一种基于统一建模语言的传感网软件建模平台开发方法

摘要

基于统一建模语言和遗传算法的传感网软件建模平台开发方法，结合智能体和遗传算法的思想，使用统一建模语言构建适合传感网软件开发的模型，再通过遗传算法优化所创建的模型，并构建基于此模型的建模平台。其中构建基于智能体的统一建模语言的模型，通过定义智能体的统一建模语言领域模型元模型，包括多个模型图：组活动图，组所拥有的智能体图，智能体属于的组图，组所拥有的角色图，组与组之间的关系图。其中运用遗传算法对模型进行优化，降低了模型中组中属性冗余，得到性能完善的模型。本发明构建了传感网软件建模平台，实现了可视化的建立传感网软件模型，降低传感网软件开发难度。

权利要求

1.一种传感网软件建模平台开发方法，其特征在于构建传感网下的软件建模平台时，引入了基于智能体的统一建模语言模型与遗传算法相结合的方法，以元模型的方式定义基于智能体的统一建模语言模型的领域模型，生成适合面向传感网软件开发的基于智能体的统一建模语言模型，再通过遗传算法优化此得到性能更佳的模型，最后通过图形化模型框架插件开发出了软件建模平台，所述的方法包含的步骤为：步骤1)定义领域模型：利用智能体思想和传感网特点，以元模型方式定义基于智能体的统一建模语言的领域模型图，该领域模型图涵盖多个模型图，包括组活动图、组所拥有的智能体图、智能体属于的组图、组所拥有的角色图和组与组之间的关系图，所述智能体是驻留于运行环境中的能自主活动的软件或者硬件实体；

1.1)智能体类、智能体传感网节点类和智能体角色类

所述的智能体类定义多种方法来划分和定义两种子类型：智能体传感网节点类和智能体角色类，智能体角色类定义智能体可能扮演的各种角色，智能体传感网节点类定义运行智能体的传感网节点的基本特性；

1.2)智能体实体和智能体类

所述的智能体实体是由最基本的建模结构单元即智能体类和智能体定义的一个基于智能体系统的智能体实例，将这些实例按划分的底层特性分类并直接执行重要的智能体实例，所述的智能体类定义相关智能体的公共属性；

1.3)组，智能体组和非智能体组

所述的组是多个通过角色相关联的智能体的集合，这些关联组成一个在组内部相连接的图，组亦是由一些关联的角色组成的，这些角色具有多个智能体实例；所述的组有些是预先计划好的，有些是临时紧急建立的，所述的智能体组就是那些本身就具有智能体的属性的组，拥有更强大的功能，完成更复杂的任务，所述的非智能体组是不具有智能体特性的实例，是一个集合而不是智能体；

1.4)智能体传感网节点类和智能体角色分配的关联

所述的智能体传感网节点类决定与其关联的智能体的基本核心属性，智能体类决定智能体的其他属性，所述智能体角色类与智能体之间的直接连线决定该智能体扮演某个角色，所述一个智能体与角色的关联建立在一个特定的上下文环境中即在一个特定的组内部，所述的智能体角色分配是一个建立在智能体、角色和组之间的实体映射关系；

步骤2)优化领域模型：利用遗传算法对构建的模型进行优化即可得到性能完善的模型，优化过程减少模型中组之间属性的冗余，降低模型的复杂度，使得以组为单位的领域建模更加清晰高效；

步骤3)构建传感网软件建模平台：传感网软件建模平台的构建，首先建立基于智能体的统一建模语言的元模型领域模型，再利用图形化模型框架插件，按第一步建立传感网的领域模型；第二步生成传感网领域模型的图形定义模型；第三步生成传感网领域模型的工具定义模型；第四步传感网领域模型的映射模型定义；第五步传感网领域模型的生成最后模型的步骤，完成平台的构建。

说明书

一种基于统一建模语言的传感网软件建模平台开发方法

技术领域

[0001] 本发明涉及一种在传感网软件建模平台开发过程中，结合智能体和遗传算法的思想，使用统一建模语言构建适合传感网软件开发的模型，再通过遗传算法优化所创建的模型，并构建基于此模型的建模平台。此技术属于计算机网络、人工智能和传感网的交叉技术领域。

背景技术

[0002] 传感网技术是21世纪三大重要研究技术之一。无线传感网络技术是典型的具有交叉学科性质的军民两用战略高技术，可以广泛应用于国防军事、国家安全、环境科学、交通管理、灾害预测、医疗卫生、制造业、城市信息化建设等领域。传感网是由许许多多功能相同或不同的无线传感器节点组成，每一个传感器节点由数据采集模块(传感器、A/D转换器)、数据处理和控制模块(微处理器、存储器)、通信模块(无线收发器)和供电模块(电池、DC/AC能量转换器)等组成。近期微电子机械加工技术的发展为传感器的微型化提供了可能，微处理技术的发展促进了传感器的智能化，通过射频通信技术的融合促进了无线传感器及其网络的诞生。传统的传感器正逐步实现微型化、智能化、信息化、网络化，正经历着一个从传统传感器到智能传感器，再到嵌入式Web传感器的内涵不断丰富的发展过程。

[0003] 传感网的现实意义在于以互联网为代表的计算机网络技术是二十世纪计算机科学的一项伟大成果，它给人们的生活带来了深刻的变化，然而在目前，网络功能再强大，网络世界再丰富，也终究是虚拟的，它与人们所生活的现实世界还是相隔的，在网络世界中，很难感知现实世界，很多事情还是不可能的，时代呼唤着新的网络技术。传感网络正是在这样的背景下应运而生的全新网络技术，它综合了传感器、低功耗、通讯以及微机电等等技术，可以预见，在不久的将来，传感网络将给人们的生活方式带来革命性的变化。

[0004] 传感网软件的开发尚处于初级阶段，尽管已经有了较完善的操作系统，开发语言，但是针对于大型的传感网软件开发，仍旧缺少一个便于设计使用的开发平台。本专利的意义就在于辅助传感网软件的开发设计。将智能体思想与统一建模语言结合起来，利用统一建模语言2.0的新特性，扩展统一建模语言，使其成为支持智能体的基于智能体的统一建模语言，来辅助传感网软件的设计。利用统一建模语言的说明，可视化和编制文档的特性，可以把程序员从复杂的框架设计中解放出来，使其可以专注于软件功能的实现，并让设计人员可以从一个较高的抽象角度来理解软件的体系结构，易于客户理解，方便设计人员之间对设计模型的交流。

[0005] 目前针对传感网开发的软件工程研究虽仍处于起步阶段，但涉及开发方法、安全、路由、存活性、自组织性、体系结构、维护、更新等多个方面。模型驱动开发是软件开发方法中很重要的一种开发方法，具有诸多优点，很适合传感网软件的开发。现今软件开发的主要问题之一就是:许多项目太急于着手编程，并且将太多的精力放在编写代码上。造成这种现象的一部分原因是许多管理者缺乏对软件开发过程的理解，所以当他们的编程团队没有产生代码时，就变得非常焦虑不安。另外，与建立系统抽象模型的工作相比，编程人员感到编程工作更有把握。而且，在许多情况下，长期以来，业界根据代码行数而不是解决方案来衡量一个程序员的水平，这种习惯也制造了好多这样的问题。

[0006] UML（Unified Modeling Language）是用来对软件密集系统进行可视化建模的一种语言。统一建模语言为面向对象开发系统的产品进行说明、可视化、和编制文档的一种标准语言。统一建模语言贯穿于软件开发周期中的每一个阶段，被对象管理组织采纳作为业界标准。统一建模语言最适用于数据建模，业务建模，对象建模，组件建模。

[0007] 智能体可定义为“一个能够根据它对其环境的感知，主动采取决策和行为的软件实体”。智能体的关键属性主要有自主性、交互性、适应性、智能性、协同 性、移动性等，自主性表示没有外部直接干涉能够根据自身经验进行行动；交互性表示与环境及其它智能体交流；适应性表示在某种程度上能够响应其它智能体或 环境；智能性是由知识所形式化的状态与其它智能体使用符号语言交互；协同性是指智能体能在多智能体系统环境中协同工作，以执行和完成一些相互受益的复杂任务；移动性表示能够将自己从一个环境转移到另一个环境。事实上,很难看到一个智能体具有上述各种特性，一般认为，前三项是必需的。

[0008] 上面已经介绍了统一建模语言的内容，基于智能体的统一建模语言简单的说就是面向智能体的统一建模语言。对多智能体系统的研究通常被定义为面向对象系统的扩展。然而由于这个定义过于简单，当人们尝试使用面向对象设计工具来描述多智能体系统的一些与众不同的特性时常常捉襟见肘。因此基于智能体的统一建模语言应运而生。

发明内容

[0009] 技术问题：本发明的目的是提出一种传感网软件建模平台开发方法，采用统一建模语言结合智能体特性构建模型，利用遗传算法优化模型，再应用图形化模型框架开发基于此模型的建模平台，在此平台下构建传感网软件模型。本发明为高效简便地构建无线传感网软件模型提供了平台，解决了常见软件建模工具的不足。

[0010] 技术方案：本发明所述基于统一建模语言和遗传算法的传感网软件建模平台开发方法是一种综合性的方法，首先构建涵盖多个模型图的基于智能体的统一建模语言的领域模型，该领域模型是建立在智能体思想和无线传感网特点的基础上的，通过使用智能体对传感网进行建模，使得传感网节点软件开发模型化；其次利用遗传算法对构建的模型进行优化即可得到性能完善的模型，优化过程减少模型中组之间属性的冗余，降低模型的复杂度，使得以组为单位的领域建模更加清晰高效；最后利用图形化模型框架构建基于此模型的传感网软件建模平台，实现传感网软件模型建构，降低传感网软件开发的难度，提高传感网软件开发效率。

[0011] 本发明的传感网软件建模平台开发方法在于构建传感网下的软件建模平台时，引入了基于智能体的统一建模语言模型与遗传算法相结合的方法，以元模型的方式定义基于智能体的统一建模语言模型的领域模型，生成适合面向传感网软件开发的基于智能体的统一建模语言模型，再通过遗传算法优化此得到性能更佳的模型，最后通过图形化模型框架插件开发出了软件建模平台，所述的方法包含的步骤为：

[0012] 步骤 1）定义领域模型： 利用智能体思想和传感网特点，以元模型方式定义基于智能体的统一建模语言的领域模型图，该领域模型图涵盖多个模型图，包括组活动图、组所拥有的智能体图、智能体属于的组图、组所拥有的角色图和组与组之间的关系图，[0013] 1.1）智能体类、智能体传感网节点类和智能体角色类

[0014] 所述的智能体类定义多种方法来划分和定义两种子类型：智能体传感网节点类和智能体角色类，智能体角色类定义智能体可能扮演的各种角色，智能体传感网节点类定义运行智能体的传感网节点的基本特性；

[0015] 1.2）智能体实体和智能体类

[0016] 所述的智能体实体是由最基本的建模结构单元即智能体类和智能体定义的一个基于智能体系统的智能体实例，将这些实例按划分的底层特性分类并直接执行某些重要的智能体实例，所述的智能体类定义相关智能体的公共属性；

[0017] 1.3）组，智能体组和非智能体组

[0018] 所述的组是多个通过角色相关联的智能体的集合，这些关联组成一个在组内部相连接的图，组亦是由一些关联的角色组成的，这些角色具有多个智能体实例；所述的组有些是预先计划好的，有些是临时紧急建立的，所述的智能体组就是那些本身就具有智能体的属性的组，拥有更强大的功能，完成更复杂的任务，所述的非智能体组是不具有智能体特性的实例，是一个集合而不是智能体；

[0019] 1.4）智能体传感网节点类和智能体角色分配的关联

[0020] 所述的智能体传感网节点类决定与其关联的智能体的基本核心属性，智能体类决定智能体的其他属性，所述智能体角色类与智能体之间的直接连线决定该智能体扮演某个角色，所述一个智能体与角色的关联建立在一个特定的上下文环境中即在一个特定的组内部，所述的智能体角色分配是一个建立在智能体、角色和组之间的实体映射关系；

[0021] 步骤 2）优化领域模型： 利用遗传算法对构建的模型进行优化即可得到性能完善的模型，优化过程减少模型中组之间属性的冗余，降低模型的复杂度，使得以组为单位的领域建模更加清晰高效；

[0022] 步骤 3）构建传感网软件建模平台： 传感网软件建模平台的构建，首先建立基于智能体的统一建模语言的元模型领域模型，再利用图形化模型框架插件，按第一步建立传感网的领域模型；第二步生成传感网领域模型的图形定义模型；第三步生成传感网领域模型的工具定义模型；第四步传感网领域模型的映射模型定义；第五步传感网领域模型的生成最后模型的步骤，完成平台的构建。

[0023] 有益效果： 本发明方法提出了一种基于统一建模语言和遗传算法的传感网软件建模平台开发方法，通过构建基于智能体的统一建模语言模型，并用遗传算法优化模型，使得模型最优，根据该模型构建传感网软件建模平台，实现传感网软件模型的建构。具体来说，本发明所述的方法具有如下的有益效果：

[0024] （1）本发明所述传感网节点具有智能体特性，在建模过程中将传感网节点的概念映射为一个智能体，传感网软件建模类比基于智能体的软件建模。

[0025] （2）本发明所述传感网软件建模开发平台，显著的减少了传感网软件的开发成本，降低传感网软件开发的难度，减少了开发人员的工作量，提高了软件的开发效率。

[0026] （3）本发明所述面向传感网软件开发的基于智能体的统一建模语言模型，以元模型方式来定义领域模型。并且详细定义领域模型的各个部分，使其能涵盖多个模型图，具有一定的特点及先进性。

[0027] （4）本发明所述构建模型的核心思想是结合智能体特性和传感网特点。智能体非常好地反映传感网节点的特性，非常适合传感网节点的建模开发。

[0028] （5）利用遗传算法，提出传感网软件模型优化的适应度函数，优化模型，降低了模型中组中属性冗余度，得到性能完善的模型。

附图说明

[0029] 图1是图形模型框架开发步骤示意图，

[0030] 图2是用基于元模型的传感网节点的领域模型示意图，

[0031] 图3是智能体类、智能体角色类实例和链接的示意图，

[0032] 图4是智能体类、智能体实例和类关联的示意图，

[0033] 图5是组和智能体角色类的示意图，

[0034] 图6是智能体、组和角色映射关系示意图。

具体实施方式

[0035] 一、体系结构

[0036] 本发明所述的基于统一建模语言与遗传算法的传感网软件建模平台开发方法体系结构包括：基于智能体的统一建模语言模型、优化模型、基于优化模型的传感网软件建模平台。

[0037] 所述的基于智能体的统一建模语言模型，利用智能体思想和传感网特点，通过元模型方式定义基于智能体的统一建模语言的领域模型，该模型涵盖多个模型图，包括组活动图，组所拥有的智能体图，智能体属于的组图，组所拥有的角色图，组与组之间的关系图。

[0038] 所述的遗传算法主要步骤如下：

[0039] (1) 随机生成具有N个个体的初始种群，种群进化代数gen=0。

[0040] (2) 根据各节点收发半径确定节点间的连通关系矩阵M。

[0041] (3) 计算群体中染色体的适应度函数。

[0042] (4) 种群进化：

[0043] 1) 选择算子：根据(3)中计算的适应度函数，选择最优的前3n(n

[0044] 2) 交叉算子：采用启发式算子，对 中选取的3n个父本进行两两交叉，如对3n中的3个父本 执行交叉操作，将产生3个新子代个体 ；2) 交叉算子：采用启发式算子，对 中选取的3n个父本进行两两交叉，如对3n中的3个父本 执行交叉操作，将产生3个新子代个体 。

[0045] 3)变异算子：以概率 变异，采用随机交换2个基因位的方法完成。

[0046] (5) 若进化代数gen=MAXGEN，则算法终止；否则，gen=gen+1，转(3)。

[0047] 所述的传感网软件建模平台，是由集成开发环境的插件图形化模型框架开发的。图形模型框架编辑器的主要功能是定义一组用来生成代码框架的模型，主要包括：图形模型、工具模型、映射模型。可以根据这个向导进行图形模型框架的开发，使得开发过程更加清晰和简便。本发明所述的传感网建模是按图一给出的步骤进行图形模型框架开发，创建出一个基于领域模型的图形化建模工具平台。

[0048] 二、方法流程

[0049] 1、定义整个领域模型的元模型图

[0050] 传感网软件开发是以基于智能体的统一建模语言模型为领域模型，结合传感网的特点，扩展普通基于智能体的统一建模语言模型。基于智能体的统一建模语言模型本身是面向多智能体系统构建的统一建模语言模型，是对统一建模语言的扩展。综合多种基于智能体的统一建模语言模型建模方法，选择通过元模型的方式来定义此领域模型。下面是领域模型的元模型每个部分的定义，图二显示整个领域模型的元模型图。

[0051] （1）智能体类、智能体传感网节点类和智能体角色类

[0052] 智能体类定义多种方法用来划分和定义两种子类型：智能体传感网节点类和智能体角色类。智能体传感网节点类定义运行智能体的传感网节点的固有的一些特性。智能体角色类定义智能体可能扮演的随时间变化的不同特性的各种角色。智能体是固化在传感网节点上的，其智能体传感网节点类是固定不变的（除移动智能体，支持代码的移动），而在一个活动中，智能体的智能体角色类是变化的并具有不同的形式。

[0053] （2）智能体实体和智能体类

[0054] 智能体类和智能体是智能体最基本的建模结构单元，定义一个基于智能体系统的智能体实例并且将这些实例分类。这些智能体实例直接执行，通过分类来划分他们的底层特性。智能体类描述智能体的公共属性，这些公共属性包括自由状态、提供的服务。一个智能体是一个自制的、具有对周围环境反射性的，在基于智能体系统中的实体。

[0055] （3）组, 智能体组和非智能体组

[0056] 所述的组是多个通过角色相关联的智能体的集合，这些关联组成一个在组内部相连接的图。组亦是由一些关联的角色组成的，这些角色具有多个智能体实例。所述的组有些是预先计划好的，有些是临时紧急建立的。所述的智能体组就是那些本身就具有智能体的属性的组，拥有更强大的功能，完成更复杂的任务。所述的非智能体组是不具有智能体特性的实例，是一个集合而不是智能体。

[0057] （4）智能体传感网节点类和智能体角色分配的关联

[0058] 所述的智能体传感网节点类决定与其关联的智能体的基本核心属性。智能体类决定智能体的其他属性。所述智能体角色类与智能体之间的直接连线决定该智能体扮演某个角色。所述一个智能体与角色的关联建立在一个特定的上下文环境中即在一个特定的组内部。所述的智能体角色分配是一个建立在智能体、角色和组之间的实体映射关系。

[0059] 、遗传算法的优化过程

[0060] 一个传感网节点运行一个智能体，一个智能体至少有一个智能体传感网节点类，智能体传感网节点类定义智能体的各属性，由此确定各传感网节点间的属性重复度。一个组是多个通过角色相关联的智能体的集合。从另一个角度来看，组是由一些关联的角色组成的，这些角色具有多个智能体实例。当一个传感网节点被归于某一组，则该组就拥有了相应传感网节点上智能体的属性。

[0061] 步骤一：将各传感网节点间的属性重复度保存在邻接矩阵M中，根据定义可知，矩阵M中元素 其中：k表示第i个传感网节点和第j个传感网节点上智能体具有的相同属性的个数。

[0062] 步骤二：根据一个传感网节点是落入某一组用代数表示，定义为 ，当落入某一组时用1表示，否则用0表示。

[0063] 步骤三：一个理想的传感网软件模型保证模型属性健全的同时，同一组的更智能体间属性重复度最低，定义以下适应度函数：

[0064] ，其中H指总的传感网节点数。

[0065] 、构建传感网软件建模平台

[0066] 第一步建立传感网的领域模型；第二步生成传感网领域模型的图形定义模型；第三步生成传感网领域模型的工具定义模型 ；第四步传感网领域模型的映射模型定义；第五步生成传感网领域模型。

[0067] 下面对本发明附图的某些实施例作更详细的描述。

[0068] 根据图1，本发明建立在模型驱动体系和遗传算法的基础上，具体的实施方式为：

[0069] 1、定义整个领域模型的元模型图

[0070] （1）智能体类、智能体传感网节点类和智能体角色类

[0071] 所述的智能体类定义智能体传感网节点类和智能体角色类，如智能体类“买者”和“卖者”被定义划分那些可以买卖资源的智能体实例，并且辅助定义一个实例所拥有的属性，如智能体类“管理者”定义管理者拥有的管理特性。所述的智能体类被派生为智能体传感网节点类和智能体角色类。所述的智能体传感网节点类定义智能体所固有的传感网节点功能特性，如图3所示，A智能体类产生的每一个智能体实例具有状态变量和通信模块可以发送接受的信息。所述的智能体角色类定义随着时间变化，拥有不同的特性的智能体，如图3所示，相同的智能体被关联到不同的智能体角色类：卖者、信息广播。卖者和信息广播就是智能体扮演的角色，有些智能体同时扮演多个角色，这些角色随着时间变化变换角色。

[0072] （2）智能体实体和智能体类

[0073] 所述的智能体实体是一个自制的、具有对周围环境反射性的，在基于智能体系统中的智能体。如图4所示，智能体a，智能体b，智能体c就是描述模型系统完整或不完整细节的智能体实体。所述的智能体类的实例包括智能体传感网节点类实例和智能体角色类实例。如图4所示，A智能体类、B智能体类、C智能体类和卖者、买者、管理者、破坏者就是智能体的实例，其中智能体b是一个C智能体类的实体，并且同时扮演者卖者和买者的角色。

[0074] （3）组, 智能体组和非智能体组

[0075] 所述的组是多个通过角色相关联的智能体的集合，这些关联组成一个在组内部相连接的图。所述的的智能体组就是将由多个智能体组成的组当作一个智能体来组成的更大的组，拥有所有智能体的属性。如图5所示，组关联角色，角色信息广播被A组和B组使用，A组的买者角色和B组的买者角色的属性不同，这两个角色被分别定义为A角色和B角色。

[0076] （4）智能体传感网节点类和智能体角色分配的关联

[0077] 所述的智能体传感网节点类定义智能体的基本核心属性，每一个智能体都有至少一个智能体传感网节点类。智能体类定义智能体的其他属性。智能体角色类定义智能体扮演某个角色。智能体与角色的关联建立在组内部，智能体角色分配建立在智能体、角色和组间。如图6所示，智能体b在组B而不是组C中扮演广播角色，智能体c在组C而不是组B中扮演广播角色。

[0078] 所述的智能体角色分配实例关联一个角色、组和智能体，每一个智能体角色分配必须关联一个角色和一个组，不一定同时关联一个智能体，如图6所示，一个智能体角色分配关联了广播和组D，没有关联智能体实例。

[0079] 2、遗传算法的优化过程

[0080] (1) 遗传编码。采用直观且适用于不同规模问题的自然数编码机制。将每个传感器节点作为基因位，规定每个染色体的第一位基因都是下沉节点，按访问次序排列成的染色体对应问题的解。染色体上的每个基因位都包含每个传感器节点的相关信息，如节点ID、位置坐标、能量等。解码时只需按序不断地将基因位值表示的传感器节点按需排列即可。采用传感器节点序列编码，可以保证信息收集的完整性。

[0081] (2) 选择算子。一般的遗传选择算子都由2个父体产生1个子代，因而种群规模会逐渐变小。如果对l对父体同时应用2种交叉算子，虽能获得2个子代，但其模式的保留较混乱。为保证种群规模及多样性，每次选择3n(n为整数)个父体，并随机划分规模为3的n个组，每组两两交叉以产生3n个子代。用公式 作为染色体的适应度函数。计算得到种群中适应度函数最低的3n个个体作为父体，分组并两两交叉后，获得3n个新个体。同时将适应度函数最差的3n个已有个体从种群中删除，以加快种群向更优方向进化。

[0082] (3)交叉算子。顺序交叉算子是一种针对路径节点编码的常用交叉算子，能保证子代个体的合法性，同时能融合不同排序的个体。设2个父代个体随机选择交叉点(用“l”表示)表示如下：

[0083] 父体A：2 5 3 6 8 7 4 1；

[0084] 父体B：6 12 7 8 1 3 5 4。

[0085] 则保留父体A 2个交叉点间的基因序列为子代个体的起始部分，即子代个体暂时为(3 6 8 * * * * * )，其余部分如下生成：从父体B的第2个交叉点开始判断每个基因位，如该基因位已经出现在子代中，则跳过；否则，将该基因位加入到子代个体中，若到达父体B的尾部，则返回到父体B的起始处继续按上述规则向子代个体加入基因，直至生成一个完全的子代个体，最终得到子代个体为(3 6 8 l 5 4 2 7)。

[0086] (4) 变异算子。遗传操作中选择算子适应度函数计算及交叉算子相对繁琐．在保证算法有效性的前提下，为降低算法的运算时间，采用随机交换染色体中2个基因位的变异方法，变异概率 。

[0087] 3、构建传感网软件建模平台

[0088] （1）建立传感网的领域模型

[0089] 根据提出的模型，使用图形模型框架进行建模。首先建立领域模型的元模型。其次是生成代码生成模型后生成模型代码和编辑代码的项目。

[0090] （2）生成传感网领域模型的图形定义模型

[0091] 生成可视化模型图形定义模型，也就是可视化建模平台的视图部分，可以修改定义各个实体的图标。

[0092] （3）生成传感网领域模型的工具定义模型

[0093] （4）传感网领域模型的映射模型定义

[0094] 根据领域模型、图形定义模型和工具定义模型，生成映射模型。

[0095] （5）传感网领域模型的生成

[0096] 经过翻译，生成图表编辑生成模型。