无线传感器网络和声搜索优化定位算法研究

《无线传感器网络和声搜索优化定位算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级硕士学位论文题目：无线传感器网络和声搜索优化定位算法研究英文并列题目：TheStudyofLocalizationAlgorithmUsingHarmonySearchinWirelessSensorNetwork研究生：孙崇专业：控制科学与工程研究方向：模式识别与智能系统导师：孙子文教授指导小组成员：学位授予日期：2016.6答辩委员会主席：纪志成江南大学地址：无锡市蠡湖大道1800号二○一六年六月2摘要摘要无线传感器网络(WirelessSensorNetwork,WSN)作为一门比较新颖的监

2、测与信息处理技术，在农业生产、智能家居、军事国防以及交通管理等众多领域中有着极其广泛的应用前景。WSN的很多实际应用场合需要收集到数据的传感器节点的位置信息，才能使收集到的数据具有意义。使用估算距离或测距技术的传统定位方法存在着定位精度差等缺点，近年来启发式优化算法逐渐被用于解决WSN节点的定位问题。本文主要研究将和声搜索算法(HarmonySearchAlgorithm,HS)以及多目标自适应和声搜索算法——非劣排序自适应和搜索算法(Non-dominatedSortingAdaptiveHarmonyS

3、earchAlgorithm,NSAHS)应用于WSN节点定位技术，论文采用以下三种节点定位算法：（1）基于蒙特卡罗盒的自适应和声搜索定位算法。在和声搜索优化定位阶段，通过采用边界盒对音调即变量进行约束，从而缩小搜索空间，加快收敛速度，同时采用蒙特卡罗盒定位算法中的采样思想进一步约束和声的搜索范围。HS算法采用自适应的和声（即解）保留概率和音调（即变量）调节概率调节对和声的搜索，解决算法容易陷入局部最优问题，提高算法搜索能力。仿真实验结果表明，基于蒙特卡罗盒的自适应和声搜索定位算法能够提高定位精度以及定位精

4、度一致性，在定位精度和计算量方面优于对比算法。（2）基于两跳约束和自适应和声搜索的定位算法。算法通过构造包含两跳邻居参考节点通信半径约束的函数，采用自适应和声搜索定位算法计算该函数的最小值，以估算出未知节点位置；通过采用两跳约束进行翻转检查来减少定位误差，以及使用时间轮机制来降低在迭代定位过程中定位误差累积，从而提高定位精度。仿真实验结果表明，基于两跳约束和自适应和声搜索的定位算法能有效降低定位误差累积，并解决参考节点较少且接近共线时翻转歧义导致较大的定位误差问题，提高了定位精度。（3）基于分簇和多目标自适

5、应和声搜索的定位算法。通过分簇方法对网络进行分簇，根据簇内节点间距离信息和拓扑关系建立局部多目标定位模型，降低优化算法计算量。自适应和声搜索算法结合NSGAII中的非劣排序以及拥挤距离排序算法，更新和声记忆库，组合成NSAHS算法，用来解决多目标定位模型的优化问题，进而获得节点的定位位置。仿真实验结果表明，与PAES定位算法相比，基于分簇和多目标自适应和声搜索的定位算法有较高的定位精度。关键词：无线传感器网络；节点定位；启发式优化算法；和声搜索算法IAbstractAbstractAsarelatively

6、novelmonitoringandinformationprocessingtechnology,WirelessSensorNetwork(WSN)iswidelyusedinagriculture,smarthome,military,trafficandmanyotherfields.Manyapplicationsofwirelesssensornetworkneedthelocationinformationofmonitoringsensornodetomakethemonitoringdat

7、awithsignificance.Currently,thetraditionalpositioningmethodsusingestimatingdistanceorrangingtechnologyhavepoorpositioningaccuracy.Inrecentyears，heuristicoptimizationalgorithmhasgraduallybeenusedtosolvetheproblemofthewirelesssensornetworknodelocalization.Th

8、ispapermainlystudiesHarmonySearchAlgorithm(HS)andMulti-objectiveAdaptiveHarmonySearchAlgorithm——Non-dominatedSortingAdaptiveHarmonySearchAlgorithm(NSAHS)appliedinWSNnodelocalization.Thefollowingthreenodelocal