[發(fā)明專利]基于異質(zhì)雙種群粒子群優(yōu)化的WSN節(jié)點(diǎn)定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310467407.0
• 申請(qǐng)日: 2013-10-09
• 公開（公告）號(hào): CN103517413A
• 公開（公告）日: 2014-01-15
• 發(fā)明（設(shè)計(jì)）人: 郭肇祿;岳雪芝;劉建生;熊小峰;劉松華;張克俊;謝大同
• 申請(qǐng)（專利權(quán)）人: 江西理工大學(xué)
• 主分類號(hào): H04W64/00
• 分類號(hào): H04W64/00;H04W84/18
• 代理公司: 北京科億知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 湯東鳳

技術(shù)領(lǐng)域

本發(fā)明屬于無(wú)線傳感網(wǎng)絡(luò)技術(shù)領(lǐng)域，涉及一種基于異質(zhì)雙種群粒子群優(yōu)化的WSN(無(wú)線傳感器網(wǎng)絡(luò))節(jié)點(diǎn)定位方法。

背景技術(shù)

無(wú)線傳感器網(wǎng)絡(luò)實(shí)現(xiàn)了物理世界、計(jì)算機(jī)世界和人類社會(huì)三元世界之間的有機(jī)融合，是當(dāng)今物聯(lián)網(wǎng)的末梢神經(jīng)。由于它具有非常廣泛的實(shí)際應(yīng)用前景，已經(jīng)引起了學(xué)術(shù)界和工業(yè)界的高度重視，被認(rèn)為是21世紀(jì)最有影響力的技術(shù)之一。在無(wú)線傳感網(wǎng)絡(luò)應(yīng)用中，無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的定位是其中的核心支撐技術(shù)，它是一個(gè)復(fù)雜優(yōu)化問(wèn)題。而群子粒優(yōu)化算法是一種模擬鳥群覓食和魚群聚集等自然界動(dòng)物群體行為來(lái)求解優(yōu)化問(wèn)題的有效現(xiàn)代智能優(yōu)化算法。

群子粒優(yōu)化算法的結(jié)構(gòu)很簡(jiǎn)單，易于理解和實(shí)現(xiàn)，它已經(jīng)成為了求解優(yōu)化問(wèn)題研究領(lǐng)域中一個(gè)十分活躍的研究熱點(diǎn)。因此人們已經(jīng)嘗試應(yīng)用群子粒優(yōu)化算法來(lái)解決無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的定位問(wèn)題。周書旺等提出了一種基于距離的定位算法，該算法根據(jù)未知節(jié)點(diǎn)到錨節(jié)點(diǎn)的距離，利用粒子群優(yōu)化算法直接搜索出未知節(jié)點(diǎn)的坐標(biāo)；陳星舟等粒子群優(yōu)化的方法對(duì)DV-Hop算法求出的未知節(jié)點(diǎn)坐標(biāo)進(jìn)行校正，以減少節(jié)點(diǎn)定位誤差；王行甫等提出一種傳感器節(jié)點(diǎn)定位方法，在該方法中各個(gè)信標(biāo)節(jié)點(diǎn)根據(jù)所述位置信息集分別獨(dú)立地運(yùn)行粒子群算法，以分別得到對(duì)應(yīng)的最優(yōu)粒子位置信息；以及待定位節(jié)點(diǎn)對(duì)最優(yōu)粒子位置信息進(jìn)行檢測(cè)，以確定待定位節(jié)點(diǎn)的坐標(biāo)位置；張訊等將慣性權(quán)重的非線性調(diào)整策略及目標(biāo)值排序的思想引入到粒子群算法中，并將改進(jìn)后的算法應(yīng)用于傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的定位；蔡紹濱等提出了帶有罰函數(shù)的無(wú)線傳感器網(wǎng)絡(luò)粒子群定位算法，利用罰函數(shù)來(lái)加快算法的收斂速度和提高定位算法的定位精度；黃艷等提出一種對(duì)粒子位置微擾的改進(jìn)粒子群優(yōu)化用以無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位方法；劉志坤等提出了一種改時(shí)的粒子群優(yōu)化算法來(lái)解決無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)自定位，該方法將混沌搜索融合到粒子群優(yōu)化算法，在一定程度上提高了定位的精度；趙吉等提出了一種基于量子行為粒子群優(yōu)化算法的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位方法；王新芳等提出了一種基于量子粒子群優(yōu)化的改進(jìn)加權(quán)質(zhì)心定位算法，采用該算法來(lái)優(yōu)化WCLA的估計(jì)坐標(biāo)來(lái)改善定位誤差，并改進(jìn)收縮擴(kuò)展系數(shù)增強(qiáng)算法的收斂速度。

然而在現(xiàn)有的基于粒子群優(yōu)化的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的定位方法中，由于對(duì)粒子群優(yōu)化算法僅進(jìn)行了一些有限的改進(jìn)，性能還有待以進(jìn)一步提高，現(xiàn)有的方法往往存在著全局搜索能力不夠，容易陷入局部最優(yōu)，從而造成定位精度不足，以及收斂速度慢、實(shí)時(shí)性不強(qiáng)的缺點(diǎn)。

發(fā)明內(nèi)容

為了解決現(xiàn)有基于群子粒優(yōu)化的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的定位方法往往存在著收斂速度慢、實(shí)時(shí)性不強(qiáng)以及容易陷入局部最優(yōu)，定位誤差較大的技術(shù)問(wèn)題，本發(fā)明提出了一種基于異質(zhì)雙種群粒子群優(yōu)化的WSN節(jié)點(diǎn)定位方法。該方法基于錨節(jié)點(diǎn)和未知傳感器節(jié)點(diǎn)的距離設(shè)計(jì)適應(yīng)值函數(shù)，模擬自然界中動(dòng)物的群落活動(dòng)方式采用兩個(gè)異質(zhì)子種群來(lái)保持種群的良好多樣性，并且模擬自然界中不同群落中的動(dòng)物具有不同的偏好習(xí)慣的自然規(guī)律分別在這兩個(gè)子種群中融合復(fù)合反向?qū)W習(xí)策略和精英混沌搜索策略，對(duì)兩個(gè)子種群執(zhí)行不同的搜索方式實(shí)現(xiàn)多種搜索模式的優(yōu)勢(shì)互補(bǔ)以增強(qiáng)全局搜索能力，提高定位的精度；另外，還模擬自然界中不同群落之間的動(dòng)物的交流行為在每間隔指定的演化代數(shù)，兩個(gè)子種群相互交換一些個(gè)體，實(shí)現(xiàn)優(yōu)質(zhì)搜索信息的共享和導(dǎo)向作用以加快收斂速度，提高定位的實(shí)時(shí)性；與同類方法相比，本發(fā)明是將自然界中動(dòng)物的群落自適應(yīng)活動(dòng)行為融合到了粒子群優(yōu)化算法中，是一種模擬自然界中動(dòng)物的群落自適應(yīng)活動(dòng)行為的仿生方法，提高無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位的精度和速度。其技術(shù)方案如下：

一種基于異質(zhì)雙種群粒子群優(yōu)化的WSN節(jié)點(diǎn)定位方法，包括以下步驟：

步驟1，用戶自定義初始化參數(shù)，所述初始化參數(shù)包括錨節(jié)點(diǎn)個(gè)數(shù)X，K個(gè)錨節(jié)點(diǎn)位置向量Z，其中第j個(gè)錨節(jié)點(diǎn)的位置為(Z_j×3-2，Z_j×3-1，Z_j×3)，未知傳感器節(jié)點(diǎn)個(gè)數(shù)D，子種群大小SubPopsize，粒子最大速度絕對(duì)值Vmax，粒子加速因子c1和c2，學(xué)習(xí)概率Pl，遷移間隔代數(shù)Mt，遷移大小Mn，遷移最優(yōu)率Bestp，最大評(píng)價(jià)次數(shù)MAX_FEs；

步驟2，通過(guò)錨節(jié)點(diǎn)和未知傳感器節(jié)點(diǎn)之間發(fā)射開接收信號(hào)強(qiáng)度的傳統(tǒng)方法測(cè)得所有未知傳感器節(jié)點(diǎn)到所有錨節(jié)點(diǎn)的距離記錄到D行K列的矩陣Dis中，其中Dis_j，m為第j個(gè)未知傳感器節(jié)點(diǎn)到第m個(gè)錨節(jié)點(diǎn)的距離；

步驟3，令交叉率Cr_i=05，其中i=1，...，SubPopsize，當(dāng)前演化代數(shù)t=0，當(dāng)前評(píng)價(jià)次數(shù)FEs=0；