融合柯西折射反向学习和变螺旋策略的 WSN象群定位算法

针对现有无线传感器网络(WSN)优化算法在定位过程中收敛速率慢和误差大的问题,提出一种基于柯西折射反向学习和变螺旋机制的象群节点定位算法.首先,利用具有遍历性和随机性的Logistic混沌映射初始化种群,丰富种群多样性,加快算法收敛速率.然后,将折射反向学习机制与柯西变异相融合以随机扰动族长位置,避免算法陷入局部最优.最后,在氏族分离过程中引入自适应变螺旋策略更新病态大象位置,提升算法全局搜索能力.仿真结果表明,与现有WSN优化算法相比,所提出的改进象群优化算法在定位精度和收敛速率方面得到明显提升.     

无线传感器网络节点定位的仿真研究

研究无线传感器网络(WSN)节点定位精度问题,针对当前单一节点定位算法的定位误差大的难题,更好的满足WSN的低成本、低功耗要求,提出一种DV-Hop算法和粒子群优化算法相结合的WSN节点定位方法。首先采用DV-Hop算法对未知传感器节点与锚节点之间的距离进行估计,然后采用粒子群优化算法对未知传感器节点坐标进行校正,在不增加额外硬件的条件下,提高节点定位精度。在Matlab平台上进行仿真,结果表明,在相同条件下,改进的组合算法提高了传感器节点定位的平均精度,而且为WSN的节点定位优化设计提供了参考,是一种可行的WSN节点定位的解决方案。     

基于改进粒子群优化的节点定位算法

在基于粒子群优化的节点定位过程中,惯性权重的设置对算法收敛速度和定位精度有着重要影响。本文从两个方面对其进行改进:利用节点间的连通信息对未知节点可能存在的区域进行估计,缩小粒子搜索范围;根据未知节点存在区域,对粒子群优化算法的惯性权重设置进行改进。仿真结果表明,改进算法的定位精度和稳定性有明显的提高,是一种可行的无线传感器网络节点定位的解决方案。     

并行投影融合隐式凸可行性模型的WSN定位仿真

为了解决当前无线传感器网络(Wireless Sensor Network,WSN)未知节点定位精度低,对初始节点要求高等难题,提出了并行加权投影融合隐式凸可行性的WSN协同定位机制.基于数学模型,分析了WSN定位问题,并将其转换成隐式凸可行性问题;再引入权重理论和并行投影思想,将其嵌入到隐式凸可行性问题中,设计了基于加权凸集投影的WSN协同分布式定位算法;构造了隐式凸可行性问题的数学模型,对属性进行了分析与证明.最后对改进机制进行了测试,结果表明:与当前WSN定位算法相比,改进机制具有更高的定位精度,经验积累分布函数值最大,收敛速度最快,呈单调收敛.     

基于改进布谷鸟算法的WSN节点定位

有效的定位算法在无线传感器网络（WSN）的应用中起着重要的作用。针对DV-Hop算法在求解未知节点位置过程中定位精度低的问题进行了研究,提出了改进的无线传感器网络节点定位算法（SACSDV-Hop)。首先引入布谷鸟搜索（CS）算法,然后动态调整CS算法的发现概率 及影响步长大小的参数 以提高CS算法的收敛速度和局部搜索能力。SACSDV-Hop算法用改进的布谷鸟算法（SACS）代替DV-Hop算法在估算未知节点的位置坐标阶段所使用的最小二乘法,把节点定位问题转变为智能寻优问题,降低跳距估计误差对其的影响。仿真实验结果表明,所提算法比CSDV-Hop算法及传统的DV-Hop算法具有更高定位精度,并且不需要增加硬件开销。     

基于蒙特卡洛方法的移动传感网节点定位优化算法

无线传感器网络正在被应用到各种各样的监测环境中,在这些应用场景中,传感器节点的位置信息大都是至关重要的.目前对传感器节点定位方面的研究大都只针对静态WSN的情况,对于移动WSN节点定位的研究仍然十分有限.该文提出了移动WSN中节点间互相优化定位的新思路,通过判断式筛选出定位精度高的节点,并协助其他节点进行定位条件的优化.所提出的算法TSBMCL通过更精确的裁剪待定位节点的蒙特卡洛盒,并增加节点的粒子滤波条件来实现节点的精确定位.大规模的仿真结果表明,该算法可精确的锁定节点位置区域,高效的采样得到节点的位置样本,相比于传统的移动WSN蒙特卡洛定位方法,大大提高了节点的定位精度.     

遗传-禁忌搜索优化的Amorphous定位算法

在无线传感网络WSN(Wireless Sensor Networks)定位算法领域内,Amorphous定位算法存在节点定位误差大的问题。为提高传统Amorphous算法对未知节点的定位精度,该文提出基于Amorphous定位算法的遗传禁忌搜索算法IAmorphous-GATS(Improved Amorphous Genetic-Algorithm Tabu-Search Location)。首先通过Amorphous算法得到未知节点位置的初始解;然后利用遗传禁忌搜索算法优化初始解,从而可以得到未知节点的最优位置。为验证该算法能否提高传统定位方法的定位精度,该文使用MATLAB进行了仿真实验。仿真结果表明,优化后未知节点的定位精度得到了很大的提高。     

基于WSN路由节点度模型的楼宇走廊定位算法

针对现有的无线传感器网络(WSN)定位方法应用于结构复杂的楼宇走廊时,存在定位精度较低的问题,提出一种基于WSN路由节点度模型的楼宇走廊定位算法.该算法在路由节点度模型的基础上,先采用基于支持向量回归(SVR)的方法,用少量锚节点定位普通路由节点,达到间接增加锚节点覆盖率的目的;然后采用基于中垂线分割的方法定位随机分布在区域内的未知节点和移动终端.仿真表明:与传统SVR定位算法和核岭回归定位算法相比,所提出的算法精度提高了定位精度,满足室内定位精度要求(1 m~3 m),且降低了对锚节点数量的需求,可运用于楼宇走廊WSN定位.     

基于基因表达式编程的WSN定位算法

针对遗传算法在无线传感器网络(WSN)定位优化时早熟收敛、局部寻优能力差的问题,提出一种基于基因表达式编程的WSN定位优化算法。采用采样方法估计节点初始位置,运用基因表达式编程算法对节点初始位置进行优化,其编码方式和特有的遗传算子在最优值发现过程中具有明显优势。实验结果表明,与传统的遗传算法相比,该算法寻优能力强、定位精度高、收敛速度快。     

多峰函数优化的改进群居蜘蛛优化算法

针对群居蜘蛛优化（SSO）算法求解复杂多峰函数成功率不高和收敛精度低的问题,提出了一种自适应多种群回溯群居蜘蛛优化（AMBSSO）算法。引入自适应决策半径概念,动态地将蜘蛛种群分成多个种群,种群内适应度不同的个体采取不同的更新方式,提高了种群样本多样性;提出回溯迭代进化策略,在筛选全局极值的基础上,根据进化程度执行回溯迭代更新,保证了算法全局寻优能力。高维多峰函数仿真结果表明,同SSO算法、PSO算法等优化算法相比,AMBSSO算法具有较快的收敛速度和较高的收敛精度,尤其适用复杂高维多峰函数优化问题。     

基于动态学习策略的群集蜘蛛优化算法

为了提高群集蜘蛛优化(SSO) 算法的性能, 提出一种基于动态学习策略的群集蜘蛛优化(DSSO) 算法. 该算法通过群体协作过程中学习因子的动态选择, 平衡算法的搜索能力和勘探能力; 采用随机交叉策略和云模型改进协作过程个体更新方式, 在维持种群多样性的同时尽量提高收敛速度. 基于标准测试函数的仿真实验表明, DSSO 算法可有效避免早熟收敛, 在收敛速度和收敛精度上较标准SSO 算法和其余4 种较具代表性的优化算法均有显著提高.

     

基于改进双系统协同进化算法的无线传感器网络节点定位

为进一步提高无线传感器网络(WSN)中节点的定位精度,提出了一种双系统协同进化(BCO)算法。改进算法利用粒子群优化(PSO)算法快速收敛的特性和混合蛙跳算法(SFLA)较高的寻优精度的特性,在较少的迭代次数内快速收敛且实现深度搜索达到较高的精度。仿真实验结果表明:在应用双系统协同进化算法对测试目标函数进行求解时,能非常接近最优解;同时将该算法应用到基于接收信号强度值(RSSI)测距的节点定位中,预测位置与实际位置的绝对误差在0.05 m范围内;相比基于RSSI的分步粒子群算法(IPSO-RSSI),其定位精度至少提高了10倍。     

交叉反向学习和同粒社会学习的粒子群优化算法

针对社会学习粒子群优化（SLPSO）算法存在的优化效率低、收敛速度慢等问题,提出了一种改进的SLPSO算法,即基于交叉反向学习和同粒社会学习的PSO算法（CPPSO）。首先,将最优解随机纵向交叉与一般反向学习以及随机反向学习构建交叉反向学习;然后,以此交叉反向学习策略更新种群中的最优粒子位置,增强探索能力,并克服SLPSO中最优粒子无更新导致效率低下的缺点;最后,对于非最优粒子,与SLPSO采用基于维的社会学习不同,均采用新型基于粒子的社会学习机制,在提高全局搜索能力同时,更提高开采能力和搜索效率。在一组不同维基准函数上优化的实验结果表明,CPPSO的优化性能、搜索效率和普适性大幅度领先于SLPSO和其他先进的PSO改进算法,如交叉搜索PSO （CSPSO）算法、自我调节的PSO （SRPSO）算法、异构综合学习的PSO （HCLPSO）算法和反向学习和局部学习能力的PSO （RLPSO）算法。     

基于改进的RSSI无线传感器网络节点定位算法研究

研究无线传感器网络节点定位问题。接收信号强度值(RSSI)直接影响无线传感器网络节点定位准确度,而现有定位算法没有考虑锚节点的RSSI消息,造成节点定位精度低。为了提高无线传感器网络节点的定位精度,提出了一种基于RSSI的质心定位算法。首先通过无线信号强度计算出节点间RSSI值,然后把RSSI值转换成质心算法权值,最后采用质心定位算法对待测节点位置进行估计,获得节点的准确位置。仿真实验结果表明,与现有质心定位算法相比,基于RSSI的质心定位算法在不增加成本、通信功耗的情况下,提高了节点定位精度,降低了定位误差,适合各种规模的无线传感器网络的节点定位。     

融合混沌对立和分组学习的海洋捕食者算法

针对海洋捕食者算法存在收敛速度慢、不易逃出局部最优的缺点,提出了一种改进海洋捕食者算法。将混沌映射与对立学习策略相结合,在保证遍历性和随机性的同时,生成高质量的初始猎物种群。引入自适应t分布变异算子更新种群,增加种群多样性,避免陷入局部最优。对更新后的种群,按照适应度分为精英组和学习组,学习组向精英组猎物的平均维度进行学习,精英组内的猎物相互维度学习,进一步提高种群质量和搜索精度。选取15个测试函数,通过对比测试,验证了改进后的算法可以有效提高原算法的收敛速度和寻优精度。将改进后的算法应用于无线传感器网络覆盖优化,实验结果显示,改进后的算法提高了网络覆盖率,优化后的节点分布更加均匀。     

改进粒子群算法的无线传感器网络节点定位

为了提高无线传感器节点的定位精度,针对粒子群优化算法存在的问题,提出一种改进粒子群优化算法的无线传感器网络节点定位方法。根据锚节点选择准则,把上一代和当代节点位置的平均值作为下一代目标节点的参考节点,采用改进粒子群算法对节点的定位结果进行优化,在Matlab 2012平台上进行仿真对比实验。仿真结果表明,相对于标准粒子群算法,改进粒子群算法加快了定位速度,提高了无线传感器节点定位精度,应用范围更广。     

节点分布对无线传感器节点定位性能的影响

为了提高无线传感器节点的定位准确性,针对当前算法没有考虑节点分布对无线传感器节点定位性能的影响,提出一种考虑节点分布的无线传感器节点定位算法。分析节点分布对无线传感器节点定位性能的影响,估计锚节点之间的实际距离和估算距离的误差,并采用DV-Hop算法进行初步定位,综合学习粒子群算法对DV-Hop算法的定位误差进行修正,采用多个实验对算法性能测试。实验结果表明,无论在节点分布均匀或分布不均匀条件下,该算法可以较好地修正DV-Hop算法定位误差,均明显提高了未知传感器节点的定位精度。     

基于MPSO-DV-Hop的无线传感器节点定位

节点定位技术是无线传感器网络的关键技术,为减小DV-Hop算法的节点定位误差,提出一种多子群粒子群（MPSO）算法优化DV-Hop的节点定位算法（MPSO-DV-Hop）。通过设置门限值修正节点间的跳数,提高了跳段距离估算精度,DV-Hop的第3阶段引入MPSO算法,对节点定位误差进行校正,通过引入多子群加快算法收敛速度,提高DV-Hop算法的节点定位精度,在MATLAB2008平台上对算法仿真分析。结果表明,MPSO-DV-Hop算法在不增加成本情况下,提高了传感器的节点定位精度,具有较高的应用价值。