面向传感器节点定位的移动信标路径获取

首先,根据ROI(region of interest)面积给出了充分三重覆盖此ROI所需要的信标发射位置数量计算方法;接着,针对矩形ROI提出了一种简单的信标发射位置确定方法;之后,针对任意形状ROI提出了利用虚拟力获取信标发射位置坐标的方法;最后,利用流浪旅行商算法获取遍历这些发射位置点的最优路径,并基于多边测量方法进行传感器节点定位.仿真实验表明,采用上述方法可以对传感器节点进行高效且精度可控的定位.     

WSN中基于改进蚁群算法的移动Agent路径规划

在无线传感器网络(Wireless Sensor Networks,简写为WSN)系统中增加了移动Agent,能提高系统的整体性能及工作效率.参考Sink节点的功能及特点,移动Agent具有收集和简单处理信息数据并将其传输到上一级单位的功能,它的移动功能提高了网络的连通性、传感覆盖率及使用寿命等性能.采用传感覆盖率高,...     

基于改进蚁群算法的WSN移动代理路由算法研究

提出了基于改进蚁群算法的无线传感器网络移动代理路由算法,在改进算法中引入了传感节点的剩余能量值、数据处理能力等新的启发因素,从而均衡了网络负载,降低了网络能耗和延时;状态转换规则的改进和自适应全局信息素更新策略的采用克服了基本蚁群算法的不足。仿真实验表明,提出的算法在全局性和收敛速度上均优于其他传统算法。     

基于遗传算法的WSN移动信标定位及路径求取

针对无线传感器网络中使用移动信标定位问题,提出了基于遗传算法的无线传感器网络移动信标定位及路径求取方法。首先根据区域面积计算出三重覆盖所需的发射信标位置的个数,用遗传算法优化求取信标发射位置,再用流浪旅行商算法获取遍历发射位置点的最优路径,在遍历时基于加权质心算法对传感器节点定位。实验结果表明,该方法可对传感器节点进行高效定位。     

WSN节点定位中移动信标路径规划的研究

在无线传感器网络的节点定位技术中,通过移动锚节点定位是比较实用的定位方法,移动锚节点定位需要考虑移动路径问题,路径规划合理有效,可以获得较高的定位精度。若将传感器节点看作图的顶点,利用解决TSP的思想结合蚁群算法来寻找一条最佳路径,通过理论分析及仿真实验可知,该方法形成的路径可以很好地覆盖整个网络,很好地适应无线传感器网络节点随机分布时的节点定位。     

基于改进蚁群算法的WSN路径优化

针对无线传感器网络(WSN)路径优化问题,提出一种改进蚁群算法的WSN路径优化方法,结合遗传算法和蚁群算法的优点,在蚁群算法中引入遗传算法选择、交叉和变异算子,提高算法收敛和全局寻优能力。仿真对比实验结果表明,改进蚁群算法提高了WSN路径优化效率和成功率,有效延长了WSN的生命周期,改善了网络整体性能。     

WSN中信标节点移动情况下的定位方法研究

定位技术是无线传感器网络的基础理论和关键技术之一.在实际应用中,一些信标节点在部署以后其位置由于各种原因而会发生漂移,由此就使得依赖于这些信标节点来定位的其他节点将无法准确定位,或者产生很大定位误差.本文针对信标节点产生漂移情况下的节点定位问题,提出了一种基于区域划分的信标节点移动检测算法(AD-BMD),在区域划分的基础上,通过两次判定过程将移动的信标节点检测出来,并为每个信标设置了坐标可信度值.为合理利用移动的和未移动的信标节点,提出一种基于信标移动检测的信标择优定位算法(BMD-BOS),通过合理选择信标节点来对其它未知节点进行定位.实验结果证明,AD-BMD算法具有很高的检测正确率和较低错误率,检测效果好于LB和SSV方法.BMD-BOS算法的定位精度远远高于没有进行移动信标检测的定位算法(N-BMD)和将移动信标丢弃的定位算法(D-BMD).     

WSN移动信标辅助定位方法综述

根据无线传感器网络移动信标辅助定位方法的不同特点,将其分为基于测距的和无需测距的方法、集中式和分布式方法、单一功率和多功率的定位方法、单一信标和多信标辅助的定位方法、配备定向和全向天线的定位方法、确定性和概率性定位方法进行分析。介绍静态和动态路径规划方法的典型算法,指出其存在的不足。分析结果表明,该类方法能在保证较高定位精度的同时,降低WSN能耗。     

遗传蚁群算法的WSN移动代理路由算法研究

针对常用路由优化算法存在收敛速度慢、易陷入局部最优等难题,提出了一种遗传蚁群算法的WSN移动代理路由方法(GA-ACA)。首先利用遗传算法的全局搜索能力快速找到较优解,然后将较优解转换成蚁群算法的初始信息素,最后采用蚁群算法收敛速度快的优点,找到移动代理路由全局最优解。仿真结果表明,相对于其他移动代理路由算法,GA-ACA加快了收敛速度,能在更短的时间内找到最优移动代理路由,减少了平均能量消耗和网络延时,提高了WSN整体性能。     

面向3D无线传感网的移动信标路径获取方法

节点定位技术是无线传感器网络的关键技术之一,移动信标辅助的定位方法可以节省定位成本.信标的移动路径是这种方法的基础.针对在3D空间下部署的无线传感器网络,设定感兴趣区域是一个正方体,提出了Layered-Scan,Layered-Curve,Triple-Scan,Triple-Curve和3D-Hilbert 5种确...     

The free step length ant colony algorithm in mobile robot path planning

An improved ant colony algorithm was proposed with the unlimited step length of finding optimal path. It aims at the shortcomings of the traditional ant colony algorithms such as the single step length of finding the optimal path, tendency to fall into local optima and poor convergence. The diversity of choosing a path of ant was increased, further optimizing results, the heuristic information adopting a long step priority was improved at the same time, and a different update mode of local information through choose/pass grid was adopted. Simulation results showed that, the free step length ant colony algorithm could find a shorter path and its convergence was better compared with the traditional ant colony algorithms.     

一种改进蚁群算法的移动机器人快速路径规划算法研究

以Dijkstra算法求解移动机器人路径规划(mobile robot path planning,MRPP)问题已得到广泛的应用,但在复杂工况下无法保证求解的正确性和全局最优性.而基于蚁群算法的移动机器人路径规划模型,在一定条件下能可靠地获得全局最优解,但存在求解时间过长的问题.因此,提出一种结合Dijkstra算法和蚁群算法模型两者优势求解MRPP问题的融合优化方法,以实现在短时间内获得全局最优解的目标.首先,应用Dijkstra快速算法在机器人工作环境中粗略寻迹得到最短路径次优解,然后,在次优解路径附近进行工作环境的精确划分;最后,利用蚁群算法在次优解附近精确寻迹,使最终的寻迹结果无限逼近最短路径.仿真结果表明,该融合优化方法既克服了经典蚁群算法求解时间过长的缺点,又能无限逼近全局最优解,寻迹时间较蚁群算法可缩短90%以上.     

复杂环境移动机器人路径规划的改进蚁群算法

针对蚁群算法易陷入路径死锁的缺点,提出了一种复杂环境下移动机器人路径规划的改进蚁群算法。对机器人环境建立栅格模型,在传统转移规则中引入指向上一节点的数组,增强了算法的逃逸能力;在信息素更新中减去最差蚂蚁释放的信息量,有利于种群的进化。仿真分析了主要参数对算法性能的影响,实验结果表明,该算法在复杂地图中搜索到的路径优于传统算法。     

基于改进蚁群算法的铁路路网最优路径规划

多条件最优路径规划问题是铁路出行查询系统的重要功能之一。将路径规划问题转化为以用户多种条件组合为目标函数的最优化问题,并将改进的蚁群算法应用于该问题,使查询系统能够满足各类用户的查询要求,并给出最优解或次优解。仿真实验表明：该算法的实时性很高,是一种行之有效的方法。     

基于改进蚁群优化算法的养殖场机器人路径规划

养殖场巡视机器人路径规划是实现规模化养殖场智能监控的关键所在,针对机器人巡视过程中寻找最优充电路线的问题,提出一种改进的蚁群优化算法IACO。利用工作环境的全局信息建立目标吸引函数,提高蚁群选择最佳路径到达目标点的概率,缩短了算法的迭代时间。通过加入额外的信息素更新项和改进信息素挥发系数增强算法的全局搜索能力,避免算法搜索后期出现过早收敛而陷入局部最优。在简单和复杂环境中的仿真实验结果表明,与经典蚁群优化算法相比,该算法具有更快的收敛速度和良好的稳定性,可快速收敛到最佳路径。     

一种栅格模型下机器人路径规划的改进蚁群算法

提出了一种静态环境下机器人路径规划的改进蚁群算法。该算法使用栅格法对机器人的工作空间进行建模,通过模拟蚂蚁的觅食行为,采用折返的迭代方式对目标进行搜索。在搜索过程中,以移动方向一定范围内最大信息素和目标引导函数作为启发式因子。此外,根据蚁群算法处理本问题时信息素散播的特点,重构了信息素的更新策略和散播方式。仿真实验结果表明,这些改进措施使最优路径的寻找快速而高效,即使在障碍物非常复杂的环境下,也能迅速地规划出一条最优路径。     

基于改进蚁群算法的机器人全局路径规划研究

针对蚁群算法在机器人路径规划过程中出现的收敛速度慢的缺陷,提出了基于改进蚁群算法规划机器人全局路径,在栅格地图中划定优选区域,并建立新的初始信息素浓度设置模型,对各点初始信息素浓度进行差异化设置,避免寻优的盲目性,提高了算法的收敛速度。实验结果表明,改进后的蚁群算法的收敛速度明显加快,优于传统算法,表明了该算法的有效性。     

基于改进蚁群算法的机器人路径规划研究

在二维静态环境下的机器人路径规划中,采用基本蚁群算法寻优存在搜索时间较长、效率较低、容易陷入局部最优等问题。针对这些问题对基本蚁群算法进行改进,改进的蚁群算法使用不同的期望值机制,采用挥发系数自适应方式更新信息激素,并加入拐点参数作为路径的评价标准之一。对这两种算法进行仿真分析,可得改进后的蚁群算法比基本蚁群算法搜索能力更强,算法效率更高,所寻路径更短。结果表明,该改进算法提高了算法效率,抑制了算法陷入局部最优并实现了机器人最优路径搜索,使机器人可以快速地避开障碍物安全到达目标点。