Smart Agricultural Technology·9月1日 · 周二论文其他阅读 2
IGWO-AS: An Enhanced Grey Wolf Optimizer for Relay-Node Deployment in LoRa-Based Smart Greenhouse Systems
yibo shang · hongling Li
论文解读
72接近精选线
速览
提出IGWO-AS优化LoRa温室中继部署，提升覆盖率并降低丢包率。
方法
改进灰狼优化器，融合自适应相位、随机差分扰动和模拟退火机制。
发现
现场实验覆盖率93.5%，比GWO高6.3%，丢包率降至0.2%。
机会点
可探索算法-系统协同设计在其他农业场景的泛化，或结合动态环境自适应调整中继部署。
影响力15
信息增量20
专业深度18
信源权威12
时效性7
提出IGWO-AS算法优化LoRa温室中继节点部署，实测覆盖率提升6.3%，算法-系统协同设计具实践价值。
原文摘要
温室物联网系统在障碍物受限环境中常面临感知覆盖不均和远距离通信可靠性不足的问题，这限制了环境监测与控制的稳定性。为解决上述问题，本研究提出了一种基于物联网的闭环温室监测与控制系统，将中继节点部署优化与系统实现相结合。研究开发了一种改进的灰狼优化算法（记为IGWO-AS），通过引入自适应相位调整机制（APAM）、随机差分扰动探索机制（SDDE）和模拟退火启发式接受准则（SAIAC），增强了全局探索能力、保持了种群多样性，并缓解了复杂温室场景下的早熟收敛问题。此外，基于LoRa通信技术构建了由感知层、网络层和应用层组成的三层架构，以支持环境感知、可靠数据传输以及通过物联网云平台实现的闭环调控。在50 m × 50 m且存在障碍物的温室中开展的现场实验表明，IGWO-AS的平均有效覆盖率达到93.5%，比标准GWO算法高出6.3个百分点，同时将100 m处的丢包率降低至0.2%。仿真与实测覆盖率的偏差保持在3.5%以内，表明仿真结果与实际部署之间具有良好的一致性。在多场景仿真研究中，IGWO-AS进一步表现出比对比算法更快的收敛速度和更好的解稳定性。总体而言，所提出的算法—系统协同设计框架在智能温室监测与控制方面具有良好的实际可行性。