[發明專利]基于自適應差分進化算法的無線傳感器網絡定位方法

有效

• 申請號: 201811233765.4
• 申請日: 2018-10-23
• 公開（公告）號: CN109379780B
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 張軍;龔月姣;陳偉能;余維杰
• 申請（專利權）人: 華南理工大學
• 主分類號: H04W64/00
• 分類號: H04W64/00;H04W84/18
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 林梅繁

本發明涉及無線傳感器網絡和智能計算領域，涉及一種基于自適應差分進化算法的無線傳感器網絡定位方法，該方法在基本差分進化算法的基礎上，將鄰域信息和歷史搜索信息融入編碼之中，并引入一個自適應控制機制，基于自適應差分進化算法，結合自適應協方差矩陣進化策略，是一種高效的無線傳感器網絡定位方法。本發明提出自適應機制來控制全局搜索和局部搜索，通過融合差分進化算法較強的全局搜索能力以及自適應協方差矩陣進化策略優秀的局部搜索能力，使得無線傳感器網絡定位精度更高、魯棒性更好。

技術領域

本發明涉及無線傳感器網絡和智能計算領域，主要涉及一種基于自適應差分進化算法的無線傳感器網絡定位方法。

背景技術

定位技術是無線傳感器網絡的關鍵技術之一，最簡單的定位技術是給每個傳感器配備一個全球定位系統，以此獲取位置信息，但這樣會導致成本過高、消耗能量大的問題，因此網絡的設計者通常只給極少量的傳感器配備定位裝置使它們可以精確獲得自身的位置，這些傳感器又稱為錨點。無線傳感器網絡的節點定位依靠這些錨點的位置信息和節點之間的距離信息等來估測網絡中其它傳感器節點的位置信息。

由于受到傳感器節點計算能力、消耗能量以及通信帶寬等的限制，設計出高效的定位算法成為無線傳感器網絡研究領域中的熱點問題。按照定位過程是否需要節點測量距離，可以將當前提出的定位算法分為兩類：距離相關和距離無關。距離相關算法需要獲取節點之間的距離或角度信息，然后再通過三角測量、三邊測量或者極大似然估計等數學方法求出節點的位置，典型的算法有TOA、AOAO和TDOA等。距離相關算法能提供較為精確的定位，但是對傳感器的硬件要求較高，而距離無關算法則無需測量節點間的距離或角度信息，采用間接的方法如網絡跳數、網絡連通度等來估計節點的位置。雖然距離無關算法的定位精度相對較低，但是降低了節點的硬件要求，減少了節點的功耗和成本，在實際應用中能滿足粗粒度的定位要求，典型的算法有質心算法、凸規劃、APIT和MDS-MAP等。無線傳感器網絡的定位是一個復雜的多峰優化問題，傳統的算法很容易陷入局部最優解。近年來，陸續有學者嘗試采用進化算法來優化無線傳感器網絡的定位精度，例如遺傳算法(GA)、粒子群算法(PSO)和差分進化算法(DE)等。

在實際應用中，由于受噪音因素的影響，傳統的確定性定位算法難以求得高精度的定位結果，使得無線傳感器網絡定位精度不高且魯棒性不高。

發明內容

針對現有技術的不足，本發明提供一種基于自適應差分進化算法的無線傳感器網絡定位方法，該方法基于自適應差分進化算法，結合自適應協方差矩陣進化策略(CMA-ES)，是一種高效的無線傳感器網絡定位方法。本發明提出通用的自適應機制來控制全局搜索和局部搜索，通過融合差分進化算法較強的全局搜索能力以及自適應協方差矩陣進化策略優秀的局部搜索能力，使得無線傳感器網絡定位精度更高、魯棒性更好。

本發明基于自適應差分進化算法的無線傳感器網絡定位方法包括：

S1初始化算法的參數，并產生NP個隨機個體作為差分進化算法的初始種群；

S2執行全局搜索模塊GSC，采用差分進化算法的搜索機制來實現全局搜索，即利用差分進化算法的變異操作、交叉操作和選擇操作產生NP個新個體；

S3執行步驟S2一定代數后更新GSC的進化效率，如果符合條件C1則執行步驟S4；反之，如果算法達到結束條件則終止，否則繼續執行步驟S2；

S4執行局部搜索模塊LSC，即從當前的種群中選擇出一個具有最大進化效率的個體，對其應用自適應協方差進化策略CMA-ES的搜索機制進行局部優化操作；

S5執行步驟S4一定代數后更新LSC的進化效率，如果符合條件C2則繼續執行步驟S4；反之，如果算法達到結束條件則終止，否則執行步驟S2。