基于蝙蝠算法的無線傳感網(wǎng)絡節(jié)點定位研究.pdf

1、隨著科技的進步，無線傳感網(wǎng)絡(wireless sensor network，WSN)作為一種新興技術，集成了傳感器技術、現(xiàn)代無線通信技術、分布式信息處理等技術，廣泛應用于醫(yī)療衛(wèi)生、軍事、智能交通、環(huán)境監(jiān)測等領域，是國內(nèi)外關注焦點。在各種應用場景中，無線傳感網(wǎng)絡的節(jié)點位置信息的精確程度是衡量整個網(wǎng)絡性能優(yōu)劣的標準之一，也是無線傳感網(wǎng)絡廣泛應用的保證，因此節(jié)點定位技術一直是無線傳感網(wǎng)絡的關鍵技術和研究熱點。
　　節(jié)點定位算法中為了保

2、證節(jié)點預測位置的準確性，通常采用基于接收信號強度指示(Received Signal Strength Indicator，RSSI)、基于到達時間的定位技術(Time of Arrival，TOA)、基于信號到達時間差的測距技術(Time Difference of Arrival，TDOA)、基于到達角度的測距技術(Angle-of-Arrival，AOA)等一些基于測距的相關定位算法來實現(xiàn)節(jié)點距離信息的求解。在得到節(jié)點之間的距離后

3、，通過三邊定位、三角定位、最大似然估計等方法計算出未知節(jié)點的位置坐標。但在這些基本的定位算法的實際應用中，無法完全消除誤差，使得測距誤差對定位結果影響極大。因此本文在分析研究無線傳感網(wǎng)絡節(jié)點定位的基礎上，將蝙蝠算法(Bat Algorithm, BA)及其改進算法引入到無線傳感網(wǎng)絡節(jié)點位置優(yōu)化的問題上，通過智能優(yōu)化算法的自身的優(yōu)越性來補償測距誤差等因素對定位精度的影響，從而提高節(jié)點精度。
　　本文主要研究工作如下：
　　(1

4、)研究了蝙蝠算法的全局收斂性問題。本文在深入闡述無線傳感網(wǎng)絡節(jié)點定位的理論基礎上，將節(jié)點定位問題轉化為數(shù)學優(yōu)化問題，通過蝙蝠算法進行優(yōu)化求解。蝙蝠算法每一次進化的實質(zhì)是一個隨機過程，滿足Markov鏈的過程條件，因此本文首先將Markov鏈模型引入到基本蝙蝠算法，詳細論證了蝙蝠群體狀態(tài)空間具有的可約性和齊次性，并對蝙蝠算法的收斂性進行了理論分析，推導出蝙蝠算法的種群序列能以概率收斂于最優(yōu)解集，具有全局收斂性。隨后，將蝙蝠算法應用到無線傳

5、感網(wǎng)絡節(jié)點定位的問題上，實驗結果顯示了蝙蝠算法具有明顯優(yōu)于其他算法的尋優(yōu)性能，提高了節(jié)點定位的精度。
　　(2)提出了基于自學習能力的變異蝙蝠算法的無線傳感網(wǎng)絡節(jié)點定位方法。在研究分析基本蝙蝠算法存在易陷于局部最優(yōu)，后期收斂速度較慢等問題的基礎上，提出了具有自學習能力的變異蝙蝠算法。該算法融入了變異操作和自我優(yōu)化操作，變異操作使得每個蝙蝠個體可以動態(tài)成比例地形成變異群，依據(jù)貪婪選擇機制，在變異群中尋找優(yōu)良個體，增加了種群的多樣性，

6、避免個體退化。自我優(yōu)化算子使全局最優(yōu)個體在小范圍內(nèi)再次進行自我學習，可以引導算法進行深度搜索。改進的算法增強了跳出局部最優(yōu)的能力，避免算法早熟，提高了算法的優(yōu)化精度和收斂速度。通過對基本標準函數(shù)的測試，驗證了算法具有尋優(yōu)能力強，搜索精度高的優(yōu)點。將改進算法應用到無線傳感網(wǎng)絡節(jié)點定位的問題上，實驗結果表明，節(jié)點的定位精度進一步提高，降低了測距誤差對定位精度影響，有很好的應用前景。
　　(3)提出了基于多智能體蝙蝠算法的無線傳感網(wǎng)絡節(jié)

7、點定位方法。為了進一步提高蝙蝠算法的性能，首先提出了基于多智能體的蝙蝠算法，該算法對尋優(yōu)的蝙蝠個體融入多智能體技術，充分利用個體能動性和個體間互動性，使個體通過鄰域競爭合作算子以及自學習過程提高了算法全局搜索能力，避免算法陷入局部最優(yōu)，加快算法的收斂速度。通過對標準測試函數(shù)的仿真，改進算法相比于其他算法，尋優(yōu)精度和進化效率得到了較大的提高。隨后通過多智能體蝙蝠算法求解無線傳感節(jié)點定位問題，實驗結果表明改進算法減少了測距誤差對定位精度的影