基于Hopfield神经网络的UWSNs移动信标路径规划

发布时间：2021-12-02 01:56

　　结合水声信道传播损耗模型,将所有节点中位置重要、邻居节点多的节点选为虚拟信标节点,使信标节点到各个虚拟信标节点位置向周围广播,完全覆盖整个网络。提出筛选策略,最小化虚拟信标节点的数量。把所有虚拟信标节点的路径规划看作旅行商问题（TSP）,通过Hopfield神经网络将虚拟节点连接起来,使路径总长度最小。为解决Hopfield神经网络的随机性,使其适用于数量较大的TSP,在结束条件部分引入交叉算子Position-based Crossover的思想,提出交叉策略,减少规划的路径总长度。仿真实验证明:该策略能解决水下无线传感器网络（UWSNs）移动信标节点的路径规划问题,且能有效减少路径总长度。 

【文章来源】：传感器与微系统. 2020,39(04)CSCD

【文章页数】：5 页

【部分图文】：

待选择虚拟节点

Hopfield神经网络是一种单层互相全连接的反馈型神经网络[9]。每个神经元既是输入也是输出，网络中的每一个神经元都将自己的输出传送给所有其它神经元，同时又都接收所有其它神经元传递过来的信息。Hopfield神经网络的结构模型如图2所示。对于神经元i而言，Ii是其输入电流，Ri和Ci分别为其等效输入电阻和电容，Ui是输入状态，Vi是输出状态，Vi通常为

Position-based Crossover的思想是遗传算法中的交叉算子，本来是在一对附带基因中选择相同位置，先将选中的基因在另一个父代中的位置，再将其余基因按顺序放入上一步生成的子代从已有序列中。在本问题中无需使用如此繁琐的方式，所以借助Position-based Crossover思想提出:在路径规划后，从路径序列中通过选择概率选n个位置，再对选出的位置进行随机交叉。考虑合理性，每次选择的不宜太多，故n该为2到|V|/3的随机整数。位置选择概率应该考虑节点与相邻两点距离越大，其被选择交叉的概率越大。所以位置选择概率Pi为


本文编号：3527495