Logistic映射与差分进化改进人工蜂群优化水下定位

作     者：陈嘉兴 刘扬 刘晓茜 刘志华 

作者机构：河北师范大学数学科学学院 河北正定师范高等专科学校 河北师范大学中燃工学院 河北师范大学计算机与网络空间安全学院 河北省无线传感器网络数据应用技术创新中心 河北省信息融合与智能控制重点实验室 

出 版 物：《工程科学与技术》 (Advanced Engineering Sciences)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 081505[工学-港口、海岸及近海工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0815[工学-水利工程] 0824[工学-船舶与海洋工程] 0835[工学-软件工程] 0814[工学-土木工程] 082401[工学-船舶与海洋结构物设计制造] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：基于能量收集的水下无线传感网络的节能技术研究(62171179) 大尺度水声传感器网络精准节点定位技术研究(61771181) 

主　　题：人工蜂群优化 水下定位 Logistic混沌映射 适应度方差 权重因子 

摘      要：水下节点定位算法通常采用距离估算法，在节点之间利用点到点距离估计或基于角度估计来完成节点定位，但会存在较大的定位误差。人工蜂群(Artificial Bee Colony， ABC)优化算法通过将节点定位结果优化问题转化为对节点目标函数的优化问题，提高对水下节点的定位精度，然而算法在迭代过程中存在收敛速度慢、易陷入局部最优的问题，对此本文提出了Logistic混沌映射与差分进化改进的人工蜂群优化水下定位算法(Improved Artificial Bee Colony Optimization Underwater Localization by Logistic Mapping and Differential Evolution， LDIABC)。首先，在算法种群初始化阶段引入Logistic混沌映射，利用该映射函数产生的混沌序列代替随机数生成器，从而使种群在初始化分布时蜜源位置更均匀，并从理论上证明了Logistic混沌序列的互异性，避免由于种群分布过于密集导致算法在迭代过程中陷入局部最优；其次，提出了适应度方差这一标准来验证在算法迭代过程中未陷入局部最优，进一步证明其有效性；然后，在引领蜂搜索阶段，基于差分进化的变异策略，提出了权重因子改进引领蜂邻域搜索方式，提高引领蜂的全局搜索效率，加快了算法的收敛速度。最后，仿真实验表明，LDIABC算法能够有效避免传统ABC算法收敛速度慢和易陷入局部最优的问题。相比于Tent-IABC算法、ELOABC算法、CODEGWO算法以及SAPSO算法，LDIABC算法的收敛速度更快，节点定位成功率更高，并且在优化定位精度上分别提升了6.36%、13.33%、14.16%和16.88%，由此证明LDIABC算法能够有效提升水下节点定位精度，表现出良好的优化效果。