遗传-禁忌搜索优化的三维DV-Hop定位算法

为进一步提升无线传感器网络的定位精度和稳定性,提出了一种利用遗传-禁忌搜索法改进的三维distance vector-hop （DV-Hop）定位优化算法（TDGT）.首先利用最优跳数、跳数调整因子以及锚节点距离误差加权值对DV-Hop中的节点间跳数和平均跳数进行改进和修正,降低了算法的定位误差;其次将具有快速搜索能力的禁忌搜索引入遗传算法中进行寻优,提升了算法的搜索效率和定位准确性.仿真结果表明,TDGT与现有的无线传感器网络定位算法相比,具有更佳的寻优搜索能力、定位精度和稳定性.     

基于映射曲线的自适应莱维鲸鱼无线定位算法

针对多维定标（MDS-MAP）算法计算效率低且定位精度不高的问题,提出了一种基于映射曲线的自适应莱维鲸鱼无线定位（AWL-MC）算法.采用映射曲线距离分析方法对待定位节点进行粗略相对定位,以提高节点的计算效率;再通过线性变换将相对坐标转换成绝对坐标;最后采用自适应莱维飞行鲸鱼优化算法对待定位节点坐标进行全局和局部搜索寻优处理,避免产生局部最优解,提高了定位精度.仿真结果表明,AWL-MC算法相比MDS-MAP算法的定位精度改进率为66.42%,计算效率提高了52.57%,相比多维定标扩展卡尔曼滤波的定位精度改进率为57.80%,计算效率提高了66.01%.     

混沌天牛须算法在分数阶PID参数优化中的应用

针对分数阶PID控制器参数整定的复杂性问题,提出了一种基于混沌天牛须算法的分数阶PID控制器参数整定方法。首先,利用天牛须算法的寻优机制,进行不断的迭代寻优,寻找最适合受控系统的分数阶PID参数。同时,在原始天牛须算法中引入了混沌扰动机制,根据Logistic映射公式对天牛个体的位置进行随机扰动,增强全局搜索效果。为了验证所提出的混沌天牛须算法的优越性,将混沌天牛须算法与天牛须算法、粒子群算法对分数阶PID控制器参数分别进行寻优,最后进行仿真实验,结果表明混沌天牛须算法具有更好的寻优性能。     

基于搜索的RSSI节点定位算法

节点定位是无线传感器网络中的关键技术.该文通过对无线电传播路径损耗模型的分析,并以锚节点之间的信息作为参考,提出了一种基于搜索的RSSI定位算法.该算法由RSSI测距,定位计算和循环搜索求精三阶段组成,计算简单,通信开销小,节点定位精度较传统三角形定位算法有一定的提高,具有普遍的应用意义.     

基于定位误差估计的锚节点布局优化

大多数现有研究忽略了室内定位系统的最佳锚节点布局问题,传统多边测量定位算法误差分析中,存在误差面积不规则、计算困难等问题,作者提出了一种实现最小定位误差的锚节点布局方法。使用几何分析和实验分析相组合的方法研究定位误差和锚节点布局之间的关系,通过几何面积关系精确计算了双锚节点定位误差,提出了一种新的误差上限估计方法,这一误差上限反映了锚节点的位置和锚节点处的误差,可以用于比较任意两个锚节点布局之间的最大误差,描述误差的立体分布。引入耗散均匀搜索粒子群算法(dissipative uniform search particle swarm optimization,DUPSO),提出了一种新的多锚节点空间布局优化算法,找到了一种可以最大限度减少最大定位误差的最优布局。为了验证本文方法适用于各种规则、不规则环境以及不同数量锚节点最优布局的求解,仿真实现了不同数目锚节点和不同环境下锚节点的最优布局,并对不同的锚节点布局方法进行了比较。实验结果表明,使用锚节点的最佳布局,室内定位系统可以获得更高的定位精度。本文的布局优化算法是通用的,在实践中具有可行性和有效性。     

受限浮动水下传感器网络定位

为了确保水下传感器网络节点不会随水流离开监测区域,通常用缆绳把节点与固定在水底的锚相连,使水下节点具有受限浮动性,然而考虑这一重要特性的研究成果非常有限。针对水下节点受限浮动考虑不足的问题,提出了受限浮动水下传感器网络定位算法(restricted floating localization,RFL)。首先,根据水下节点在重力、浮力、水流冲力、缆绳拉力作用下的活动规律,建立受限浮动节点模型;然后,采用一个移动信标辅助定位,该移动信标在部署区域内沿直线移动,每过一段时间变换一次方向并广播位置信息,利用移动信标的位置信息结合水下节点的受限移动规律,通过理论分析推导锚的位置,并通过多次计算取中值以降低锚位置的求解误差;接下来,利用锚和移动信标的位置信息,计算出水下节点的位置。仿真分析了RFL算法中锚位置误差、锚对节点定位的影响以及节点位置误差,并将RFL算法与现有的TL算法、MFLA算法和LSLS算法进行比较。仿真结果表明,RFL算法的平均定位误差分别是TL算法的49.6%,MFLA算法的44.8%,LSLS算法的32.1%,其最大误差与最小误差都小于TL算法、MFLA算法和LSLS算法。RFL算法定位精度高于现有算法,而且具有较好的稳定性,简单可行,具备较高的实用价值。     

基于参考点序列的无线传感器网络节点定位算法

提出了一种基于参考点序列(Reference node sequence,RNS)的无线传感器网络定位算法,该算法对定位空间的锚节点建立voronoi多边形,以此生成由锚节点组成的voronoi图,并将voronoi图的顶点记为参考点,为定位空间增加了若干锚节点信息。从而使与传感器节点通信的锚节点数目增加,改善了锚节点不足给定位带来的负面影响。其次建立参考点和锚节点到传感器节点的序列等级,根据序列等级估计出传感器节点的位置。仿真结果表明,与DV-Hop算法和质心算法相比,本文算法可以更准确地估计出节点的位置,提高定位精度。     

基于罚函数与水波优化的WSN定位算法

为了提高启发式定位算法的搜索效率和定位精度,提出了基于罚函数和水波优化的无线传感器网络（WSN）定位算法.首先利用bounding-box方法构造罚函数,提高算法搜索的效率和定位精度;然后利用动态学习策略对传统水波优化算法的传播阶段进行改进,促使个体对周围优秀个体的学习,并通过动态波高提高个体在后期局部搜索的概率,进一步提高搜索效率和求解精度.仿真结果表明,罚函数策略与改进水波优化算法能提高搜索效率和定位精度,所提出的算法在WSN节点定位上有较好的可行性和有效性.     

移动性受限物联网应用中基于图论的高效数据采集策略

针对物联网数据采集应用,研究移动性受到限制的汇聚节点对数据采集性能和能量有效性造成的影响,提出能量有效的数据采集策略.基于图论基本原理对系统进行分析,建立借助方格的网络分层描述方法.提出数据采集中的能量分层优化HOEE问题,采用基于启发式算法的匹配算法来匹配节点方格,制定能耗均衡的数据包上报策略.NS-3仿真实验结果表明,HOEE数据采集策略具有优越性,与最短路径树、最大数据量最小路径以及随机采集策略相比,网络寿命能够有效提高约30%,维持较高的数据采集性能.在具有移动性受限的汇聚节点的物联网应用中使用HOEE数据采集策略,能够提高网络寿命,保证数据采集性能.     

基于几何学的无线传感器网络定位算法

提出一种基于几何学的无线传感器网络(WSN)定位算法。把网络区域中的节点分为锚节点和未知节点,假设在定位空间中有n个锚节点,由于受到几何学的限制,实际可行的锚节点序列是有限的,因此利用一种几何方法判断锚节点间的位置关系,从而选取最优的锚节点序列,能够更精确地确定未知节点的位置,并且分析了待定位节点的邻居锚节点数量对定位精度的影响。仿真结果表明,与已有的APS(Ad-Hoc positioning system)定位算法相比,该算法可有效地降低平均定位误差和提高定位覆盖度。     

一种二维不规则零件优化排样算法

将模拟退火算法和粒子群算法相结合，提出了一种基于模拟退火的粒子群算法。采用交叉和柯西变异运算，提高了算法的收敛速度和精度。将该算法应用于求解二维不规则零件排样问题，首先将二维不规则零件的排样问题转化为矩形件的排样问题，然后应用该算法进行优化求解，在求解过程中应用自适应调整策略对零件的排样位置进行微调。排样结果表明该算法是行之有效的。     

基于锚圆交点加权质心的无线传感器网络定位算法

针对无线传感器网络节点能量有限,基于距离的定位算法有时并不适用的问题,在研究了未知节点与其无线射程范围内的3个锚节点之间的通信约束和几何关系的基础上,提出了一种基于锚圆交点加权质心的定位算法。该定位算法仅基于网络连通性而不需要测量距离,算法计算量小,节点通信开销小。仿真结果表明,当在100m×100m的区域范围内随机部署100个传感器节点,通信半径为30m、锚节点密度为16%时,相对定位误差为22.7%。     

基于粒子群进化的输电网络WSN节点定位算法

为了提升WSN的定位精度,提出了一种基于粒子群进化的定位算法,以应用于输电网络中的节点定位.该算法通过区域估计,缩小并限制传感器节点的预估计区域空间,并应用粒子群算法快速寻找节点定位的最优解.通过引入权重自适应的机制,加快节点定位的搜索速度,并提升算法的搜索能力.结果表明,该算法有效增强了WSN节点定位的精度,降低了计算复杂度,为输电网络的无线传感器网络提供更高效准确的定位服务.     

异构有向传感器网络连通覆盖调度算法

在面向目标监测的有向传感器网络中,为满足监测目标的不同监测要求,并保持网络连通前提下网络寿命最大化,提出了一种基于增强珊瑚礁算法的节点调度算法。受集合覆盖的启发,以增强珊瑚礁算法为工具求解满足连通覆盖要求的集合。增强珊瑚礁算法采用SOBOL序列和反向学习策略对种群进行初始化,同时在非性繁殖过程中,借鉴和声搜索、生物地理学算法和自适应变异策略的差分进化算法达到继承种群的优秀解和增强子代的优化能力的目的。再者,对种群的最差个体执行随机反向学习和与最优个体差分策略以提升最差个体的优化能力。在数值测试以及在传感器网络节点调度方面的仿真结果表明,改进珊瑚礁算法的性能优于其他算法,证明了改进算法的有效性。     

空间钢结构临时支撑布置的应变能跟踪算法

针对传统经验方法用于确定空间钢结构临时支撑体系布置方案时的不合理性,提出一种基于小生境遗传算法的优化算法,该算法以指数尺度变换后的结构总应变能为优化目标函数,采用格雷编码作为染色体的编码方式,对于规则的搜索区域,以连续的空间位置作为遗传算法的决策变量;对于不规则的搜索区域,以离散的空间节点作为决策变量,在进化过程中引入自适应的遗传算子和改进的最优个体保存策略;模拟“鸟巢”结构的一榀主桁架,验证了算法的有效性;研究矩形平板网架和某异形网壳的最优临时支撑布置方案.分析表明：应变能综合反映了结构的受力性能,该应变能跟踪算法对空间钢结构施工过程中临时支撑体系方案确定提供了科学的依据.     

一种基于DV-HOP改进的无线传感器网络定位算法

针对无线传感器网络中经典定位算法DV-HOP定位精度低的缺陷,提出改进算法。该算法采用新的方式计算未知节点与锚节点的距离,提出锚节点信任度的概念,并利用加权最小二乘法计算节点坐标。Matlab仿真实验结果表明,在相同网络环境下,该算法能有效减小距离计算带来的定位误差,提高定位精度。