改進(jìn)粒子群算法及其在傳感器網(wǎng)絡(luò)定位中的應(yīng)用.pdf

1、粒子群優(yōu)化算法（PSO）是一種群集智能搜索算法，來(lái)源于對(duì)鳥(niǎo)類捕食的行為模擬和其模型構(gòu)建。因其定義簡(jiǎn)單，為解決復(fù)雜優(yōu)化問(wèn)題另辟蹊徑且十分有效，因此，許多學(xué)者對(duì)其十分關(guān)注，且經(jīng)過(guò)研究，該算法已在眾多領(lǐng)域得以廣泛應(yīng)用。但由于其理論還很不完善，還存在過(guò)早收斂的問(wèn)題。到目前為止，為改善這些不足，許許多多的改進(jìn)算法被提出。本文在此基礎(chǔ)上，以提高算法性能為最終目的，也深入研究了關(guān)于PSO的改進(jìn)方法，并將此方法成功應(yīng)用于傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)定位中。

2、　　本文先是通過(guò)對(duì)粒子軌跡和算法收斂性的分析，分別對(duì)簡(jiǎn)化PSO系統(tǒng)和一般化PSO系統(tǒng)進(jìn)行研究分析。另外對(duì)無(wú)約束的軌跡實(shí)例分析，更直觀的描述了粒子的收斂性、周期性和離散性?；诖饲胺治稣页鲋率惯^(guò)早收斂的成分和對(duì)其的解決方式。經(jīng)過(guò)研究分析，得出算法的全局收斂條件和局部收斂條件。本文通過(guò)對(duì)基于慣性權(quán)重、學(xué)習(xí)因子、收縮因子、混合算法的改進(jìn)PSO算法的研究，以傳感器的節(jié)點(diǎn)定位為研究背景，充分利用混沌映射的優(yōu)勢(shì)，并結(jié)合PSO，提出了新的改進(jìn)算法，仿