GSO算法的改進及其在無線傳感器網(wǎng)絡節(jié)點定位中的應用研究.pdf

1、無線傳感器網(wǎng)絡(Wireless Sensor Networks，WSN)是由布置在監(jiān)測區(qū)域內(nèi)許多微型傳感器節(jié)點互相協(xié)作形成的一個多跳自組織網(wǎng)絡。傳感器節(jié)點的位置信息在WSN的應用中起著至關(guān)重要的作用，因此節(jié)點定位技術(shù)成為WSN的關(guān)鍵技術(shù)。目前WSN的定位技術(shù)分為基于測距的定位技術(shù)和無需測距的定位技術(shù)，基于測距的定位技術(shù)具有較高的定位精度，但其通信能耗較大且需要安裝價格較高的硬件設施;無需測距的定位技術(shù)定位精度相對較低，但其結(jié)點通信能耗

2、較低且無需額外的硬件支持，無需測距的定位技術(shù)因其低成本低能耗的優(yōu)點在實際應用中得到了廣泛的應用，同時也成為了研究者們研究的熱點。
　　目前DV-Hop算法作為一種易實現(xiàn)的典型無需測距定位算法被廣泛應用在WSN的節(jié)點定位中，針對該算法定位精度不高的問題，本文在對DV-Hop算法分析的基礎(chǔ)上引入了螢火蟲群優(yōu)化(Glowworm Swarm Optimization，GSO)算法對其進行改進。GSO算法是一種具有較強通用性的智能優(yōu)化算法

3、，具有較高的尋優(yōu)精度和收斂速度，已成功應用于函數(shù)的優(yōu)化中。由于DV-Hop算法在計算未知節(jié)點和信標節(jié)點的間距時，由于未知節(jié)點認為在WSN的監(jiān)測區(qū)域內(nèi)每一跳的平均距離是相同的，因此會造成較大的定位誤差，本文使用GSO改進算法對DV-Hop定位后期的定位誤差函數(shù)進行優(yōu)化以提高未知節(jié)點位置的定位精度。主要研究工作如下:
　　1.改進螢火蟲群優(yōu)化算法。針對GSO算法本身存在著對初始種群分布的依賴性，后期收斂速度慢且易陷入局部最優(yōu)、早熟和求

4、解精度低等缺陷，本文提出了基于混沌變異的GSO算法和基于混沌慣性權(quán)重位置更新的GSO算法，最后結(jié)合了這兩種改進算法，即基于混合混沌策略的螢火蟲群優(yōu)化算法(MC-GSO)，MC-GSO算法是在螢火蟲陷入局部最優(yōu)時對每個螢火蟲周圍進行混沌變異和引入混沌慣性權(quán)重控制螢火蟲的移動距離。在Matlab仿真平臺通過六個測試函數(shù)證明了MC-GSO算法有更好的收斂性，在求解精度方面也有了較大的提高，而且MC-GSO算法的局部搜索能力也避免了算法早熟收斂

5、的情況。
　　2.由于DV-Hop定位算法的平均跳距存在誤差，以及多條誤差積累等因素，使得DV-Hop算法定位精度不高。為此，本文基于改進的螢火蟲群優(yōu)化算法，提出MGDV-Hop定位算法，用MC-GSO算法替代DV-Hop中第三階段的最小二乘法進行定位，通過建立誤差適應度函數(shù)將坐標線性求解轉(zhuǎn)換為二維組合優(yōu)化問題，解決DV-Hop定位算法定位精度不高的缺陷。仿真結(jié)果表明，MGDV-Hop算法在定位精度、節(jié)點覆蓋率和節(jié)點剩余能量方面都