一种基于虎鲸算法优化的无线传感器网络节点定位方法技术

欧氏空间模矢量跳数算法在估算距离阶段计算时，由于其使用平均跳距的计算方式，估算结果不可避免地受到网络中节点分布位置的影响，会产生一定的定位误差。本发明专利技术提供一种结构简单、收敛速度快和容易跳出局部最优的虎鲸算法，对传统的欧氏空间模矢量跳数算法进行优化，以无线传感器网络节点排布空间作为虎鲸搜索空间，用欧氏空间模矢量跳数算法估算信标节点和未知节点的距离，通过Cat混沌映射获取初始化虎鲸种群，计算虎鲸个体适应度，采用自适应权重策略和随机差分法变异策略更新虎鲸个体在包围猎物阶段和螺旋更新阶段的位置，虎鲸算法不断迭代直至满足设定目标或迭代达到设定次数，最后输出虎鲸最优个体位置，并将其作为未知节点位置，完成无线传感器网络节点定位。位。位。

【技术实现步骤摘要】
一种基于虎鲸算法优化的无线传感器网络节点定位方法


[0001]本专利技术涉及一种无线传感器网络节点定位的技术，尤其涉及一种基于虎鲸算法优化的定位方法。

技术介绍

[0002]在无线传感器网络中，存在着两类节点，将其中一类知道位置信息的网络节点叫做锚节点，也叫做信标节点，而另一类不知道位置信息的网络节点叫做普通节点，也叫做未知节点。无线传感器网络在提供服务时，往往需要精确监测无线传感器网络各个节点的运行状态，而要想精确监测节点则需要知道该节点的位置信息。因此，一种能够通过已知节点位置求得未知节点位置的技术应运而生，这就是节点定位技术。节点定位技术是无线传感器网络中一项关键的技术，在众多节点定位技术中，欧氏空间模矢量跳数[1] 具有较好的实用性和研究价值。
[0003]欧氏空间模矢量跳数算法是一种典型的定位算法，具有高性能、低消耗等优点。算法分为三个阶段：记录阶段、估算距离阶段和定位阶段。欧氏空间模矢量跳数算法在估算距离阶段计算时，由于其使用平均跳距的计算方式，估算结果不可避免地受到网络中节点分布位置的影响，会产生一定的定位误差。国内外研究人员提出了多种改进方法，其中包括以智能优化算法代替欧氏空间模矢量跳数算法定位阶段的方式来减少误差，并取得了不错的成果。但由于现阶段的智能优化算法在搜索能力、收敛速度等方面仍然存在不少的缺点，如何改善这些缺点成为值得关注的一个问题。

技术实现思路

[0004]本专利技术要解决的技术问题是克服欧氏空间模矢量跳数算法的不足，提供一种结构简单、收敛速度快和容易跳出局部最优的虎鲸算法，对传统的欧氏空间模矢量跳数定位算法进行优化，实现无线传感器网络节点的定位。
[0005]本专利技术的技术方案是：以无线传感器网络节点排布空间作为虎鲸搜索空间，用欧氏空间模矢量跳数算法估算信标节点和未知节点的距离，通过Cat混沌映射获取初始化虎鲸种群，计算虎鲸个体适应度，采用自适应权重策略和随机差分法变异策略更新虎鲸个体在包围猎物阶段和螺旋更新阶段的位置，虎鲸算法不断迭代直至满足设定目标或迭代达到设定次数，最后输出虎鲸最优个体位置，并将其作为未知节点位置，完成无线传感器网络节点定位。
[0006]利用虎鲸算法对欧氏空间模矢量跳数算法优化的过程包括以下步骤：S1：在指定搜索空间中随机部署若干个信标节点和未知节点，并使用欧氏空间模矢量跳数定位阶段算法估算信标节点和未知节点的距离，设置最大迭代次数。
[0007]S2：设置虎鲸种群规模为，用Cat二维混沌映射初始化虎鲸种群。
[0008]Cat映射是可逆的二维混沌映射，具有不规律性、随机性及遍及性等特点，用此方式可以产生均匀分布的个体。可用如下公式表示：式中，取两个[0,1]之间的随机数作为x和y的初始值，为混沌变量序号，通过此公式可产生和两个混沌序列，这里取作逆映射到搜索空间得到虎鲸种群的初始种群位置，公式如下：式中，表示搜索空间的上下限。
[0009]S3：将未知节点和所有信标节点的距离总误差作为未知节点的适应度，计算虎鲸个体适应度。
[0010]适应度计算公式如下：式中，表示信标节点的坐标。
[0011]S4：将虎鲸种群根据适应度进行排序，从排序结果中，选择最好适应度的个体为最优个体，位置记为。
[0012]S5：虎鲸随机使用包围猎物或者螺旋更新的方式捕猎猎物，两种方式概率相等，虎鲸的位置发生更新，取p为[0,1]之间的随机数。
[0013]当p<0.5时，虎鲸使用包围猎物的方式捕猎猎物，此时虎鲸会选择向随机一只虎鲸移动或者向最优个体虎鲸移动。
[0014]a：向随机一只虎鲸移动。
[0015]采用自适应权重策略，引入自适应权重因子，平衡算法迭代前后期的全局和局部探索能力，自适应权重因子用以下公式表示：自适应权重因子在迭代前期下降较缓，在后期下降较快，得到引入权重因子后的虎鲸的位置更新公式为：
式中，表示第i个个体迭代到第t代的位置，表示随机虎鲸的位置。A和C为系数向量，表示为,，其中,是[0,1]的随机数，a是一个控制参数，可表示为：，一般地，当时，虎鲸向最优个体移动，否则向随机个体移动。
[0016]b：向最优个体虎鲸移动。
[0017]由于虎鲸算法容易陷入局部最优的缺点，无法保证局部求优的精确性，此时采用随机差分法变异策略来更新虎鲸的位置，虎鲸的位置更新公式为：式中，和均为[0,1]之间的随机数。
[0018]当p≥0.5时，虎鲸使用螺旋更新的方式捕猎猎物, 由于螺旋间距的影响，算法可能出现遍历不完整的情况，从而降低算法寻优的稳定性，此时采用自适应权重策略来更新虎鲸的位置，虎鲸的位置更新公式如下：式中，b是一个常数，默认取1，是[
‑
1,1]的随机数。
[0019]S6：采用败者淘汰策略比较个体进化程度，更新进化虎鲸种群。
[0020]败者淘汰策略是指在虎鲸种群在不断更新迭代的过程中，将进化程度较低的个体淘汰，然后重新生成一个进化程度较高的个体。
[0021]第t代种群第i个个体的进化程度可用适应度差表示，如下：式中，表示该个体第t代时的适应度。
[0022]将所有个体的适应度进行比较，得到进化程度最高的个体以及它的进化程度F，然后将第i个个体与它进行比较，得到进化程度差，若，则保留该个体，否则淘汰此个体并重新生成新的个体。生成新个体公式如下：将生成的新个体加入虎鲸种群，得到新的虎鲸种群。S7：重新计算新虎鲸种群每个个体的适应度，并选择最好适应度的个体作为最优个体。
[0023]S8：反复执行步骤S3
‑
S7直到迭代次数达到规定最大迭代次数，将最优个体作为未知节点输出。
[0024]本专利技术的优点是：本专利技术提供了虎鲸算法对欧氏空间模矢量跳数算法进行优化，改善了其在全局搜索、局部搜索和跳出局部最优等方面的不足，具有步骤简单、容易实现的特点，并在无线传感器网络节点定位中拥有较高的定位精确性和稳定性。
附图说明
[0025]图1是本专利技术总体流程图；图2是本专利技术所述案例的虎鲸搜索空间节点分布图。
具体实施方式
[0026]下面结合具体实验实例进一步验证本专利技术。
[0027]选取一个面积为的实验区域，并在区域中随机部署20个信标节点和40个未知节点，如附图2所示，其中，信标节点由实心圆表示。设置虎鲸种群规模为20，设置最大迭代次数为100。本次实验选取的对比对象为欧氏空间模矢量跳数算法、PSO优化的欧氏空间模矢量跳数算法和IGWO优化的欧氏空间模矢量跳数算法。为了避免实验的偶然性，取四种算法各自30次实验结果的平均值，得到未知节点的实际坐标和算法预估坐标，进而得到四种算法的平均误差。为了进一步体现四种算法的定位误差，采用归一化的方式计算定位标准差来评价算法的定位性能。归一化公式如下：式中，和分别表示未知节点的预估坐标和实际坐标，N为未知节点的个数。
[0028]得到四种算法的平均误差和标准差如下表：从表中可以看出，本专利技术提供的算法的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明提供一种改进的无线传感器网络节点欧氏空间模矢量跳数算法定位方法，其特征在于，包括以下步骤：（1）以无线传感器网络节点排布空间作为虎鲸搜索空间，用欧氏空间模矢量跳数算法估算信标节点和未知节点的距离；（2）通过Cat混沌映射获取初始化虎鲸种群，计算虎鲸个体适应度；（3）采用自适应权重策略和随机差分法变异策略输出虎鲸最终最优个体位置，并将其作为未知节点位置，完成无线传感器网络节点定位。2.根据权利要求1所述的一种改进的无线传感器网络节点欧氏空间模矢量跳数算法定位方法，其特征在于，所述步骤（1）具体包括：在指定搜索空间中随机部署若干个信标节点和未知节点，并使用欧氏空间模矢量跳数算法定位阶段算法估算信标节点和未知节点的距离，设置最大迭代次数。3.根据权利要求1所述的一种改进的无线传感器网络节点欧氏空间模矢量跳数算法定位方法，其特征在于，所述步骤（2）具体包括：
①
设置虎鲸种群规模为，取两个[0,1]之间的随机数作为x和y的初始值，为混沌变量序号，通过Cat映射产生和两个混沌序列，取作逆映射到搜索空间得到虎鲸种群的初始种群位置，得到搜索空间的上下限；
②
将未知节点和所有信标节...

【专利技术属性】
技术研发人员：汪鹏，刘新斌，王纯，杨俊，吴昊天，蔡熠，吴军，张江华，邓磊，李涛，王勋，朱广飞，
申请(专利权)人：湖南湖大华龙电气与信息技术有限公司，
类型：发明
国别省市：