基于分布式自适应偏转次梯度投影算法的气体源点定位研究

针对无线传感网络中的气体源点定位问题，采用自适应次梯度投影定位算法（APSM）来逼近气体源点位置。由于实际气体浓度测量值受噪声干扰，导致APSM定位算法在估计源点位置时难收敛，并且计算耗时长，于是对其迭代搜索方向进行修正，并结合无线传感网络分布式计算的特点，提出一种分布式自适应偏转次梯度投影定位算法（DADPSM），该算法以有风时气体浓度衰减模型为基础，以DADPSM算法为核心，利用偏转次梯度方向代替原次梯度，以偏转次梯度投影的超平面作为搜索区域来进行松弛投影，对节点获取的气体浓度信息进行分布式计算，从而估计出气体源点位置。仿真实验表明，该算法收敛快、定位误差小，并且网络能耗少。

基于力导向量子粒子群算法的气体源点定位研究

根据有风时气体浓度衰减模型,采用量子粒子群优化(quantum particle swarm optimization,QPSO)算法实现无线传感网络中的气体源点定位,考虑到传感器节点测量气体浓度时存在门限值的实际情况,引入力导向思想,通过使传感器节点产生虚拟力来影响QPSO算法的位置更新过程,使粒子移动更有目的性,引导粒子进化,加快算法收敛.仿真结果表明:在不同噪声条件下,与QPSO算法相比,力导向QPSO定位算法具有更强的鲁棒性,收敛速度更快,定位精度更高,更能获取问题的最优解.