监测煤矿的一种无线传感器网络节点定位算法

利用DV-Hop算法实现了煤矿安全监测无线传感器网络节点之间的自定位.针对煤矿安全监测应用领域对网络节点定位的特殊要求,提出了一种节点定位精度的改进方案.介绍了引人距离误差校正值后的DV-Hop定位算法.该算法节点间通信量少,适合不均匀分布的网络场景.仿真结果表明:改进后的算法有效地提高了无线传感器网络节点的定位精度.     

基于接收信号强度指示的误差自校正定位算法

节点定位是无线传感器网络应用的关键技术。为了有效抑制各种环境干扰因素对未知节点定位精度的影响,提出一种基于接收信号强度的误差自校正定位算法。该算法通过信标节点之间的测距找出校正节点,用校正节点和质心信标节点的实际位置求得测距距离和实际距离,利用校正节点的误差自校正因子替换未知节点的测距误差因子,对测距误差进行补偿,最后利用加权质心方法确定未知节点的最终位置。仿真结果表明,该算法降低了测距误差对定位的影响,提高了定位精度,具有普遍应用价值。     

基于遗传算法WSN节点定位算法研究

研究无线传感器网络节点定位问题.针对无线传感网络由于位置信息等原因而造成节点定位误差较大,精确度不高等问题缺陷,提出了一种改进的基于遗传算法优化DV-hop定位算法,并将算法应用在无线传感网络节点定位中,算法首先利用节点间的距离和锚节点的位置,在距离无关定位算法的最后一个阶段,采用遗传优化算法对DV-hop算法定位得到位置进行校正,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围,仿真结果表明,改进的网络节点定位算法定位误差小和定位范围广等性能,与原始的DV-Hop定位算法相比定位误差明显减小,精度明显提高.表明算法是一种高效节能的定位算法.     

基于BADV-Hop的传感器节点定位方法

针对无线传感器网络节点的定位误差较高的问题,提出蝙蝠算法校正DV-Hop算法的传感器节点定位精度提高方法(BADV-Hop);首先测量未知节点与锚节点之间的距离,然后采用DV-Hop算法初步确定未知节点的坐标,再采用蝙蝠算法校正DV-Hop算法的定位误差,最后在Matlab 2012平台上对算法性能进行仿真分析;实验结果表明,相对于DV-Hop算法,BADV-Hop算法提高了传感器的节点定位精度.     

无线传感器网络中基于RSSI算法的优化

研究表现煤矿井下巷道狭长、信号多径效应明显、通信条件差,井下无线传感器节点定位对环境敏感,导致节点定位误差较大.基于传统的RSSI算法基础上,提出一种给出衰减校正因子的三边加权质心定位算法.算法通过对RSSI衰减测量值补偿校正,近似接近节点间实际真实值;取任意的三点的校正距离算出未知节点的估计值后,求估计值的加权质心坐标为节点估计坐标.仿真结果表明,在相同的实验环境下,该改进的算法比传统的RSSI算法有更小的定位误差,提高算法对环境的适应性和定位精度,为井下无线传感器网络节点定位提供了依据.     

基于RSSI测距的信标节点自校正定位算法

节点定位是无线传感器网络中的重要应用之一.为了有效抑制各种因素对无线传感器节点定位精度的影响,以三边定位算法为基础,提出了一种基于误差校正的定位算法.该算法通过测量信标节点之间的距离,获得信标节点RSSI值测量误差和网络的定位误差,并对误差进行补偿,从而提高整个网络的定位精度.实验结果显示,该算法能明显提高定位精度和稳定性,具有普遍应用意义.     

一种基于RSSI校验的无线传感器网络节点定位算法

由于事件发生的位置和获取信息的节点位置是无线传感器节点监测消息中所包含的重要信息,因此如何进行无线传感网络节点自定位成为了当前的一个研究热点.在过去权质心算法的研究基础上,本文提出了基于RSSI校验的无线传感器网络节点定位算法,利用固定节点之间的距离和RSSI值来校正移动节点与每个固定节点之间的权值,从而提高了算法的定位精度.实验结果表明,在相同实验环境下本算法的精度优于以往的权质心算法.尤其在平均定位误差方面,前者比后者改进了大约25%.     

抵抗恶意信标的安全优化DV-Hop算法

信标节点在无线传感器网络定位算法中起着关键作用,然而信标节点的安全常常被忽视.针对恶意信标节点发送虚假位置信息这种较常见且破坏性较强的攻击方式,在DV-Hop定位算法的基础上提出了一种抵抗恶意信标的安全Dv-Hop定位算法.该算法利用信标之间的距离约束来隔离恶意信标节点,同时采用多信标校正值权衡的策略克服了信标比例下降...     

WSNS中基于箱线图的误差自校正定位算法

针对基于接收信号强度指示(RSSI)的无线传感器网络(WSNs)节点定位技术易受环境影响、算法运算量大等问题,提出一种基于箱线图的误差自校正定位算法.该算法采用箱线图法处理测距过程中的异常RSSI值,利用自校正最小二乘法消除测距误差进而实现节点定位.仿真和实验结果表明,该算法可以有效抑制异常RSSI值,显著提高节点定位的准确性和稳定性,而且无需建立复杂的数据传播模型或构造RSSI位置指纹分布图.     

基于移动锚节点的无线传感器网络节点坐标校正

提出一种通过测量移动锚节点的方位信息校正无线传感器网络中传感器节点坐标的算法．对于锚节点位置精确已知、概率分布已知和完全未知等情况,首先给出了传感器节点的定位方法,然后从理论上分析了传感器节点的定位误差,最后提出了传感器节点在不同坐标轴上坐标的独立校正方法．仿真结果表明,所提算法能够有效避免错误校正的发生,提高了传感器节点的位置精度．     

基于NSGA-II 算法的上面级转移轨道中途修正时机优化

设计了一种基于NSGA—Ⅱ的中途修正时机优化算法．基于上面级运动方程和Lambert远程变轨,通过算例验证了中途修正的必要性,确定了修正策略．引入NSGA—Ⅱ算法,对中途修正的目标函数进行优化,得到了修正时刻的最优解集．结果表明,该算法得到的修正时机优化Pareto最优解集完整且分布均匀,中途修正效果很好．     

基于混合和声搜索算法求解竞争选址问题

针对竞争选址问题,提出一种新的混合和声搜索算法。混合和声搜索算法初始化和声记忆库时结合了贪婪算法,降低了初始解的不可行性概率。在寻优过程中,引入了鱼群算法的觅食行为,提高了算法跳出局部最优解的能力和收敛速度。即兴产生一个新的和声时,充分考虑了当前最优解的指导作用,提出了新的基因调整方法,增强了算法的探索能力。在竞争选址问题上对所提出的算法进行了测试,仿真结果验证了所提出算法的有效性。     

改进实数编码量子进化算法及其在参数估计中的应用

借鉴量子计算的相关概念和原理,提出一种改进实数编码量子进化算法(IRCQEA).算法的核心是依据染色体的具体形式和目标函数的梯度信息设计互补变异进化染色体,以实现局部搜索和全局搜索的平衡;根据算法的进化过程动态缩小搜索空间,以加快收敛速度.对标准数值优化问题的求解结果表明,该算法具有寻优能力强、搜索精度高和稳定性好等优点.以非线性系统参数估计问题为例进行的仿真实验表明,所提出的算法能够有效提高估计参数的精度.     

混合单变量边缘分布算法及其仿真应用

针对单变量边缘分布算法(UMDA)容易陷入局部最优解且搜索效率较低等缺点,提出一种混合单变量边缘分布算法(HUMDA).该算法采用两阶段参数动态控制策略来控制算法的均值与方差参数,在搜索初期保持群体的多样性,在算法后期提高了算法的局部搜索能力,并引入混沌搜索机制有效提高了算法的搜索精度和效率.采用多峰高维标准测试函数进行测试,测试结果表明 HUMDA 具有更优的全局搜索能力且搜索精度较高.将其应用于求解水库优化调度问题,亦得到较好的结果.     

基于谱图和成对约束的主动半监督聚类算法

针对半监督聚类学习算法中缺乏主动学习的缺陷,提出一种纠错式主动学习成对约束方法.算法通过寻找一般聚类算法自身难以发现的成对约束信息,同时避免这部分约束信息之间本身的关系,将其引入谱聚类算法,利用该监督信息调整谱聚类中点与点之间的距离矩阵对两点间距离进行排序,采用双向寻找的方法,使得学习器即使接收到没有标记的数据也能进行主动学习.实验分析表明,所提出算法能够获得较为满意的聚类效果.     

基于感染球策略的传感器网络移动代理路由算法

基于感染球策略提出一种移动代理能量有效路由算法(EEMAA),该算法利用感染球来缩小移动代理寻找及修复最优路径的范围,进而降低网络的寻路能耗;同时,还提出一种最优路径局部修复策略,该策略能在保留原有最优路径大部分信息的基础上,对最优路径作出局部修复.仿真实验表明,该算法在寻找最优路径时能避开剩余能量少的节点,使网络中各节点的能量呈整体性衰落,且在失效节点附近能快速修复最优路径.     

基于偏好方向的区间多目标交互进化算法

区间多目标优化问题在实际应用中普遍存在且非常重要.为得到贴合决策者偏好的最满意解,采用边优化边决策的方法,提出一种交互进化算法.该算法通过请求决策者从部分非被支配解中选择一个最差解,提取决策者的偏好方向,基于该偏好方向设计反映候选解逼近性能的测度,将具有相同序值和决策者偏好的候选解排序.将所提方法应用于4个区间2目标优化问题,并与利用偏好多面体解决区间多目标优化问题的进化算法(PPIMOEA)和后验法比较,实验结果验证了所提出方法的有效性和高效性.     

两级差分进化算法求解多资源作业车间批量调度问题

以优化生产周期为目标,研究并建立了多资源作业车间批量调度问题模型.提出一种新的两级差分进化算法,采用两级染色体编码来解决批量划分和排序优化问题;设计了基于自适应差分进化算法(DE)的全局搜索操作,并在算法框架中嵌入了基于Interchange邻域结构的局部搜索;基于等量划分原则,为每个工件确定最优批次数及子批次的批量大小,并为各子批次确定最优排序.通过单资源算例和多资源实例仿真表明了模型和算法的可行性和有效性.     

一种基于差分进化算法的多模型建模方法

针对非线性系统的多模型建模问题,基于差分进化算法提出了一种优化建模方法.从系统的输入输出数据出发,将样本空间分割与局部模型建立相结合,首先将PWA辨识问题转化为MIQP问题;然后采用自适应混沌差分进化算法对模型数量及模型参数同时优化;最后利用支持向量基求取分割曲面方程.仿真结果表明,该方法能以最优的线性子模型集准确地逼近非线性系统.     

基于无约束优化和遗传算法的贝叶斯网络结构学习方法

基于无约束优化和遗传算法,提出一种学习贝叶斯网络结构的限制型遗传算法.首先构造一无约束优化问题,其最优解对应一个无向图.在无向图的基础上,产生遗传算法的初始种群,并使用遗传算法中的选择、交叉和变异算子学习得到最优贝叶斯网络结构.由于产生初始种群的空间是由一些最优贝叶斯网络结构的候选边构成,初始种群具有很好的性质.与直接使用遗传算法学习贝叶斯网络结构的效率相比,该方法的学习效率相对较高.