重心反向粒子群优化算法在无线传感器定位优化中的应用

针对传统DV-Hop算法误差过大、粒子群优化(PSO)算法易陷入局部最优问题,提出了一种重心反向粒子群无线传感器网络(WSNs)节点定位算法。首先将PSO算法结合重心反向学习策略,以整个群体的重心为参考点计算反向解,并且结合粒子正向解和反向解,选取更优适应度值的粒子作为下一代,以进一步提高种群的多样性。其次对粒子运行速度进行改进,在速度中加入一种随机扰动的线性递增项,提高算法后期收敛速度,避免陷入局部最优。最后将重心反向粒子群算法结合DV-Hop定位方法,构建基于重心反向粒子群算法的网络节点定位方法。仿真结果表明:相比传统DV-Hop算法,重心反向粒子群算法的定位精度更高,效果更好,适用于定位精度要求较高的场景。