基于反向学习的群居蜘蛛优化WSN节点定位算法
WSN node localization based on social spider optimization and opposition based learning作者机构:南华大学资源环境与安全工程学院湖南衡阳421001 湖南省铀尾矿库退役治理技术工程技术研究中心湖南衡阳421001
出 版 物:《控制与决策》 (Control and Decision)
年 卷 期:2021年第36卷第10期
页 面:2459-2466页
核心收录:
学科分类:0810[工学-信息与通信工程] 08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金项目(11875164) 湖南省重点研发计划项目(2018SK2055) 国家应急管理部安全生产重特大事故防治关键技术科技项目(hunan-0001-2018AQ) 湖南省研究生科研创新项目(CX20190721)。
主 题:无线传感器网络 节点定位 群居蜘蛛优化 反向学习 Bounding-box方法 启发算法
摘 要:针对启发优化算法在WSN节点定位问题中定位精度不高和收敛速度较慢的缺陷,提出基于反向学习的群居蜘蛛优化WSN节点定位算法.为减少前期随机搜索,所提出算法首先通过Bounding-box方法得到未知节点可能存在的区域,在该区域初始化启发个体,并将加权中心反向学习策略与群居蜘蛛群优化算法相结合,求解未知节点估计位置,提高算法全局搜索能力.仿真结果表明,相比于传统算法,所提出算法收敛速度更快,节点定位精度更高.