基于麻雀搜索的协同定位算法研究

无线传感器网络的定位问题可以转化为适应度函数最优问题,并通过经典的麻雀搜索算法进行求解。然而该算法所用的适应度函数并未使用未知节点之间的测量距离数据,从而导致定位精度的提升有限。为了解决这一问题,提出了一种基于麻雀搜索的协同定位算法。该算法主要包括两个搜索阶段：粗略搜索和精细搜索。在粗略搜索阶段,未知节点到锚节点之间的测量距离数据被用于确定未知节点的初始位置。在精细搜索阶段,未知节点之间的测量距离数据被用来确定未知节点的精确位置。首先,采用Cat混沌映射方法来保证初始种群的均匀分布,从而有助于确定最佳位置。其次,构建了两种不同的适应度函数,一种用于粗略搜索,另一种用于精细搜索。其中,用于精细搜索的适应度函数利用未知节点之间的测量距离数据来提高定位精度。最后,提出了一种新的精细搜索方法,以避免协同定位结果收敛到局部最优位置。通过对仿真和实测数据进行分析,验证了所提方法的有效性。     

鸡群协同定位算法的研究

无线传感器网络(Wireless Sensor Network, WSN)定位问题可以看作一个目标函数最优化问题，通过鸡群优化算法进行求解。传统的鸡群定位算法所用的目标函数只考虑了待定位节点和参考节点之间的测量距离，测量距离不完整限制了定位精度的提高。基于此提出了一种鸡群协同定位算法，首先改进目标函数，确保待定位节点之间的测量距离被充分使用；然后采取多维标度(Multidimensioal Scaling, MDS)方法提供的良好初始位置，从而提高定位算法的收敛速度。仿真实验结果表明，与传统鸡群定位算法、粒子群定位算法、灰狼定位算法和改进的鸡群定位算法相比，鸡群协同定位算法能有效提高定位精度。另外，与传统的鸡群定位算法相比，虽然鸡群协同定位算法的时间复杂度有所增加，但定位性能得到了改善。