[发明专利]一种基于SCE‑PSO算法的无线传感器网络节点三维定位方法

摘要

本发明设计了一种基于SCE‑PSO算法的无线传感器网络节点三维定位方法。通过综合SCE‑UA和PSO两种优化算法的优点，在SCE‑UA算法中利用PSO算法代替下山单纯形算法去进化每一个复合形，从而提出了一种新的算法SCE‑PSO算法。通过引入收敛速度较快的PSO算法，SCE‑PSO算法改善了SCE‑UA算法受问题维数影响较大，收敛速度较慢的缺点，其适合于无线传感器网络节点三维定位。同时利用SCE‑UA算法中的洗牌策略，增加了粒子的多样性，改善了PSO算法中早熟收敛的缺点。本发明采用SCE‑PSO算法进行无线传感器网络三维节点的定位，提高了节点定位精度。

主权项

一种基于SCE‑PSO算法的无线传感器网络节点三维定位方法，其特征在于：通过在SCE‑UA算法中利用PSO算法代替下山单纯形算法去进化每一个复合形，提出了一种新的算法SCE‑PSO算法；该算法综合SCE‑UA和PSO两种优化算法的优点，同时改善了这两种算法的缺点；通过定义一个无线传感器网络节点三维定位的目标函数，将无线传感器网络节点的三维定位问题转化为无约束优化问题，再利用提出的SCE‑PSO算法求解该无约束优化问题，所求出的解就是无线传感器网络节点三维坐标的估计值；该方法包括以下步骤：步骤1：寻找可定位的未知节点；步骤2：通过无线信道模型估计未知节点与锚节点之间的距离；步骤3：写出无线传感器网络节点三维定位的目标函数，将节点定位估计问题转换为无约束优化问题；步骤4：用SCE‑PSO算法求解该无约束优化问题，求出无线传感器网络节点三维坐标的估计值；SCE‑PSO算法的具体求解步骤为：步骤1选取参与进化的复合形个数p(p≥1)和每个复合形所包含的顶点数目m(m≥n+1)，并计算样本点数目s＝p×m；步骤2在可行域内随机产生s个样本点x1，x2，…，xs，分别计算每一个点xi的函数值fi＝f(xi)，i＝1，2，…，s；步骤3把s个样本点(xi，fi)按照函数值的升序排列，排序后仍记为(xi，fi)，i＝1，2，…，s，也就是f1≤f2≤…≤fs，记D＝{(xi，fi)，i＝1，2，…，s}；步骤4将D划分为p个复合形A1，A2，…，Ap，每个复合形含有m个点，其中步骤5采用粒子群算法分别进化每一个复合形；步骤6把进化后的每个复合形的所有顶点组合成新的点集，再次按函数值fi的升序排列，排序后仍记为D，对D按目标函数的升序进行排列；步骤7判断是否满足收敛条件，如果满足则停止迭代，此时具有最小函数值的粒子的位置就是问题的解，否则回到步骤4；其中，步骤5中的粒子群算法进化复合形的步骤为：步骤1将复合形的每个顶点看作一个粒子，初始化各参数，包括加速常数c1和c2，最大迭代次数Tmax，粒子的速度范围[vmin,vmax]，惯性权重的范围[ωmin,ωmax]；步骤2将迭代次数设置为t＝1，随机产生初始粒子的初始速度其中，步骤3将作为每个粒子的最佳位置pid，用目标函数计算每个粒子的最佳适应度值hi，将hi中的最小值作为全局最佳适应度值g，并记录下具有g的粒子的位置gd；步骤4评价每一个粒子，用目标函数计算每个粒子的适应度值对的粒子，令并将具有的粒子位置作为pid的位置；再求出的最小值gt，如果gt<g，令g＝gt，并将具有gt的粒子位置作为gd的位置；步骤5分别根据公式(1)、公式(2)和公式(3)更新惯性权重、粒子的速度和粒子的位置；ω=ωmax-ωmax-ωminTmax×t---(1)]]>vidt+1=ωvidt+c1r1(pid-xidt)+c2r2(gd-xidt)---(2)]]>xidt+1=xidt+vidt+1---(3)]]>步骤6让迭代次数t＝t+1，然后检验t是否小于Tmax，若条件满足转入步骤4，否则，算法停止。