针对无线传感器网络传统距离-矢量(DV-Hop)算法中最小二乘法估计误差过大的问题,提出了一种改进灰狼优化(Grey Wolf Optimization,GWO)算法与DV-Hop融合的算法。首先,利用传统的DV-Hop算法估算出信标节点与各未知节点间的距离。其次,用...针对无线传感器网络传统距离-矢量(DV-Hop)算法中最小二乘法估计误差过大的问题,提出了一种改进灰狼优化(Grey Wolf Optimization,GWO)算法与DV-Hop融合的算法。首先,利用传统的DV-Hop算法估算出信标节点与各未知节点间的距离。其次,用具有自适应策略的改进GWO算法代替最小二乘法来估算未知节点的位置,所做改进包括初始化狼群个体时引入佳点集,以提高初始种群的遍历性;为了加快种群位置的更新速度,对控制参数a采取自适应调整策略,并根据α,β和σ的适应度值加权更新种群位置。最后,采取镜像策略对估算出的越界节点进行处理。实验结果表明,相比于传统DV-Hop算法、文献[1]的算法和文献[2]的算法,所提算法的定位精度更高,稳定性更好。展开更多
文摘针对无线传感器网络传统距离-矢量(DV-Hop)算法中最小二乘法估计误差过大的问题,提出了一种改进灰狼优化(Grey Wolf Optimization,GWO)算法与DV-Hop融合的算法。首先,利用传统的DV-Hop算法估算出信标节点与各未知节点间的距离。其次,用具有自适应策略的改进GWO算法代替最小二乘法来估算未知节点的位置,所做改进包括初始化狼群个体时引入佳点集,以提高初始种群的遍历性;为了加快种群位置的更新速度,对控制参数a采取自适应调整策略,并根据α,β和σ的适应度值加权更新种群位置。最后,采取镜像策略对估算出的越界节点进行处理。实验结果表明,相比于传统DV-Hop算法、文献[1]的算法和文献[2]的算法,所提算法的定位精度更高,稳定性更好。
