传感器网络中改进的粒子群优化定位算法

为提高无线传感器网络节点粒子群优化(PSO)定位算法的收敛速度与搜索性能,将惯性权重的非线性调整策略及目标值排序的思想引入其中,从而实现对算法的改进,并将改进后的算法应用于传感器网络节点的定位。最后,通过仿真实验分别比较了在不同的锚节点密度、网络连通度以及测距误差下,该算法与标准粒子群优化算法及最小二乘法的定位结果。结果表明,改进后的算法不仅有效地抑制了测距累计误差,而且提高了收敛速度,该方法用于传感器网络节点的优化定位是可行的。     

基于混合粒子群优化算法的DV-Hop定位算法

针对无线传感器网络节点定位技术中DV-Hop算法的不足,利用混合粒子群优化算法对DV-Hop算法的位置估计进行校正,提出了一种CCPDV-Hop算法,该方法在不需要任何额外硬件设备和通信开销基础上,将未知节点定位问题抽象为高维最优化问题,并利用混合粒子群优化算法进行求解。仿真实验结果表明,改进的DV-Hop算法与传统方法相比,定位误差显著下降,定位精度和鲁棒性都有明显提高。     

基于粒子群算法的改进DV-Hop定位算法

针对无线传感器网络(WSNs)节点定位问题中DV-Hop算法的不足,提出利用粒子群优化算法对改进DV-Hop得到的估算位置校正。这种方法将定位问题看成一个多维优化问题,并且不需要任何额外硬件设备,也不会增加通信量。最后将仿真实验结果与改进DV-Hop算法进行比较,表明基于PSO算法优化的改进DV-Hop定位算法在优化性能上有所改进,有效提高了节点定位精度,证明该方法的有效性。     

无线传感器网络DV-hop定位改进算法

提出了一种改进的DV-Hop定位算法,通过对DV-Hop算法的局部优化,减小了定位计算量,并使得改进的DV-Hop算法对不规则形状的节点分布网络具有较强的适应性,克服了原算法只适用于各向同性网络的不足。仿真结果表明,改进的DV-Hop算法减小了用于定位的通信开销,提高了定位精度,从而验证了改进的DV-Hop算法能够适用于节点不规则分布的异性网络。     

基于改进粒子群优化的无线传感器网络定位算法

无线电干涉定位系统获取的干涉距离是4个传感器节点间距离的线性组合值.针对以两个节点间距离作为输入的传统定位算法无法直接利用上述干涉距离进行定位的问题,提出一种基于改进粒子群优化的定位方法.利用干涉距离的实验数据,分析比较了遗传算法和改进粒子群优化在无线传感器网络节点定位问题中的性能.结果表明,基于改进粒子群优化的定位方法的平均耗费时间远远小于基于遗传算法的定位方法,具有更高的优化效率.     

粒子群优化在无线传感器网络定位中的应用

已提出的无线传感器网络节点的定位算法中大部分是针对二维网络,为了提高无线传感器网络节点的定位精度,提出应用粒子群优化实现无线传感器网络定位。该算法依据信标节点相对于未知节点的几何位置并利用粒子群优化算法估算未知节点的几何位置。通过仿真,并与最小二乘法比较,结果表明该算法能在不增加体积、成本、通信功耗的情况下,有效的提高节点的定位精度。     

免疫粒子群优化的DV-Hop定位算法

DV-Hop算法在定位过程中,由于信标节点与待定位节点之间的距离估算存在较大的定位误差,使得定位精度不佳。将免疫机制引入粒子群算法中,提出了免疫粒子群优化的DV-Hop算法。利用免疫粒子群算法优化待测节点的位置坐标,当PSO算法陷入局部最优解时,通过免疫抗体的选择、促进和抑制机制产生新的粒子空间,使该算法跳出局部最优值,收敛于全局最优解。MATLAB仿真实验表明,在相同实验环境下与经典的DV-Hop算法和常规的粒子群改进的DV-Hop算法比较,所提算法有效地降低了定位误差。     

一种约束粒子群优化的无线传感器网络节点定位算法

节点定位是无线传感网络的关键技术。无线电测距虽然精度高,但用最小二乘算法进行节点定位的误差较大。为了提高基于测距的无线传感器网络节点定位的精度,把节点定位问题转换成约束优化问题,再运用粒子群优化算法进行求解。求解过程中,通过设定约束适应度函数和距离适应度函数,降低了搜索的计算量,加快了收敛速度,最终较快地得到较优解。仿真实验表明,约束粒子群优化定位算法与最小二乘法相比,在不同测距误差、不同测距半径、不同描节点数和不同节点数的情况下,都能得到更高精度的解。这说明此算法具有更强的杭误差性、更好的收敛性和更少的硬件设备投入等优点,另外在节点稀疏的网络中定位效果也更优越。     

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。     

基于蚁群粒子群混合的无线传感器网络定位算法

在无线传感器网络免于测距的定位算法中,DV-Hop算法是典型算法之一,蚁群粒子群算法(ACOPSO)通常被用来作全局优化;为了降低定位误差,提高定位精度,新算法先用DV-Hop算法估量未知节点与锚节点的测量距离,蚁群粒子群算法(ACOPSO)作后期优化,最小化DV-Hop的适应度函数,从而实现基于不同的距离或路径测量方法的优化;经过Matlab仿真分析表明,在相同的仿真环境中,新算法产生的平均定位误差比EV-Hop算法和基于粒子群的定位算法产生的平均定位误差更低,有效地提高了定位精度.     

基于粒子群优化的DV-Hop定位算法研究

针对无线传感器网络(WSN)定位算法中的经典DV-Hop算法存在较大定位误差的问题,提出一种基于粒子群优化修正平均每跳距离的DV-Hop优化算法.该算法在以下三个方面进行改进:对于每个锚节点平均跳距计算,加入各个锚节点权重;提出主节点定义,网络拓扑结构将被考虑得更加全面,更好地权衡局部和全局特点,以此方法计算节点估计距离;提出中心学习策略,加入逃逸因子,避免粒子陷入局部寻优,最后用改进的粒子群算法代替极大似然估计法定位节点坐标.通过Matlab仿真软件验证,与原始DV-Hop和PSO-DVhop比较,结果分析此算法具有优越性和可行性.     

基于粒子群算法的WSN路径优化

采用粒子群算法对无线传感器网络进行路径优化,为了克服粒子群算法运算后期群体的多样性可能会有所下降的问题,对粒子群算法的各个环节进行分析与改进,设计并增加变异算子。仿真实验的结果表明,使用该算法能找到无线传感器网络有效的优化路由,解的质量优于传统的粒子群算法与遗传算法,而且在成功率方面也有所提高。     

带有罚函数的无线传感器网络粒子群定位算法

无线传感器网络是一种没有基础设施的无线自组织网络,它在军事、环境检测和智能家居等诸多领域具有广泛的应用.在无线传感器网络的绝大多数应用中,只有当节点和被感知的物体的位置是可知的,节点获得的信息才有意义.因此,节点定位技术是无线传感器网络的关键技术之一.近年来,粒子群优化算法(particle swarm optimization, PSO)等智能算法被用于无线传感器网络节点定位技术的研究.在粒子群优化算法定位技术研究的基础上,提出的带有罚函数的无线传感器网络粒子群定位算法(particle swarm optimization with penalty function, PSOPF)利用罚函数来加快算法的收敛速度和提高定位算法的定位精度.实验结果表明,和原有的PSO定位算法相比较,PSOPF算法具有更高的定位精度和更快的收敛速度.     

无线传感器网络分布式定位算法研究

定位技术是传感器网络中的关键技术之一。重点介绍DV-Hop,ROCRSSI两种分布式非测距定位算法及具体实现过程,DV-Hop算法以增加网络通信开销为代价获得了较高的容错性和覆盖率;ROCRSSI算法简单、部署成本低,但对周围环境和锚节点密度依赖性较大。从开销、容错性、定位精度、覆盖率等方面对两种算法的具体性能做了评价比较。     

基于节点密度及路径优化的无线传感器网络定位算法研究

无线传感器网络中非测距定位算法一般采用基于连通性或跳数信息方式进行定位,一跳范围内节点间的估算距离值均相同,不能体现实际的节点间距离大小;此外,当多跳的路径有较大的转折时,此时用路径的估距值代替实际距离也会出现严重的偏差。基于此,提出了新的节点间距离模型RPD,将节点间估距与周围节点的密度信息相关联,同时进行路径优化以使路径的估距更接近实际的距离。最后将新的距离模型运用到DV-Hop节点间估距阶段实现定位。通过仿真实验表明,改进的定位算法与传统的DV-Hop相比,在不同的锚节点比率和不同的通信半径的情况下,定位的误差率和稳定性都要优于传统算法。     

基于蛙跳改进算法的无线传感器网络定位*

针对无线传感器网络（WSNs）定位过程当中传统的DV‐Hop定位算法在计算锚节点与未知节点之间的平均跳距时存在较大误差的问题,论文根据蛙跳算法（S FL A ）计算速度快,全局搜索寻优能力强的优势,结合定位的实际问题,提出了一种改进的蛙跳算法。并将其引入到DV‐Hop的算法设计中,实现节点的定位。     

基于移动代理的无线传感器网络节点定位算法

研究了无线传感器网络节点定位算法及移动代理技术。在DV-Hop算法的基础上采用移动代理技术,并限制未知节点接收移动代理的个数和移动代理的传播跳数,减少了节点信息收发和存储量,降低了网络流量及节点负载。     

无线传感网络移动节点位置并行微粒群优化策略

网络节点位置优化是无线传感网络研究的核心问题之一.无线传感网络通常由固定节点和少量移动节点构成,传统的虚拟力导向算法无法解决固定节点对移动节点优化的约束.该文针对这一问题,提出了基于并行微粒群算法的优化策略.微粒群算法具有适于解决连续空间多维函数优化问题、能快速收敛至全局最优解的特点.并行框架提高了算法的运行效率,降低了算法的运算复杂度,使算法能够满足无线传感网络的需求.通过并行微粒群算法搜索不同状态下无线传感节点的最优位置,使无线传感网络能够利用移动节点实现网络结构的动态重组,最大化网络覆盖范围,提高网络测量可靠性.实验证明,并行微粒群优化策略能快速有效地实现无线传感网络移动节点位置优化.