一种群体智能算法——狮群算法

基于狮群中狮王、母狮及幼狮的自然分工,模拟狮王守护、母狮捕猎、幼狮跟随3种群智能行为,提出群体智能算法——狮群算法.算法中不同种类的狮子位置更新方式不同.遵循自然界生物"适者生存"的竞争法则,狮王守护领土,优先享用食物,母狮合作捕猎,幼狮分为学习捕猎、饥饿进食和成年被驱逐.狮子位置更新方式的多样化保证算法快速收敛,不易陷入局部最优.最后,将算法应用于6个标准测试函数优化问题,并对比粒子群算法、骨干粒子群算法,测试结果表明,文中算法收敛速度较快,精度较高,能较好地获得全局最优解.

一种基于跳距修正的物联网中节点定位算法

针对传统的DV-Hop算法存在较大定位误差的问题,提出基于狮群优化算法的节点定位(NLLSO)算法.NLLSO算法从估计最小跳数、修正平均跳距误差和定位算法三方面进行改进,进而降低定位误差.NLLSO算法用不同通信半径传递Beacon包,进而提高估计最小跳数值的精度.同时,通过引入权值参数修正平均跳距的估计值.最后,通过狮群优化算法(LSO)估计未知节点位置.仿真结果表明:NLLSO算法的定位精度高于传统的DV-Hop算法.