用于寬區域監視的有限數量傳感器的合理布置的方法

專利名稱：：用于寬區域監視的有限數量傳感器的合理布置的方法
技術領域：
：本發明涉及有限數量的傳感器在所選位置的最優布置，以便對所有位置提供充分保護。
背景技術：
：使用傳感器提供對寬區域的有效監視變得越來越常見。考慮可能放置諸如炸藥、生物制劑或化學物質的有害物體的特定區域。遍及該區域安置固定數量的傳感器，其中這些傳感器的每一個提供對該區域內一個或多個位置的觀察。這些傳感器的觀察通過數據融合過程組合，以便評定物體是否實際存在于所觀察的位置中的一個或多個中。因為可布置的傳感器的數量有限，所以確定這些傳感器的最優位置非常重要。在某些應用中，可安置很多傳感器，但僅有限數量的這些傳感器可同時激活。傳感器還用于入侵檢測。抵抗入侵的防御對于保護大區域——類似國界、油氣管線、類似核反應堆、大工業中心、軍事基地等戰略設施——是必須的。此外，最優地布置傳感器是極其重要的，從而實現適當的保護來抵抗可能從不同方向接近受保護區域的入侵者。有關的話題集中在諸如應急室、消防隊和警察局之類的應急設施的最優位置上。方便的是通過網絡表示區域，其中每個節點表示一鄰域，例如尺寸為100x100米的正方形。互連一對節點的鏈路表示從一個節點到另一個節點的可能移動，且鏈路度量表示端節點之間的距離(或行程時間)。典型的問題是將有限數量的應急設施布置在這些節點的子集中，使得從任何節點至最近設施的距離(或行程時間)最小化。在本領域中這是一個公知問題，稱為網絡極小極大位置問題或頂點中心問題。在本領域中稱為集合覆蓋問題的有關問題使在節點的子集處安置設施的成本最小化，從而每個節點位于距離最近設施的指定距離(或《亍禾呈時間)內。L.V.Green禾口P.J.Kolesar的題為"ImprovingEmergencyResponsivenesswithManagementScience(利用管理科學改進應急口向應)"'ManagementScience(管理科學)，50，1001-1014，2004提出應急響應模型的現有技術狀態。根據網絡極小極大位置問題的應急設施最優位置不是唯一的，因為可能存在向最差遠離位置提供最好的可能服務的很多解。因此，找到應從所有的極小極大解中選出哪個角牟是吸引人的oW.0gryczak的題為"OntheLexicogr即hicMinimaxApproachtoLocationProblems(位置問題的字典式極小極大方法)，，的EuropeanJournalofOperationalResearch(歐洲運籌學雜志)，100，566-585，1997提出一種找到位置問題的字典式極小極大解的算法。正如在極小極大網絡位置問題中，任何特定位置由單個設施服務，具體地由最接近該位置的設施服務。在將提供給各位置的服務從最差到最好排序(按照距離最近設施的距離或行程時間)意義上，字典式極小極大解是最佳極小極大解，所得到的排序向量是字典式最小的可能排順向量。這一解被稱為合理解。6K.Chakrabarty、S.S.Iyengar、H.Qi禾口E.Cho的題為"GridCoverageforSurveillanceandTargetLocationinDistributedSensorNetworks(在分布式傳感器網絡中用于監視和目標定位的柵格覆蓋)"，IEEETransactionsonComputers(IEEE計算機學報)，51，1448-1453,2002將傳感器位置問題用公式表達為使在節點的子集安放傳感器的成本最小化的集合覆蓋問題，從而每個節點均在距離指定數量的傳感器的指定距離(或行程時間)內。本發明集中在利用字典極大極小目標布置有限數量的傳感器，以便實現所有位置的合理覆蓋。提供給任何特定位置的覆蓋等級可取決于監測該位置的多個傳感器的位置以及傳感器的特性。這是以上W.Ogryczak的論文的重大擴展，且該論文中所使用的方法不能擴展到求解由本發明解決的問題。H.Luss的題為"OnEquitableResourceAllocationProblems:ALexicographicMinimaxApproach(合理資源分配問題字典式極小極大方法)"，OperationsResearch(運籌學)，47，361-378，1999提供了各種合理資源分配模型和求解方法的闡述；然而它們都不能應用于本發明。
發明內容本發明集中在將有限數量的傳感器布置在所選位置，以便實現對需要被監測的所有位置的合理覆蓋等級。受監視的區域被表示為網絡，其中節點表示位置且互連鏈路指示監視關系。考慮節點j處的傳感器。除監測節點j以外，從節點j至節點i的鏈路表示節點j處的傳感器還可監測節點i。提供給任何特定位置的覆蓋等級取決于監測該位置的所有傳感器以及傳感器的特性。傳感器的特性包括當目標存在于特定位置時監測到該特定位置處的目標的概率和當目標不存在于同一位置時錯誤地監測到同一位置處的目標的概率。對于每個(i，j)節點對這些概率可以不同。假設傳感器的位置是指定的。給出這些位置，提供給每個位置的覆蓋等級被計算出來。考慮提供給這些位置的每一個的覆蓋等級的向量，該向量的元素(即覆蓋等級)以非降序分類。所有位置的合理覆蓋等級被指定為字典式最大的這種覆蓋等級排順向量。本發明確定有限數量的傳感器的最優位置，從而實現所有位置的合理覆蓋等級。本發明生成合理的傳感器位置模型，作為字典式極大極小最優化模型，其解對所有位置提供合理覆蓋等級。當前的現有技術水平的最優化解算機不能直接求解所述字典式極大極小最優化模型。本發明生成非線性整數最優化模型，其解還對所有位置提供合理或近合理的覆蓋等級。所述非線性整數最優化模型的解可通過已知最優化方法的自適應來獲得，諸如動態編程和各種元啟發式，包括模擬退火和禁忌搜索。傳感器位置模型可以是靜態(一次)情形或動態(多周期)情形中使用的系統的一部分。在動態情形中，傳感器位置被周期性改變以防止對手獲悉該位置。當結合附圖閱讀以下描述時可更清楚地理解本發明。附圖簡述圖1示出傳感器位置模型的網絡表示。圖2示出傳感器位置模型的對分網絡表示。圖3是用于確定對所有位置提供合理覆蓋等級的傳感器位置的方法的流程圖。詳細描述現在參照附圖尤其是圖l，示出表示受監視的區域的網絡100的示例。該區域由六個節點101-106表示。三個傳感器如黑色節點101、104和106所表示地定位。將根據本發明的教示確定傳感器的最優位置。有向鏈路107-115表示監視關系。例如，107表示從節點101至節點102(由實線有向鏈路示出)和從節點102至節點IOI(由虛線有向鏈路示出)的監視關系。實線有向鏈路表示實際上節點101具有監測節點102的傳感器。虛線有向鏈路表示如果將傳感器布置在節點102則節點102可監測節點101。注意，例如，節點101處的傳感器監測節點101U02、105和106，且節點101受節點IOI(傳感器始終監測它所處的節點)和106處的傳感器監測。使用以下的符號N二需要被監測的節點的集合。N中的節點由i索引。在圖1中，N={101，102，103，104，105，106)。在實際情形中，N可以很大，其中具體的值取決于區域大小和由節點表示的區域。例如，如果受監視的區域是10kmx10km的正方形且每個節點表示100mx100m的正方形，則N=10000。S=傳感器可位于的節點的集合。S中的節點由j索引。盡管在示例100中假設S=N，但集合N和S可以不同。J(i)=S中可監測節點i的節點子集。集合J(i)包括具有定向到節點i的鏈路的所有節點加上節點i自身——如果ieS。例如，在圖1中，J(lOl)={101，102，105，106}且J(102)={101，102，103，106}。本發明提供一種在可用傳感器的數量有限時確定最優位置的方法。盡管假設各傳感器相同，但位于節點j處的傳感器向節點i提供的覆蓋等級取決于傳感器特性和指定的節點i和j。傳感器特性通常通過以下概率指定Pij=假設節點i處有物體，節點j處的傳感器檢測到節點i處的物體的概率。%=假設i處沒有物體，節點j處的傳感器錯誤地檢測到節點i處的物體的概率(錯誤警報)。我們假設qij〈Pij。基于位于集合J(i)中的節點處的所有傳感器確定提供給位置i的覆蓋等級。傳感器位置問題的最優解將是向N中的所有節點提供合理覆蓋的解。稍后將定義合理覆蓋解。在圖2中，示出傳感器位置模型的不同的網絡200表示的示例，其中該模型被示為對分網絡。節點201-206是其中可布置傳感器的節點集合S。這些節點對應于網絡100中的節點101-106。傳感器在網絡200中位于節點201、204和206處(黑色節點)，對應于網絡100中的節點101U04和106處的傳感器位置。節點201-206中的每一個在網絡200的右側被復制。因此，節點207是節點201的復制，節點208是節點202的復制等等。節點207-212表示需要被監測的節點集合N。盡管在該示例中集合N和S包括相同的節點(在網絡100中作出相同假設)，但不需要這樣。如果S和N不相同，則S中的某些節點在N中可能不具有復制節點，且N中的某些節點在S中可能不具有相對應的節點。網絡200中鏈路表示監視關系。因此，例如節點201具有分別至節點207、208、211和212的鏈路213a-d，且節點202具有分別至節點207、208、209和212的鏈路216a-d。這些鏈路具有明顯的與網絡100中的鏈路的一對一對應，且增加了從集合S中的節點至集合N中其復制節點的鏈路。注意，實線鏈路將帶有傳感器的節點連接至N中的相關節點且虛線鏈路將不帶有傳感器的節點連接至N中的相關節點。容易地從網絡200中導出集合J(i)，例如J(207)={201，202，205，206}。因此，在此示例中，節點207由節點201和206中的兩個傳感器監測。注意，J(207)唯一地對應于網絡100中的J(lOl)={101，102，105，106}，其中節點101由節點101和106處的兩個傳感器監測。圖3呈現用于確定對所有位置提供合理覆蓋等級的傳感器位置的方法300的流程圖。方法的輸入準備(歩驟301和302)生成指定區域的網絡表示(301)，如上參考圖1和2所說明的。網絡中的節點數量取決于區域大小和由單個節點表示的區域。所需的精確度取決于特定應用。指定將影響監視的質量的傳感器的特性的表征(302)。這些特性可包括但不限于概率Pij和qij。盡管假設所有傳感器是同一類型的，但注意這些概率取決于傳感器位置和所監測的位置。不同傳感器位置的不同概率可由這些位置與節點i的不同距離或由這些位置與節點i之間的某些障礙引起。網絡表示(或者是圖1的網絡100或者是圖2的網絡200)和傳感器的特性是傳感器位置模型的主要輸入。監視件能函數的牛成(歩驟303)該方法的目標是確定有限數量的可用傳感器的最優位置。設Xj=決策變量。如果傳感器位于節點j，Xj=1，否則Xj=0。設x是所有決策變量Xj的向量，jGS。&(x)=節點i的監視性能函數，iGN。對于向量x的具體值，該函數的結果值也被稱為提供給節點i的覆蓋等級。注意，只有影響fi(X)的決策變量Xj才是jGJ(i)的決策變量。以下提供可能的監視性能函數的兩個示例。本發明不限于這些具體的性能函數。示例1假設所有的概率％=0且0<Pij<1。那么，用于節點i的監視性能函數作為x的函數可被設置成節點i處的物體將被至少一個傳感器檢測到的概率。這表示乂("=1—n(卜A)'ieN，其中n(')"(1)指定x的fi(x)的值被稱為提供給節點i的覆蓋等級；fi(X)的值越大，提供給節點i的覆蓋等級越好。注意還可將方程式(1)寫為乂")=1—HO-^戶'iGN。示例2假設所有的概率qij滿足(Xqij〈Pij。貝U，可由比率(1-Pij)/(1_%〕估計用于檢測位置i處的物體的位置j處的傳感器的有效性；比率越小，傳感器越有效。顯然，如果％約等于Pij，則在節點j布置傳感器來監測節點i是無用的，因為從該傳感器收集的信息將不會提供任何有意義的信息。注意，P、—^)是假設節點i處有物體，監測節點i的傳感器均未檢測到節點i處的物體的條件概率，而]"[^—《")是假設節點i處沒有物體，監測<formula>formulaseeoriginaldocumentpage9</formula>節點i的傳感器均未錯誤地檢測節點i處的物體的條件概率。類似于方程式(1)，可選擇1減去這些條件概率的比來形成以下的監視性能函數。<formula>formulaseeoriginaldocumentpage10</formula>[oo45]注意還可將方程式(2)寫為/;(x)=i-n可使用各種其它的監視函數。考慮具體的i，且設？和^是兩個向量，其中對于所有的jGJ(i)，<SX，，且對于至少一個jGJ(i)，X;.<X，。監視性能函數應滿足以下的特性鼎(i)函數fi(x)隨變量jgj(i)增加，即y;f^Kx。。鼎(ii)假設在x1和x2中為0的一些變量jGJ(i)在x1和x2中被設置為l，分別得到向和？+。然后，fi(X1—)-fi(X1)^fi(x2+)fi(X2);即，fi(X)在Xj，jGJ(i)的整數值上量在x1凹入。注意，特性(i)和(ii)適用于方程式(1)和(2)。合理傳感器樽型的牛成-ESLM(歩驟304)該模型用監視性能函數&(x)，iGN公式表達。設f(n)(X)=以非降序分類的所有^00'的向量，即，G.a)廣)(一[A"),入w其中P二可用傳感器的數量，P〈|s|。這些傳感器被布置在節點集合s的節點子集中，每個節點至多一個傳感器。不需要考慮P^|s|的情形，因為它導致傳感器被布置在集合s中的每個節點處的無價值問題。合理解是提供字典最大向量f式表達為字典式極大極小最優化模型'(n)(x)的解。稱為ESLM的合理傳感器位置模型被公ESLMF7=/exmax[/("'(x)]從而廣)W:[/,(x)，./;(x),…,y;、」(x)]，./;(x)^/;2(x)^'^./;ivi(x)，x,.=O，l，jGS。(4.d)(4.a)(4.b)(4.c)(4.d)目標函數(4.a)得到字典式最大向量Vf，其中通過語句(4.b)和(4.c)，該向量構成以非降序分類的監視性能函數fi(x)。限制條件(4.d)和(4.e)限制對P布置的傳感器的數量，其中在集合S的每個節點處最多布置一個傳感器。如上所述，在方程式(1)和(2)10中給出監視性能函數的示例。ELSM與用于監視性能函數的具體形式無關，只要這些函數是增函數即可(步驟303中的特性(i))。確扁^頃舗驗對飾白勺頓(制聚305)盡管ESLM提供了用于計算合理解的完整且精確的公式，但該公式不能直接通過已知的最優化方法來求解。因為，如上所述，假設監視性能函數fi(x)，iGN中的每一個都是增函數且在Xj，jGJ(i)的整數值上凹入(如在步驟303中由特性(i)和(ii)指定的)，將通過求解相關的非線性整數最優化模型來獲得合理解(字典式極大極小解)。注意，僅出于說明性目的給出方程式(1)和(2)中指定的監視性能函數；全部要求是這些函數滿足步驟303中指定的特性(i)和(ii)。設K是任意的大參數。以下非線性整數最優化模型的解將向如ESLM公式表達的合理位置傳感器模型提供合理解。新的模型被稱為可執行的合理傳感器位置模型(ESLP-EX)。ESLM-FX".=minT-^——^(5.a)從而!>,=尸'(5'b)Xj=0，1，jGS。(5.c)其中￡是出于計算目的引入的任意小參數，以避免目標函數(5.a)中的無限項。當K很大時，ESLP-EX將提供合理解，或者等價的字典式極大極小解。假設fjx)<f2(x)。則，步驟303中的特性(i)表明對于大K，目標函數(5.a)中i=1的項顯著大于目標函數(5.a)中i二2的項。該自變量應用于N中的每對節點。步驟303中的特性(ii)表明目標函數(5.a)中的第i項的提高在x1增加到x1+時大于在x2增加到x2+時實現的提高。因此，對于足夠大的值K，ESLM-EX的最優解將是非降序分類的性能函數值的字典式最大可行向量。注意即使是小的K值(例如，K^4)，期望ESLM-EX的解提供近合理解。可通過試驗確定適當的K值。合理解的計算(歩驟306)本發明生成模型ESLM-EX，其解提供合理傳感器位置模型的合理解，其中該解可通過各種現有技術水平的最優化方法來計算。這些方法包括，但不限于動態編程和諸如模擬退火和禁忌搜索的元啟發式。T.Ibaraki和N.Katoh的書籍"ResourceAllocationProblemsAlgorithmicA卯roaches(資源分配問題算法方法)"，MIT出版社，劍橋，馬薩諸塞州，1988，在部分3.2提供求解ESLM-EX的動態編程算法。C.R.Reeves(編輯)的"ModernHeuristicTechniquesforCombinatorialProblems(組合問題的現代啟發技術)"，Halsted出版社，JohnWiley出版，紐約，1993，在他的書中介紹了各種元啟發式的指南，包括對模擬退火和禁忌搜索的指南。ESLM-EX可在靜態(單個周期)或動態(多個周期)環境中使用。考慮動態環境，其中例如每15分鐘從所有傳感器收集數據且數據分析重復地顯示沒有物體存在于任何位置。然而，在某時間之后，例如，在一天之后，期望改變某些傳感器位置使得對手不能得知傳感器的位置。這可通過例如改變可能的傳感器位置的集合S并重新求解ESLM-EX來完成。可利用某些隨機化選擇方案選擇集合S中的改變。在某些應用中，在S中的每個節點處安裝傳感器，然而，在每個時間點，由于操作限制，這些傳感器中的僅P〈|S|被激活。在這種應用中，通過重新求解ESLM-EX周期性地改變被激活的傳感器的位置，其中集合S利用某些隨機化選擇方案改變。最后，假設數據分析顯示物體存在于位置的子集處的關注，即節點子集N自，處。然后可將ESLM-EX應用到包括N自，中的節點的展開的新網絡表示，使得新網絡中的每個節點將表示比原始網絡小得多的區域。然后，ESLM-EX可得到合理解，以將有限數量的第二類型傳感器——例如移動傳感器布置在由新網絡表示的區域中，以便收集對受懷疑的區域的更精確觀察。以上描述的算法和建模能夠在諸如計算設備之類的指令執行系統、裝置或設備上執行。算法本身可包含在計算機可讀介質中，該介質可以是能夠包含、存儲、通信、傳播或傳輸由諸如計算設備之類的指令執行系統、裝置或設備使用或與諸如計算設備之類的指令執行系統、裝置或設備結合使用的程序的任何裝置。盡管已經描述并示出了用于在所選位置最優布置有限數量的傳感器的方法，以便實現對所有位置的合理覆蓋等級，但本領域的技術人員顯而易見的是在不背離僅由所附權利要求的范圍限定的本發明的廣泛教示和范圍的情況下變形和修改是可能的。權利要求一種用于確定有限數量的傳感器在指定區域中的最優布置的方法，其中傳感器的最優位置向所述區域內的所有位置提供合理覆蓋等級，包括以下步驟(a)生成指定區域的網絡表示，所述網絡表示包括節點和有向鏈路，其中每個節點表示將被監測的子區域或可布置傳感器的子區域或將被監測且可布置傳感器的子區域，且其中每個有向鏈路表示節點對之間的監視關系，其中節點對包括其中可布置傳感器的節點集合中的第一節點和將被監測的節點集合中的相關聯的第二節點；(b)根據傳感器的特性表征傳感器，所述特性包括物體檢測的概率和錯誤警報的概率，其中所述概率對于不同的節點對可以不同；(c)針對提供給將被監測的每個節點的覆蓋等級生成監視性能函數，作為監測每個將被監測的節點的傳感器的位置的函數；(d)生成合理傳感器位置模型作為字典式極大極小最優化模型，所述模型的解提供字典式最大排序向量，所述向量的元素是提供給被監測節點的以非降序分類的覆蓋等級，其中所述解提供合理覆蓋等級；以及(e)生成所述字典式極大極小最優化模型，作為非線性整數最優化模型，所述模型的解向所有節點提供合理覆蓋等級，其中通過現有最優化方法計算所述解。2.—種用于確定有限數量的傳感器在指定區域中的最優布置的方法，其中傳感器的最優位置向所述區域內的所有位置提供合理覆蓋等級，包括以下步驟(a)生成指定區域的網絡表示，其包括節點和有向鏈路，其中每個節點表示將被監測的子區域或可布置傳感器的子區域或將被監測且可布置傳感器的子區域，且其中每個有向鏈路表示節點對之間的監視關系，其中節點對包括其中可布置傳感器的節點集合中的第一節點和將被監測的節點集合中的相關聯的第二節點；(b)根據傳感器的特性表征傳感器，所述特性包括物體檢測的概率和錯誤警報的概率，其中所述概率對于不同的節點對可以不同；(c)針對提供給將被監測的每個節點的覆蓋等級生成監視性能函數，作為監測每個將被監測的節點的傳感器的位置的函數；(d)生成合理傳感器位置模型ESLM作為字典式極大極小最優化模型，所述模型的解提供字典式最大排序向量，所述向量的元素是提供給被監測節點的以非降序分類的覆蓋等級，其中所述解提供合理覆蓋等級；以及(e)生成所述字典式極大極小最優化模型，作為非線性整數最優化模型，所述模型的解向所述區域內需要被監測的所有位置提供合理覆蓋等級，其中通過求解ESLM-EX計算所述解。3.如權利要求2所述的方法，其特征在于，ESLM是字典式極大極小最優化模型，且對象函數指定字典式最大向量，所述向量的元素是對被監測子區域的以非降序分類的覆蓋等級，且限制條件指定布置的傳感器的數量的極限，且決策變量表示傳感器布置決策。4.如權利要求2所述的方法，其特征在于，所述節點包括表示將被監測的子區域的節點集合N，節點集合S表示可布置傳感器的位置，且從集合S中的節點至集合N中的相關聯節點的鏈路指示集合S中的所述節點能夠監測N中處于節點對中的所述相關聯節點。5.如權利要求4所述的方法，其特征在于，監視性能函數計算提供給集合N中任何指定節點的覆蓋等級，作為布置在可監測集合N中的指定節點的集合S中的節點處的所有傳感器的函數。6.如權利要求5所述的方法，其特征在于，所述監視性能函數用作傳感器的輸入特性，所述特性包括物體檢測的概率和錯誤警報的概率，其中所述概率對于所述節點集合N和S中的每個節點對可以不同。7.如權利要求2所述的方法，其特征在于，非線性整數最優化模型ESLM-EX根據ESLM生成，且ESLM-EX的最優解向被監測的所有節點提供合理覆蓋范圍。8.如權利要求7所述的方法，其特征在于，通過應用已知的最優化方法生成ESLM-EX的最優解。9.一種用于確定有限數量的傳感器在節點集合S中的最優布置的方法，所述最優布置向節點集合N中的節點提供合理覆蓋等級，(a)根據傳感器的特性表征傳感器，所述特性包括物體檢測的概率和錯誤警報的概率，其中每個節點對具有其相關聯的概率；(b)針對提供給集合N中的每個節點的覆蓋等級生成監視性能函數，作為布置在監測集合N中的相關聯節點的集合S中的節點處的傳感器的函數；(c)生成模型ESLM作為字典式極大極小最優化模型，所述模型的解提供字典式最大排序向量，所述向量的元素是提供給集合N中的節點的以非降序分類的覆蓋等級，且所述解向集合N中的所有節點提供合理覆蓋等級；以及(d)生成模型ESLP-EX，通過現有的最優化方法計算所述模型的解，從而向集合N中的所有節點提供合理覆蓋等級。10.如權利要求9所述的方法，其特征在于，從一個周期到下一個周期中所述傳感器中的至少一個的位置改變。11.如權利要求10所述的方法，其特征在于，在每個周期中，利用可能的傳感器位置的修正集合求解ESLP-EX。12.—種用于確定有限數量的傳感器在指定區域中的最優布置的系統，其中傳感器的最優位置向所述區域內的所有位置提供合理覆蓋等級，包括(a)生成指定區域的網絡表示的裝置，所述網絡表示包括節點和有向鏈路，其中每個節點表示將被監測的子區域或可布置傳感器的子區域或將被監測且可布置傳感器的子區域，且其中每個有向鏈路表示節點對之間的監視關系，其中節點對包括其中可布置傳感器的節點集合中的第一節點和將被監測的節點集合中的相關聯的第二節點；(b)根據傳感器的特性表征的多個傳感器，所述特性包括物體檢測的概率和錯誤警報的概率，其中所述概率對于不同的節點對可以不同；(c)針對提供給將被監測的每個節點的覆蓋等級生成監視性能函數的裝置，所述監視性能函數作為監測每個將被監測的節點的傳感器的位置的函數；(d)生成合理傳感器位置模型作為字典式極大極小最優化模型的裝置，所述模型的解提供字典式最大排序向量，所述向量的元素是提供給被監測節點的以非降序分類的覆蓋等級，其中所述解提供合理覆蓋等級；(e)生成所述字典式極大極小最優化模型作為非線性整數最優化模型的裝置，所述模型的解向所有節點提供合理覆蓋等級，其中通過現有最優化方法計算所述解；以及(f)根據所述字典式最優化模型的解布置的所述多個傳感器。13.—種用于確定有限數量的傳感器在指定區域中的最優布置的系統，其中傳感器的最優位置向所述區域內的所有位置提供合理覆蓋等級，包括(a)生成指定區域的網絡表示的裝置，所述網絡表示包括節點和有向鏈路，其中每個節點表示將被監測的子區域或可布置傳感器的子區域或將被監測且可布置傳感器的子區域，且其中每個有向鏈路表示節點對之間的監視關系，其中節點對包括其中可布置傳感器的節點集合中的第一節點和將被監測的節點集合中的相關聯的第二節點；根據傳感器的特性表征的多個傳感器，所述特性包括物體檢測的概率和錯誤警報的概率，其中所述概率對于不同的節點對可以不同；(b)針對提供給將被監測的每個節點的覆蓋等級生成監視性能函數的裝置，所述監視性能函數作為監測每個將被監測的節點的傳感器的位置的函數；(c)生成合理傳感器位置模型ESLM作為字典式極大極小最優化模型的裝置，所述模型的解提供字典式最大排序向量，所述向量的元素是提供給被監測節點的以非降序分類的覆蓋等級，其中所述解提供合理覆蓋等級；(d)生成所述字典式極大極小最優化模型作為非線性整數最優化模型ESLM-EX的裝置，所述模型的解向所有節點提供合理覆蓋等級，其中通過現有最優化方法計算所述解；以及(e)所述多個傳感器被布置成向所述區域內需要被監測的所有位置提供合理的覆蓋等級，其中所述最優解是ESLM-EX的解。14.如權利要求13所述的系統，其特征在于，ESLM是字典式極大極小最優化模型，且對象函數指定字典式最大向量，所述向量的元素是對被監測子區域的以非降序分類的覆蓋等級，且限制條件指定布置的傳感器的數量的極限，且決策變量表示傳感器布置決策。15.如權利要求13所述的系統，其特征在于，所述節點包括表示將被監測的子區域的節點集合N，節點集合S表示可布置傳感器的位置，且從集合S中的節點至集合N中的相關聯節點的鏈路指示集合S中的所述節點能夠監測N中處于節點對中的所述相關聯節點。16.如權利要求15所述的系統，其特征在于，監視性能函數計算提供給集合N中任何指定節點的覆蓋等級，作為布置在可監測集合N中的所述指定節點的集合S中的節點處的所有傳感器的函數。17.如權利要求16所述的系統，其特征在于，所述監視性能函數用作傳感器的輸入特性，所述特性包括物體檢測的概率和錯誤警報的概率，其中所述概率對于所述節點集合N和S中的每個節點對可以不同。18.如權利要求13所述的系統，其特征在于，非線性整數最優化模型ESLM-EX根據ESLM生成，且ESLM-EX的最優解向被監測的所有節點提供合理覆蓋范圍。19.如權利要求18所述的系統，其特征在于，通過應用已知的最優化方法生成ESLM-EX的最優解。20.—種用于確定有限數量的傳感器在節點集合S中的最優布置的系統，所述最優布置向節點集合N中的節點提供合理覆蓋等級，包括a.根據傳感器的特性表征的多個傳感器，所述特性包括物體檢測的概率和錯誤警報的概率，其中每個節點對具有其相關聯的概率；b.針對提供給集合N中的每個節點的覆蓋等級生成監視性能函數的裝置，所述監視性能函數作為布置在監測集合N中的相關聯節點的集合S中的節點處的傳感器的函數；c.生成模型ESLM作為字典式極大極小最優化模型的裝置，所述模型的解提供字典式最大排序向量，所述向量的元素是提供給集合N中的節點的以非降序分類的覆蓋等級，且所述解向集合N中的所有節點提供合理覆蓋等級；d.生成模型ESLP-EX的裝置，通過現有的最優化方法計算所述模型的解，從而向集合N中的所有節點提供合理覆蓋等級；以及e.根據所述ESLP-EX模型的解布置的所述多個傳感器。21.如權利要求20所述的系統，其特征在于，從一個周期到下一個周期中所述傳感器中的至少一個的位置改變。22.如權利要求21所述的系統，其特征在于，在每個周期中，利用可能的傳感器位置的修正集合求解ESLP-EX。全文摘要將有限數量的傳感器布置在所選位置以便實現對需要監測的所有位置的合理覆蓋等級。提供給任何具體位置的覆蓋等級取決于監測該位置的所有傳感器和該傳感器的特性，傳感器特性包括物體檢測概率和錯誤警報的概率。這些概率可取決于監測和被監測的位置。通過得到覆蓋等級的字典式最大向量來獲得對所有位置的合理覆蓋，其中這些覆蓋等級以非降序分類。該方法生成字典式極大極小最優化模型，其解提供合理覆蓋等級。為了便于計算，生成非線性整數最優化模型，其解提供與字典式極大極小最優化模型相同的覆蓋等級。文檔編號G06F17/50GK101711390SQ200880011503公開日2010年5月19日申請日期2008年2月14日優先權日2007年2月16日發明者H·盧斯申請人:特爾科迪亞許可公司有限公司