes.m % 随机初始化节点位置 │ ├── calc_coverage.m % 计算覆盖率 │ └── draw_sensor_field.m % 绘制监测区域和节点 └── README.md % 运行说明这种分法好处是每个算法独立你可以只跑 VFA也可以对比 PSO 和 GA 的效果。utils目录放公共函数避免重复代码。如果你要加自己的算法照着现有目录新建一个文件夹把主脚本和核心函数放进去就行。3. 跑起来从解压到出图的完整步骤3.1 环境准备与文件检查先把压缩包解压到一个不含中文和空格的路径下比如D:\WSN_Coverage。MATLAB 对中文路径的支持时好时坏尤其是老版本路径里有中文可能导致load或save报错。解压后检查一下有没有.m文件缺失有些压缩包在传输过程中会丢文件尤其是utils目录下的公共函数。打开 MATLAB把当前工作目录切换到解压后的根目录。你可以用命令行% 切换到项目根目录 cd(D:\WSN_Coverage); % 把所有子目录加入搜索路径 addpath(genpath(pwd)); % 检查路径是否添加成功 path;addpath(genpath(pwd))这行很关键它会把所有子文件夹都加入 MATLAB 的搜索路径这样你在主脚本里调用utils下的函数时不会报 “未定义函数”。如果你只addpath(pwd)子目录里的函数就找不到。3.2 运行虚拟力算法主脚本以 VFA 为例打开VFA/main_vfa.m你会看到类似下面的代码结构%% 虚拟力算法主脚本 clear; clc; close all; % 监测区域参数 L 100; % 区域边长单位米 N 30; % 传感器节点数量 Rs 15; % 感知半径 Rc 30; % 通信半径 max_iter 200; % 最大迭代次数 step 0.3; % 移动步长 % 初始化节点位置随机均匀分布 nodes init_nodes(N, L); % 记录初始覆盖率 coverage_initial calc_coverage(nodes, L, Rs); fprintf(初始覆盖率%.2f%%\n, coverage_initial * 100); % 迭代优化 coverage_history zeros(max_iter, 1); for iter 1:max_iter % 计算每个节点受到的合力 force compute_force(nodes, L, Rs, Rc); % 更新节点位置 nodes update_position(nodes, force, step, L); % 计算当前覆盖率 coverage_history(iter) calc_coverage(nodes, L, Rs); end % 绘制结果 figure; plot(coverage_history, b-, LineWidth, 1.5); xlabel(迭代次数); ylabel(覆盖率); title(虚拟力算法覆盖率收敛曲线); grid on; figure; draw_sensor_field(nodes, L, Rs); title(优化后的传感器节点分布);这段代码的逻辑很直白先随机撒点算初始覆盖率然后进入迭代循环每次算合力、移动节点、记录覆盖率最后画收敛曲线和节点分布图。你直接点运行正常情况下几秒钟就能出图。3.3 关键参数怎么调跑通之后你大概率想调参看效果。几个核心参数的影响如下N是节点数量增加 N 覆盖率肯定上升但边际效益递减而且节点多了计算量变大。我一般从 30 开始试如果覆盖率不够再加到 50。Rs是感知半径这个参数对覆盖率影响最大。Rs 翻倍单节点覆盖面积变成四倍覆盖率会显著提升。但实际项目中 Rs 由硬件决定不能随便改调参时要注意别脱离实际。step是移动步长太小收敛慢太大容易震荡不收敛。经验值是区域边长的 0.2%~0.5%比如 L100 时 step 取 0.2~0.5。max_iter是最大迭代次数一般看收敛曲线如果 100 次就平了设 200 足够如果还在上升加到 500。提示调参时每次只改一个参数改完记录覆盖率和收敛代数这样才能看出哪个参数影响最大。3.4 对比不同算法的效果如果你想对比 VFA、PSO、GA 的效果可以分别跑三个主脚本把coverage_history保存下来画在同一张图上% 假设已经分别运行了三个算法得到 coverage_vfa, coverage_pso, coverage_ga figure; plot(coverage_vfa, b-, LineWidth, 1.5); hold on; plot(coverage_pso, r--, LineWidth, 1.5); plot(coverage_ga, g-., LineWidth, 1.5); legend(VFA, PSO, GA); xlabel(迭代次数); ylabel(覆盖率); title(三种算法覆盖率收敛对比); grid on;这种对比图放在论文或报告里很有说服力。注意 PSO 和 GA 的迭代次数可能和 VFA 不一样画图前统一截断到相同长度或者用xlim限制横轴范围。4. 核心模块拆解合力计算与覆盖率统计4.1 合力计算函数 compute_force.m这是虚拟力算法最核心的部分直接决定节点怎么移动。代码通常长这样function force compute_force(nodes, L, Rs, Rc) % nodes: N x 2 矩阵每行是一个节点的 (x, y) 坐标 % L: 监测区域边长 % Rs: 感知半径 % Rc: 通信半径 % force: N x 2 矩阵每个节点受到的合力 N size(nodes, 1); force zeros(N, 2); eta 0.05; % 引力系数 rho 0.5; % 斥力系数 d_th Rs / 2; % 距离阈值 for i 1:N fx 0; fy 0; for j 1:N if i j continue; end dx nodes(j, 1) - nodes(i, 1); dy nodes(j, 2) - nodes(i, 2); d sqrt(dx^2 dy^2); if d 0 continue; end % 单位方向向量 ux dx / d; uy dy / d; if d d_th % 斥力距离太近互相推开 magnitude rho * (1/d - 1/d_th); fx fx - magnitude * ux; fy fy - magnitude * uy; elseif d Rc % 引力距离太远互相拉近 magnitude eta * (d - Rc); fx fx magnitude * ux; fy fy magnitude * uy; end end % 边界斥力防止节点跑出监测区域 boundary_force 2.0; if nodes(i, 1) Rs fx fx boundary_force; elseif nodes(i, 1) L - Rs fx fx - boundary_force; end if nodes(i, 2) Rs fy fy boundary_force; elseif nodes(i, 2) L - Rs fy fy - boundary_force; end force(i, :) [fx, fy]; end end逐段说明外层循环遍历每个节点内层循环遍历其他节点计算两两之间的力。d d_th时产生斥力力度随距离减小而增大d Rc时产生引力力度随距离增大而增大。边界斥力是硬约束节点靠近边界时被推回来保证所有节点始终在监测区域内。参数eta和rho控制引力和斥力的相对强度。如果斥力太大节点会散得太开边缘覆盖好但中间可能出现空洞如果引力太大节点会聚成一团重叠严重。我一般先让rho略大于eta比如rho0.5, eta0.05这样节点倾向于均匀分布而不是聚团。4.2 覆盖率计算函数 calc_coverage.m覆盖率是评价优化效果的硬指标计算逻辑是网格法把监测区域划分成小网格统计被至少一个节点覆盖的网格点比例。function coverage calc_coverage(nodes, L, Rs) % 用网格法计算覆盖率 % 网格分辨率越高计算越准但越慢 grid_step 1; % 网格间距单位米 x 0:grid_step:L; y 0:grid_step:L; [X, Y] meshgrid(x, y); covered false(size(X)); N size(nodes, 1); for i 1:N % 计算每个网格点到节点 i 的距离 dist sqrt((X - nodes(i,1)).^2 (Y - nodes(i,2)).^2); % 距离小于感知半径则认为被覆盖 covered covered | (dist Rs); end coverage sum(covered(:)) / numel(covered); endgrid_step取 1 米时100×100 的区域有 10201 个网格点计算量可以接受。如果你要更精确的结果把grid_step改成 0.5网格点变成 40401 个计算时间大约翻四倍。实际写论文时我一般用 1 米网格然后在论文里说明网格分辨率审稿人不会揪这个。covered是一个逻辑矩阵covered | (dist Rs)这行用了逻辑或的短路特性只要之前已经被某个节点覆盖后面就不再重复计算但 MATLAB 的向量化操作会全部算一遍所以这里其实没有短路优化。如果你追求速度可以在循环里加个判断但一般没必要。4.3 位置更新函数 update_position.m合力算出来之后节点按步长移动。这个函数很简单但有几个细节要注意function nodes update_position(nodes, force, step, L) % 按合力方向移动节点并限制在监测区域内 N size(nodes, 1); for i 1:N fx force(i, 1); fy force(i, 2); f_mag sqrt(fx^2 fy^2); if f_mag 0 % 归一化后乘以步长保证每次移动距离不超过 step nodes(i, 1) nodes(i, 1) step * fx / f_mag; nodes(i, 2) nodes(i, 2) step * fy / f_mag; end % 边界截断防止节点跑出区域 nodes(i, 1) max(0, min(L, nodes(i, 1))); nodes(i, 2) max(0, min(L, nodes(i, 2))); end end这里做了归一化保证每个节点每次移动的距离恰好是step而不是合力越大移动越远。如果不归一化合力大的节点会一步跳很远容易震荡。边界截断是兜底措施正常情况下边界斥力已经能阻止节点跑出去但数值计算可能有误差加个max/min更保险。5. 避坑与常见问题跑代码时容易翻车的地方5.1 报错 “未定义函数或变量”现象运行主脚本时提示某个函数找不到比如compute_force未定义。原因MATLAB 当前工作目录不在项目根目录或者子文件夹没有加入搜索路径。解决先cd到项目根目录然后执行addpath(genpath(pwd))。如果还不行检查函数文件名和调用名是否一致MATLAB 对大小写敏感Compute_Force.m和compute_force会被当成两个不同的东西。5.2 覆盖率不升反降现象迭代过程中覆盖率曲线先升后降或者一直下降。原因步长step太大节点在最优位置附近来回震荡或者斥力系数rho过大节点被推得太散边缘覆盖好了但中间出现空洞。解决先把step减小到原来的 1/3看曲线是否变平滑。如果还不行把rho调小比如从 0.5 降到 0.2让节点更倾向于聚拢。我一般会同时打印每次迭代的覆盖率观察是在哪个阶段开始下降的。5.3 节点跑出监测区域现象绘图时发现有些节点在区域边界外面。原因边界斥力太小或者步长太大导致节点一步跨过边界。解决把boundary_force从 2.0 加大到 5.0或者在update_position里加硬截断。硬截断虽然简单粗暴但能保证不出界代价是节点可能贴着边界不动影响覆盖率。更好的做法是边界斥力随距离增大而增大形成一个软约束。5.4 运行速度太慢现象迭代 200 次要跑好几分钟。原因覆盖率计算用了双重循环或者网格分辨率太高。解决把calc_coverage里的grid_step从 0.5 改成 1 或 2计算量会大幅下降。另外compute_force里的双重循环是 O(N²)如果 N 超过 100可以考虑用pdist2一次性算距离矩阵然后向量化计算合力。不过对于 N30~50 的典型场景双重循环已经够快没必要过度优化。5.5 不同算法结果差异大现象VFA 跑出来覆盖率 92%PSO 只有 85%怀疑代码有问题。原因不同算法的参数没有调到各自最优直接对比不公平。解决每个算法单独调参记录各自最佳覆盖率再放在一起比。PSO 的惯性权重、学习因子GA 的交叉率、变异率都需要根据问题规模调整。我一般会给每个算法跑 10 次取平均避免单次随机性影响结论。6. 二次开发与改造把这套代码变成你自己的东西6.1 换感知模型从布尔模型到概率模型这套代码默认用的是布尔感知模型距离小于 Rs 就算覆盖否则不算。实际传感器有探测概率距离越远探测概率越低。你可以把calc_coverage改成概率模型function coverage calc_coverage_prob(nodes, L, Rs, lambda) % 概率感知模型 % lambda: 衰减系数越大衰减越快 grid_step 1; x 0:grid_step:L; y 0:grid_step:L; [X, Y] meshgrid(x, y); prob zeros(size(X)); N size(nodes, 1); for i 1:N dist sqrt((X - nodes(i,1)).^2 (Y - nodes(i,2)).^2); % 概率模型距离小于 Rs 时概率为 exp(-lambda * dist) p exp(-lambda * dist); p(dist Rs) 0; % 多个节点覆盖时取最大概率或按独立事件算联合概率 prob max(prob, p); end coverage sum(prob(:)) / numel(prob); endlambda控制衰减速度典型值 0.05~0.2。这个改动会影响优化结果因为节点不再追求“刚好覆盖”而是追求“高概率覆盖”布局会更紧凑。6.2 加能耗约束让节点别跑太远虚拟力算法有个实际问题节点移动消耗能量移动距离越大能耗越高。你可以在update_position里加一个累计移动距离限制function [nodes, total_move] update_position_energy(nodes, force, step, L, max_move) N size(nodes, 1); total_move 0; for i 1:N fx force(i, 1); fy force(i, 2); f_mag sqrt(fx^2 fy^2); if f_mag 0 dx step * fx / f_mag; dy step * fy / f_mag; % 检查是否超过最大移动距离 if total_move sqrt(dx^2 dy^2) max_move nodes(i, 1) nodes(i, 1) dx; nodes(i, 2) nodes(i, 2) dy; total_move total_move sqrt(dx^2 dy^2); end end nodes(i, 1) max(0, min(L, nodes(i, 1))); nodes(i, 2) max(0, min(L, nodes(i, 2))); end endmax_move是所有节点累计移动距离的上限根据节点电池容量和移动能耗模型来定。这个约束会让优化结果偏向“少移动、多覆盖”的方案更贴近实际部署。6.3 验证改造效果三步确认法改完代码后别急着下结论按这三步验证第一步固定随机种子跑三次看结果是否一致。MATLAB 里用rng(42)固定种子如果三次结果差异很大说明算法随机性太强需要增加迭代次数或调整参数。第二步和原始代码对比。把改造前后的覆盖率曲线画在一起看改造是提升了覆盖率还是降低了。如果降低了分析是约束太紧还是模型不合理。第三步换几组不同节点数量和区域大小看改造后的代码是否稳定。我一般会跑 N20、30、50 三组L50、100、200 三组共九种组合确保代码不是只对特定参数有效。6.4 一个实用技巧把结果导出成 CSV论文里经常需要把覆盖率数据做成表格手动抄容易出错。在 MATLAB 里加一行% 导出覆盖率历史到 CSV csvwrite(coverage_history.csv, coverage_history);csvwrite简单直接但只能写数值矩阵。如果你要带表头用writetableT table((1:max_iter), coverage_history, VariableNames, {Iteration, Coverage}); writetable(T, coverage_history.csv);这样导出的 CSV 可以直接拖进 Excel 或 Origin 画图省去手动整理的时间。注意csvwrite在较新版本的 MATLAB 中不推荐使用如果报 warning换成writematrix即可。从那以后我每次改完算法参数都强制走一遍“固定种子跑三次 对比原始曲线 换参数组合验证”的流程虽然多花十几分钟但能避免在论文里写出经不起推敲的结论。希望这套代码和上面的改造思路能帮到你拿到压缩包后先跑通 VFA再逐步试 PSO 和 GA最后按自己的课题需求改感知模型或加约束基本就能覆盖 WSN 覆盖优化的大部分场景了。本文还有配套的精品资源点击获取