[发明专利]一种基于改进布谷鸟搜索算法的WSN节点定位方法

摘要

本发明提供了一种基于改进布谷鸟搜索算法的WSN节点定位方法，其包括：初始化布谷鸟搜索算法的参数；构建目标函数，利用寻找目标函数的最小值，得到盲节点的位置；步长控制因子a的值随着迭代的进行逐渐减小；计算步长控制因子a，利用levy飞行过程更新鸟窝位置；判断更新后的布谷鸟个体是否超出无线传感器区域；计算鸟窝的适应度；比较得出最佳适应度；判断新的鸟窝位置是否超出无线传感器区域；判断是否达到最大迭代次数，输出全局最佳适应度及对应的鸟巢位置等步骤。本发明的方法具有更快的收敛速度和更高的收敛精度，适用于无线传感器网络定位系统。

主权项

1.一种基于改进布谷鸟搜索算法的WSN节点定位方法，其特征在于包括如下步骤：步骤1：初始化布谷鸟搜索算法的参数，即种群大小n、步长控制因子α的最大值amax与最小值amin、布谷鸟鸟蛋被巢主鸟发现的最大概率Pamax与最小概率Pamin、最大迭代次数N_itertotal、布谷鸟搜索范围Xmax、Xmin。其次，初始化鸟窝的位置，在搜索空间内随机产生n个鸟窝位置xi(x1，x2)(i＝1,2,...,n)，每一个鸟窝位置代表一个坐标；根据构建的目标函数，公式(4)计算每一个鸟窝的适应度，找到初始全局最优位置，并保留至下一代；步骤2：构建目标函数；在无线传感器网络定位中，锚节点不断地广播自身的位置，假设在二维平面中，如果某盲节点探测到多于三个锚节点即启动定位；盲节点与锚节点之间的距离采用基于接收信号强度的对数正态模型估计，假设距离估计误差服从均值为0，方差为σ2的高斯分布，且方差与实际距离成正比：σ2＝γ2*d2   (1)其中，γ为可调参数，d为实际距离，那么估计值与真值之间的关系可表示为：ω表示估计误差。根据测距误差，建立目标函数：利用寻找目标函数的最小值，得到盲节点的位置；步骤3：所述步长控制因子a的值如公式(5)所示随着迭代的进行逐渐减小，从而提高布谷鸟搜索算法的全局寻优速度和精度，即迭代开始时，设置a取最大值，且a随着迭代的进行逐渐减小，α＝αmax‑(N_iter/N_itertotal)×(αmax‑αmin)   (5)其中，amax表示a的最大值，amin表示a的最小值，N_iter表示当前迭代次数，N_iter total表示总的迭代次数；步骤4：基于公式(5)计算步长控制因子a，利用levy飞行过程更新鸟窝位置，生成如公式(6)所示：其中，代表第i个鸟窝在t+1代的位置；代表第i个鸟窝在t代的最优解；a代表步长控制因子；为点对点乘法；其中u和v均为服从正态分布的随机变量，即σ_v＝1；步骤5：判断更新后的布谷鸟个体是否超出无线传感器区域，如果x维度和/或y维度超出了无线传感器区域，将利用相应维度的最大范围和最小范围进行限制；步骤6：计算位置更新后每一个鸟窝的适应度，并与上一代产生的鸟窝的适应度进行对比，利用适应度较好的鸟窝位置代替适应度较差的鸟窝位置；步骤7：比较得出当前所有鸟窝的最佳适应度；步骤8：利用每一个布谷鸟的适应度调节Pa，如公式(7)所示：其中K＝fitness(j)‑fmin，fitness(j)代表当前第j个鸟窝的适应度；fmin表示当前最佳适应度。Pamax表示Pa的最大值，Pamin表示Pa的最小值，N_iter表示当前的迭代次数；步骤9：随机生成服从均匀分布的0到1之间的随机数r，并将其与布谷鸟鸟蛋被巢主鸟发现的概率Pa相比较，保留被发现概率较小的鸟窝位置，同时抛弃被发现概率较大的鸟窝位置并随机生成新的鸟窝；步骤10：判断新的鸟窝位置是否超出无线传感器区域，如果超出了无线传感器区域，将利用相应维度的最大范围和最小范围进行限制；步骤11：计算每一个新鸟窝的适应度，并与步骤6得到的适应度相比较。如果新鸟窝的适应度好于步骤6计算得到的适应度，则用新的鸟窝取代较差的鸟窝位置，反之则保持不变；步骤12：判断是否达到最大迭代次数，如果未达到，迭代次数自动加1，并循环步骤2至步骤12，直到达到最大迭代次数。如果已经达到，则停止循环，并输出全局最佳适应度及对应的鸟巢位置，鸟巢位置即未知节点的坐标。