The invention relates to the field of wireless sensor networks and intelligent computing, and relates to a localization method for wireless sensor networks based on adaptive differential evolution algorithm. The method integrates neighborhood information and historical search information into coding on the basis of basic differential evolution algorithm, and introduces an adaptive control mechanism, which is based on adaptive differential evolution algorithm and combined with adaptive co-party. Differential matrix evolution strategy is an efficient localization method for wireless sensor networks. The self-adaptive mechanism is proposed to control global search and local search. By combining the strong global search ability of differential evolution algorithm and the excellent local search ability of adaptive covariance matrix evolution strategy, the positioning accuracy and robustness of wireless sensor networks are improved.
【技术实现步骤摘要】
基于自适应差分进化算法的无线传感器网络定位方法
本专利技术涉及无线传感器网络和智能计算领域,主要涉及一种基于自适应差分进化算法的无线传感器网络定位方法。
技术介绍
定位技术是无线传感器网络的关键技术之一,最简单的定位技术是给每个传感器配备一个全球定位系统,以此获取位置信息,但这样会导致成本过高、消耗能量大的问题,因此网络的设计者通常只给极少量的传感器配备定位装置使它们可以精确获得自身的位置,这些传感器又称为锚点。无线传感器网络的节点定位依靠这些锚点的位置信息和节点之间的距离信息等来估测网络中其它传感器节点的位置信息。由于受到传感器节点计算能力、消耗能量以及通信带宽等的限制,设计出高效的定位算法成为无线传感器网络研究领域中的热点问题。按照定位过程是否需要节点测量距离,可以将当前提出的定位算法分为两类:距离相关和距离无关。距离相关算法需要获取节点之间的距离或角度信息,然后再通过三角测量、三边测量或者极大似然估计等数学方法求出节点的位置,典型的算法有TOA、AOAO和TDOA等。距离相关算法能提供较为精确的定位,但是对传感器的硬件要求较高,而距离无关算法则无需测量节点间的距离或角度信息,采用间接的方法如网络跳数、网络连通度等来估计节点的位置。虽然距离无关算法的定位精度相对较低,但是降低了节点的硬件要求,减少了节点的功耗和成本,在实际应用中能满足粗粒度的定位要求,典型的算法有质心算法、凸规划、APIT和MDS-MAP等。无线传感器网络的定位是一个复杂的多峰优化问题,传统的算法很容易陷入局部最优解。近年来,陆续有学者尝试采用进化算法来优化无线传感器网络的定位精度,例 ...
【技术保护点】
1.基于自适应差分进化算法的无线传感器网络定位方法,其特征在于,包括:S1初始化算法的参数,并产生NP个随机个体作为差分进化算法的初始种群;S2执行全局搜索模块GSC,采用差分进化算法的搜索机制来实现全局搜索,即利用差分进化算法的变异操作、交叉操作和选择操作产生NP个新个体;S3执行步骤S2一定代数后更新GSC的进化效率,如果符合条件C1则执行步骤S4;反之,如果算法达到结束条件则终止,否则继续执行步骤S2;S4执行局部搜索模块LSC,即从当前的种群中选择出一个具有最大进化效率的个体,对其应用自适应协方差进化策略CMA‑ES的搜索机制进行局部优化操作;S5执行步骤S4一定代数后更新LSC的进化效率,如果符合条件C2则继续执行步骤S4;反之,如果算法达到结束条件则终止,否则执行步骤S2。
【技术特征摘要】
1.基于自适应差分进化算法的无线传感器网络定位方法,其特征在于,包括:S1初始化算法的参数,并产生NP个随机个体作为差分进化算法的初始种群;S2执行全局搜索模块GSC,采用差分进化算法的搜索机制来实现全局搜索,即利用差分进化算法的变异操作、交叉操作和选择操作产生NP个新个体;S3执行步骤S2一定代数后更新GSC的进化效率,如果符合条件C1则执行步骤S4;反之,如果算法达到结束条件则终止,否则继续执行步骤S2;S4执行局部搜索模块LSC,即从当前的种群中选择出一个具有最大进化效率的个体,对其应用自适应协方差进化策略CMA-ES的搜索机制进行局部优化操作;S5执行步骤S4一定代数后更新LSC的进化效率,如果符合条件C2则继续执行步骤S4;反之,如果算法达到结束条件则终止,否则执行步骤S2。2.根据权利要求1所述的无线传感器网络定位方法,其特征在于,无线传感器网络定位方法的个体编码方式扩展为两部分:第一部分包含一个代表性的解,该部分的信息将在一个全局优化模块GSC的运作下进行搜索;第二部分包含一个随机区域,该部分的信息将在一个局部优化模块LSC进行下局部优化。3.根据权利要求2所述的无线传感器网络定位方法,其特征在于,所述个体编码方式中一个个体表达成如下公式的形式:其中:X是该个体所包含的代表性解;m是多元高斯分布的均值向量;C是协方差矩阵;σ是变异步长;pC和pσ分别是C和σ的进化路径;是对LSC的进化效率的评估值,用于判断自适应控制算法是否继续执行GSC或LSC。4.根据权利要求3所述的无线传感器网络定位方法,其特征在于,提出一种自适应机制来控制全局搜索模块和局部搜索模块,所述自适应机制中用来评估算法进化效率的评估函数为:其中A代表GSC或者LSC;Apbest是在执行评估前算法A所找到的最优适应度;Acbest是算法在执行...
【专利技术属性】
技术研发人员:张军,龚月姣,陈伟能,余维杰,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。