Research on intelligent transportation wireless sensor networks (ITWSNs) plays a very important role in an intelligent transportation system. ITWSNs deploy high-yield and low-energy-consumption traffic remote sensing sensor nodes with complex traffic parameter coordination on both sides of the road and use the self-organizing capabilities of each node to automatically establish the entire network. In the large-scale self-organization process, the importance of tasks undertaken by each node is different. It is not difficult to prove that the task allocation of traffic remote sensing sensors is an NP-hard problem, and an efficient task allocation strategy is necessary for the ITWSNs. This paper proposes an improved adaptive clone genetic algorithm (IACGA) to solve the problem of task allocation in ITWSNs. The algorithm uses a clonal expansion operator to speed up the convergence rate and uses an adaptive operator to improve the global search capability. To verify the performance of the IACGA for task allocation optimization in ITWSNs, the algorithm is compared with the elite genetic algorithm (EGA), the simulated annealing (SA), and the shuffled frog leaping algorithm (SFLA). The simulation results show that the execution performance of the IACGA is higher than EGA, SA, and SFLA. Moreover, the convergence speed of the IACGA is faster. In addition, the revenue of ITWSNs using IACGA is higher than those of EGA, SA, and SFLA. Therefore, the proposed algorithm can effectively improve the revenue of the entire ITWSN system.

中文翻译：

---

一种改进的自适应克隆遗传算法，用于ITWSN中的任务分配优化

智能交通无线传感器网络（ITWSN）的研究在智能交通系统中起着非常重要的作用。ITWSN在道路两侧部署具有复杂交通参数协调功能的高收益，低能耗交通遥感传感器节点，并利用每个节点的自组织功能自动建立整个网络。在大规模的自组织过程中，每个节点承担的任务的重要性是不同的。不难证明交通遥感传感器的任务分配是一个NP难题，并且ITWSN需要有效的任务分配策略。提出了一种改进的自适应克隆遗传算法（IACGA）来解决ITWSN中的任务分配问题。该算法使用克隆扩展算子来加快收敛速度​​，并使用自适应算子来提高全局搜索能力。为了验证IACGA在ITWSN中优化任务分配的性能，将该算法与精英遗传算法（EGA），模拟退火（SA）和随机蛙跳算法（SFLA）进行了比较。仿真结果表明，IACGA的执行性能高于EGA，SA和SFLA。而且，IACGA的收敛速度更快。此外，使用IACGA的ITWSN的收入要高于EGA，SA和SFLA。因此，提出的算法可以有效提高整个ITWSN系统的收益。为了验证IACGA在ITWSN中优化任务分配的性能，将该算法与精英遗传算法（EGA），模拟退火（SA）和随机蛙跳算法（SFLA）进行了比较。仿真结果表明，IACGA的执行性能高于EGA，SA和SFLA。而且，IACGA的收敛速度更快。此外，使用IACGA的ITWSN的收入要高于EGA，SA和SFLA。因此，提出的算法可以有效提高整个ITWSN系统的收益。为了验证IACGA在ITWSN中优化任务分配的性能，将该算法与精英遗传算法（EGA），模拟退火（SA）和随机蛙跳算法（SFLA）进行了比较。仿真结果表明，IACGA的执行性能高于EGA，SA和SFLA。而且，IACGA的收敛速度更快。此外，使用IACGA的ITWSN的收入要高于EGA，SA和SFLA。因此，提出的算法可以有效提高整个ITWSN系统的收益。仿真结果表明，IACGA的执行性能高于EGA，SA和SFLA。而且，IACGA的收敛速度更快。此外，使用IACGA的ITWSN的收入要高于EGA，SA和SFLA。因此，提出的算法可以有效提高整个ITWSN系统的收益。仿真结果表明，IACGA的执行性能高于EGA，SA和SFLA。而且，IACGA的收敛速度更快。此外，使用IACGA的ITWSN的收入要高于EGA，SA和SFLA。因此，提出的算法可以有效提高整个ITWSN系统的收益。