遗传-禁忌搜索优化的Amorphous定位算法
发布时间：2022-02-09 10:32
在无线传感网络WSN（Wireless Sensor Networks）定位算法领域内,Amorphous定位算法存在节点定位误差大的问题。为提高传统Amorphous算法对未知节点的定位精度,该文提出基于Amorphous定位算法的遗传禁忌搜索算法IAmorphous-GATS（Improved Amorphous Genetic-Algorithm Tabu-Search Location）。首先通过Amorphous算法得到未知节点位置的初始解;然后利用遗传禁忌搜索算法优化初始解,从而可以得到未知节点的最优位置。为验证该算法能否提高传统定位方法的定位精度,该文使用MATLAB进行了仿真实验。仿真结果表明,优化后未知节点的定位精度得到了很大的提高。
【文章来源】：传感技术学报. 2019,32(06)北大核心CSCD
【文章页数】：6 页
【部分图文】：
锚节点比例与定位误差关系图不同节点总数
传感技术学报chinatransducers．seu．edu．cn第32卷的优化效果，与传统Amorphous定位算法相比有更小的定位误差，更高的定位精度。从仿真数值上看，IAmorphous-GATS的优化效果明显，定位误差分别比传统Amorphous定位算法、IAmorphous-TS定位算法、IAmorphous-GA定位算法下降30．2%、20．6%、14．7%。图3锚节点比例与定位误差关系图4．2．3不同节点总数观察节点总数对实验的算法的影响时，控制通信半径为30m，锚节点比例为30%。仿真结果如图4所示，从仿真结果中可以看出随着节点总数的增加，整体平均定位误差在减小。在节点总数达到250个时平均定位误差逐渐趋于平稳。从仿真结果可以看出，本文提出的IAmorphous-GATS定位算法对修正未知节点信息有更明显的优化效果，与传统Amorphous定位算法相比有更小的定位误差，更高的定位精度。从仿真数值上看，IAmor-phous-GATS的优化效果更加明显，定位误差分别比传统Amorphous定位算法、IAmorphous-TS定位算法、IAmorphous-GA定位算法下降33．9%、23．3%、13．5%。图4节点总数与定位误差关系图4．2．4算法复杂度为了解本文提出算法的在实际执行时占用时间资源的情况，设置节点总数为100、通信半径为40m、锚节点所占比例为30%时算法运行情况。这也说明了IAmorphous-GATS也以一定的算法复杂度换取了定位精度。表1算法的运行时间算法N_errorruntime/sAmorphous0．3312．3Amorphous-GATS0．2313．55结论本文针对传统的Amorphous定位算法进行了分析，在以Amorphous算法为基础的条件下进行了未知节点定位信息的优化。首先提出使用划?
第6期胡伟，袁三男等:遗传－禁忌搜索优化的Amorphous定位算法图1遗传－禁忌搜索优化的Amorphous算法流程图4仿真分析4．1仿真环境为了验证本文提出的算法在实际操作中的应用效果，在MATLAB平台进行了IAmorphous-GATS定位算法的仿真实验。迭代次数为100，交叉概率为0．6，禁忌表长度为10。为验证本文提出优化算法的优化效果，使用Amorphous算法、IAmorphous算法和IAmorphous-GATS定位算法在一定条件下进行对比。使用归一化定位误差比较不同算法的定位性能，Error=∑Ni=1(xi－x珋i)2－(yi－y珋i)槡2N×Ｒ(11)式中，(xi，yi)、(x珋i，y珋i)分别表示节点的定位位置和实际位置，N为未知节点数目，Ｒ表示节点的通信半径。4．2仿真实验与分析在做仿真实验的过程中，主要是观察通信半径、锚节点比例及节点总数对定位算法的影响。因此，在实验中采取控制变量法对这三个影响因素分别进行了观察。为了得到更好的实验对比效果，本次实验包括传统Amorphous定位算法、改进跳数的IAmorphous-TS(ImprovedAmorphousTabu-SearchLo-cation)定位算法、IAmorphous-GA(ImprovedAmorphousGenetic-AlgorithmLocation)定位算法和IAmorphous-GATS(ImprovedAmorphousGenetic-Al-gorithmTabu-SearchLocation)。4．2．1不同通信半径观察通信半径对实验的算法的影响时，控制节点总数为100，锚节点比例为30%。仿真结果如图2所示，对于三种定位算法整体来看，都是随着通信半径的增加定位的误差在逐渐减小。最终在通信半径大于30m时误
【参考文献】：
期刊论文
[1]基于RSS阈值模型的Amorphous算法定位误差抑制[J]. 宋海声,朱长驹,吴佳欣,杨鸿武. 计算机工程与科学. 2018(05)
[2]无线传感器网络应用综述[J]. 任志玲,张广全,林冬,张钟保,赵星. 传感器与微系统. 2018(03)
[3]基于DV-Hop测距修正的遗传模拟退火定位算法[J]. 徐慧娟. 传感技术学报. 2018(01)
[4]基于Amorphous的无线传感器网络定位算法研究[J]. 崔晓丽,陈雯柏,郝翠. 传感器世界. 2017(07)
[5]改进的无线传感网络节点定位系统的设计与研究[J]. 陈世文,刘睿强,王一男. 现代电子技术. 2016(24)
[6]无线传感器网络定位算法原理与研究进展概述[J]. 王刚刚,王正. 木工机床. 2016(02)
[7]混合遗传算法在WSNs定位中的应用[J]. 刘彦隆,吕显朋,王相国. 传感器与微系统. 2014(02)
[8]一种基于经典遗传算法的自适应随机共振系统[J]. 吴利平,李赞,李建东,陈晨. 计算机科学. 2011(11)
[9]一种无线传感器的Amorphous定位算法改进[J]. 刘颖. 制造业自动化. 2011(01)
硕士论文
[1]无线传感器网络非测距定位算法研究[D]. 李江雯.重庆大学 2013
本文编号：3616850
【文章来源】：传感技术学报. 2019,32(06)北大核心CSCD
【文章页数】：6 页
【部分图文】：
锚节点比例与定位误差关系图不同节点总数
传感技术学报chinatransducers．seu．edu．cn第32卷的优化效果，与传统Amorphous定位算法相比有更小的定位误差，更高的定位精度。从仿真数值上看，IAmorphous-GATS的优化效果明显，定位误差分别比传统Amorphous定位算法、IAmorphous-TS定位算法、IAmorphous-GA定位算法下降30．2%、20．6%、14．7%。图3锚节点比例与定位误差关系图4．2．3不同节点总数观察节点总数对实验的算法的影响时，控制通信半径为30m，锚节点比例为30%。仿真结果如图4所示，从仿真结果中可以看出随着节点总数的增加，整体平均定位误差在减小。在节点总数达到250个时平均定位误差逐渐趋于平稳。从仿真结果可以看出，本文提出的IAmorphous-GATS定位算法对修正未知节点信息有更明显的优化效果，与传统Amorphous定位算法相比有更小的定位误差，更高的定位精度。从仿真数值上看，IAmor-phous-GATS的优化效果更加明显，定位误差分别比传统Amorphous定位算法、IAmorphous-TS定位算法、IAmorphous-GA定位算法下降33．9%、23．3%、13．5%。图4节点总数与定位误差关系图4．2．4算法复杂度为了解本文提出算法的在实际执行时占用时间资源的情况，设置节点总数为100、通信半径为40m、锚节点所占比例为30%时算法运行情况。这也说明了IAmorphous-GATS也以一定的算法复杂度换取了定位精度。表1算法的运行时间算法N_errorruntime/sAmorphous0．3312．3Amorphous-GATS0．2313．55结论本文针对传统的Amorphous定位算法进行了分析，在以Amorphous算法为基础的条件下进行了未知节点定位信息的优化。首先提出使用划?
第6期胡伟，袁三男等:遗传－禁忌搜索优化的Amorphous定位算法图1遗传－禁忌搜索优化的Amorphous算法流程图4仿真分析4．1仿真环境为了验证本文提出的算法在实际操作中的应用效果，在MATLAB平台进行了IAmorphous-GATS定位算法的仿真实验。迭代次数为100，交叉概率为0．6，禁忌表长度为10。为验证本文提出优化算法的优化效果，使用Amorphous算法、IAmorphous算法和IAmorphous-GATS定位算法在一定条件下进行对比。使用归一化定位误差比较不同算法的定位性能，Error=∑Ni=1(xi－x珋i)2－(yi－y珋i)槡2N×Ｒ(11)式中，(xi，yi)、(x珋i，y珋i)分别表示节点的定位位置和实际位置，N为未知节点数目，Ｒ表示节点的通信半径。4．2仿真实验与分析在做仿真实验的过程中，主要是观察通信半径、锚节点比例及节点总数对定位算法的影响。因此，在实验中采取控制变量法对这三个影响因素分别进行了观察。为了得到更好的实验对比效果，本次实验包括传统Amorphous定位算法、改进跳数的IAmorphous-TS(ImprovedAmorphousTabu-SearchLo-cation)定位算法、IAmorphous-GA(ImprovedAmorphousGenetic-AlgorithmLocation)定位算法和IAmorphous-GATS(ImprovedAmorphousGenetic-Al-gorithmTabu-SearchLocation)。4．2．1不同通信半径观察通信半径对实验的算法的影响时，控制节点总数为100，锚节点比例为30%。仿真结果如图2所示，对于三种定位算法整体来看，都是随着通信半径的增加定位的误差在逐渐减小。最终在通信半径大于30m时误
【参考文献】：
期刊论文
[1]基于RSS阈值模型的Amorphous算法定位误差抑制[J]. 宋海声,朱长驹,吴佳欣,杨鸿武. 计算机工程与科学. 2018(05)
[2]无线传感器网络应用综述[J]. 任志玲,张广全,林冬,张钟保,赵星. 传感器与微系统. 2018(03)
[3]基于DV-Hop测距修正的遗传模拟退火定位算法[J]. 徐慧娟. 传感技术学报. 2018(01)
[4]基于Amorphous的无线传感器网络定位算法研究[J]. 崔晓丽,陈雯柏,郝翠. 传感器世界. 2017(07)
[5]改进的无线传感网络节点定位系统的设计与研究[J]. 陈世文,刘睿强,王一男. 现代电子技术. 2016(24)
[6]无线传感器网络定位算法原理与研究进展概述[J]. 王刚刚,王正. 木工机床. 2016(02)
[7]混合遗传算法在WSNs定位中的应用[J]. 刘彦隆,吕显朋,王相国. 传感器与微系统. 2014(02)
[8]一种基于经典遗传算法的自适应随机共振系统[J]. 吴利平,李赞,李建东,陈晨. 计算机科学. 2011(11)
[9]一种无线传感器的Amorphous定位算法改进[J]. 刘颖. 制造业自动化. 2011(01)
硕士论文
[1]无线传感器网络非测距定位算法研究[D]. 李江雯.重庆大学 2013
本文编号：3616850
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3616850.html
