差分进化算法的改进及在无线传感器网络定位问题中的应用

发布时间：2017-03-19 22:07

  本文关键词：差分进化算法的改进及在无线传感器网络定位问题中的应用，由笔耕文化传播整理发布。

【摘要】：现实中的很多工程问题最终都可以转化为全局优化问题,而全局优化的目标就是快速而准确地求解出目标函数在可行域内的最优值。自全局优化问题被提出以来,大量的学者对其进行了深入地研究,提出了各种不同的求解方法。这些求解方法可以分为两类,一类是确定性搜索方法;一类是随机性搜索方法。确定性搜索方法中最常见的包括梯度下降法,牛顿法,共轭梯度法,单纯形法等。该类方法的显著优点是收敛速度快,但其对目标函数存在假设,如连续,可微,可导等。而且由于确定性方法的搜索方向都是固定的,因此一旦搜索方向指向的只是局部最优点,便很难再跳出来。随着人们遇到的高维复杂优化问题增多,随机性方法的优势越来越明显。由于对目标函数并不做任何的假设,因此随机性方法的适用范围非常广泛,而且只要设计合理的算法过程,整个算法便能够突破局部最优,寻找到真正的全局最优解。差分进化算法是进化算法中的一个分支。由于差分进化算法结构简单,鲁棒性强,易于与其它方法相结合等特点,因此它已经被大量应用于各种领域中。但现有的差分进化算法存在突破局部最优能力弱,易早熟等不足,且没能有效地利用目标函数性质。这些不足严重影响了差分进化算法的性能,阻碍了其更进一步地应用于实际生产生活中。本文对差分进化算法及其应用进行了研究。首先介绍并详细分析了自适应策略差分进化算法,认为其没有利用目标函数性质且全局搜索性能不足。针对以上不足,提出了基于高维球坐标和梯度搜索策略的自适应差分进化算法。最后,利用14个经典的测试函数对算法进行了测试并与其它算法结果进行对比,证实了算法能够有效地求解高维全局优化问题。为了能够将差分进化算法更进一步的应用到实际生产生活中,差分进化算法被用来解决无线传感器网络中的定位问题。在分析了一般建模方法后发现其对传感器的连接半径假设存在缺陷,并且对整个网络的稳定性没有考虑。因此对无线传感器网络定位问题建模进行改进,将其成功转化为单目标全局优化问题。随后,针对定位问题的特点,对基于高维球坐标和梯度搜索策略的自适应差分进化算法进行优化,使得优化后的算法在前期具有更强的全局搜索能力,而在后期的局部搜索能力则更强。最后,在两种不同的锚节点个数的情况下,利用计算机模拟无线传感器网络进行了两组实验,证明了算法对于无线传感器网络优化问题的有效性。
【关键词】：全局优化 差分进化算法 梯度搜索 高维球坐标搜索 节点定位
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212.9;TN929.5;TP18
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-20
• 1.1 研究背景14
• 1.2 研究方法14-17
• 1.2.1 确定性方法14-16
• 1.2.2 随机性方法16-17
• 1.3 本文主要工作及安排17-20
• 第二章 进化算法20-36
• 2.1 遗传算法20-25
• 2.1.1 基本术语介绍20-22
• 2.1.2 遗传算法详细介绍及研究现状22-24
• 2.1.3 遗传算法具体步骤24-25
• 2.2 粒子群优化算法25-28
• 2.2.1 粒子群优化算法基本介绍25-27
• 2.2.2 粒子群优化算法具体步骤27
• 2.2.3 粒子群优化算法的研究现状27-28
• 2.2.4 粒子群优化算法存在的问题28
• 2.3 差分进化算法28-33
• 2.3.1 差分进化算法基本介绍29-31
• 2.3.2 参数设置31-32
• 2.3.3 差分进化算法具体步骤32
• 2.3.4 差分进化算法研究现状32-33
• 2.4 本章小结33-36
• 第三章 基于高维球坐标和梯度搜索策略的自适应差分进化算法36-50
• 3.1 自适应策略差分进化算法36-39
• 3.1.1 策略自适应36-38
• 3.1.2 参数自适应38
• 3.1.3 讨论38-39
• 3.2 基于高维球坐标和梯度搜索策略的自适应差分进化算法39-46
• 3.2.1 梯度搜索策略算子39-41
• 3.2.2 高维球坐标搜索策略算子41-42
• 3.2.3 实验42-46
• 3.3 本章小结46-50
• 第四章 差分进化算法求解无线传感器网络定位问题50-64
• 4.1 无线传感器定位问题及求解方法介绍50-51
• 4.1.1 基于测距的定位算法50-51
• 4.1.2 基于无测距的定位算法51
• 4.2 差分进化算法求解无线传感器网络定位问题51-56
• 4.2.1 定位问题的一般建模方法51-53
• 4.2.2 改进的定位问题模型53-54
• 4.2.3 改进的差分进化算法54-56
• 4.3 实验56-61
• 4.4 本章小节61-64
• 第五章 总结64-66
• 参考文献66-70
• 致谢70-72
• 作者简介72-73

【相似文献】

中国期刊全文数据库 前10条

1 吴燕玲;卢建刚;孙优贤;;基于免疫原理的差分进化[J];控制与决策;2007年11期

2 杨启文;蔡亮;薛云灿;;差分进化算法综述[J];模式识别与人工智能;2008年04期

3 许小健;黄小平;钱德玲;;自适应加速差分进化算法[J];复杂系统与复杂性科学;2008年01期

4 宁桂英;周永权;;基于优进策略的新差分进化算法动力学模型参数的估计[J];计算机与应用化学;2008年05期

5 谭跃;谭冠政;涂立;;一种新的混沌差分进化算法[J];计算机工程;2009年11期

6 王培崇;钱旭;王月;虎晓红;;差分进化计算研究综述[J];计算机工程与应用;2009年28期

7 肖术骏;朱学峰;;一种改进的快速高效的差分进化算法[J];合肥工业大学学报(自然科学版);2009年11期

8 周萧;王万良;徐新黎;;解决作业车间调度问题的混合差分进化算法[J];轻工机械;2010年05期

9 王艳宜;;改进差分进化算法及其应用[J];机械设计与研究;2010年05期

10 张照生;罗健旭;;基于差分进化算法的模糊神经网络控制器[J];计算机与应用化学;2011年12期

中国重要会议论文全文数据库 前10条

1 陆丝馨;肖健梅;王锡淮;;基于改进差分进化算法的舰船电网重构[A];第二十九届中国控制会议论文集[C];2010年

2 楼洋;李均利;陈刚;;基于个体排序的差分进化算法[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

3 张倩;李海港;;多目标问题的差分进化算法研究[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

4 裴振奎;刘真;赵艳丽;;差分进化算法在多目标路径规划中的应用[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

5 刘国帅;杨侃;陈静;周景舒;周冉;郑姣;;差分进化算法在三峡电站厂内经济运行中的应用[A];中国水文科技新发展——2012中国水文学术讨论会论文集[C];2012年

6 刘潇;桂卫华;王雅琳;王晓丽;阳春华;;一种改进的多目标差分进化算法研究[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 赵娟;蔡涛;邓方;杨红伟;;基于改进差分进化算法的脉冲控制方法[A];中国自动化学会控制理论专业委员会B卷[C];2011年

8 袁沈坚;顾幸生;;基于差分进化的膜计算优化算法[A];上海市化学化工学会2010年度学术年会论文集（自动化专题）[C];2010年

9 姜立强;郭铮;刘光斌;;差分进化算法缩放因子取值策略研究[A];2007'仪表，，自动化及先进集成技术大会论文集（二）[C];2007年

10 倪惠康;杜文莉;钱锋;;基于改进差分进化算法的PID参数优[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

中国博士学位论文全文数据库 前10条

1 孙浩;差分进化多目标优化算法及其在铝热连轧轧制规程中应用[D];燕山大学;2015年

2 陈盈果;面向任务的快速响应空间卫星部署优化设计方法研究[D];国防科学技术大学;2014年

3 谢宇;差分进化的若干问题及其应用研究[D];南京理工大学;2015年

4 丁青锋;基于元胞自动机的差分进化算法及其在通信系统中的应用研究[D];上海大学;2015年

5 董峗;差分进化算法研究及在港口物流调度中的应用[D];东北大学;2015年

6 葛延峰;有关智能优化算法及应用的若干问题研究[D];东北大学;2013年

7 贾东立;改进的差分进化算法及其在通信信号处理中的应用研究[D];上海大学;2011年

8 刘荣辉;多阶段自适应差分进化算法及应用研究[D];东华大学;2012年

9 郭鹏;差分进化算法改进研究[D];天津大学;2012年

10 王旭;改进差分进化算法及其在可逆逻辑综合中的应用[D];东华大学;2013年

中国硕士学位论文全文数据库 前10条

1 万婧;基于离散微粒群算法和混合差分进化算法的复杂生产调度问题求解[D];昆明理工大学;2015年

2 程菲;膜计算在数值优化问题中的应用研究[D];西华大学;2015年

3 王虹菲;基于差分进化的选矿运行指标多目标优化方法[D];东北大学;2014年

4 佟鹏;冷轧供应链合同计划问题的建模与求解[D];东北大学;2014年

5 袁文龙;基于控制思想的差分进化算法改进研究[D];东北大学;2014年

6 刘文壮;基于差分进化的约束求解算法研究[D];吉林大学;2016年

7 唐亚;差分进化算法的改进及其在聚类中的应用[D];广东工业大学;2016年

8 王茜;改进的差分进化算法在冷连轧轧制规程优化中的应用研究[D];燕山大学;2016年

9 贾倩楠;基于变异策略与参数组合操作的差分进化算法研究[D];燕山大学;2016年

10 周谦;差分进化算法的应用研究[D];中原工学院;2016年

  本文关键词：差分进化算法的改进及在无线传感器网络定位问题中的应用，由笔耕文化传播整理发布。

本文编号：256668