基于模拟退火和樽海鞘群优化的DV-Hop定位算法

针对无线传感器网络(WSNs)中传统DV-Hop算法定位误差较大等问题,提出基于模拟退火和樽海鞘群优化的DV-Hop定位算法。该算法分别引入RSSI和修正因子来量化最小跳数以及校正平均跳距,在未知节点估计过程中,采用改进的樽海鞘群优化算法代替最小二乘法,并且与模拟退火算法相结合,缓解了樽海鞘群优化算法在寻优过程中容易陷入局部最优的缺点。仿真结果表明:改进后的DV-Hop算法相比于传统DV-Hop定位算法以及其他智能优化算法,定位精度得到明显改善。

基于螺旋更新策略蜜獾优化的DV-Hop定位算法

节点定位是无线传感器网络(Wireless Sensor Networks,WSNs)的关键技术之一。针对传统距离向量跳段(Distance Vector Hop,DV-Hop)算法定位误差偏大的问题,提出了一种改进蜜獾算法(Honey Badger Algorithm,HBA)与DV-Hop相结合的算法。首先,针对网络平均跳距估计不准的问题,依据锚节点比例对未知节点平均跳距进行分段修正。其次,采用改进型的HBA替换最小二乘法估算未知节点的位置,进一步降低计算误差。初始化蜜獾个体时引入Sobol序列,增加初始种群的多样性;为了加强HBA的局部搜索能力,引入了螺旋更新策略。最后,采用镜像策略规避估算位置越界的情况。结果表明,所提算法相较于传统DV-Hop算法、平均跳距修正的DV-Hop算法和基于粒子群优化(Particle Swarm Optimization,POS)的DV-Hop算法具有更高的定位精度和稳健性。

基于蜣螂算法优化的DV-Hop定位算法

针对无线传感器网络中传统DV-Hop(distance vector-hop)算法定位误差大的问题,提出了一种基于蜣螂算法优化的DV-Hop定位算法。首先使用双通信半径的方式细化节点间跳数,并使用最小均方误差准则计算锚节点的平均跳距,将改进后的平均跳距的平均值当做每个未知节点的平均跳距,最后引入权重因子优化适应度函数,使用蜣螂优化算法代替三边测量法进行坐标计算。仿真结果表明,所提算法比经典DV-Hop算法平均定位误差提升了55.69%、59.61%和67.59%,误差方差提升了52.41%、45.58%和36.87%,具有良好的定位精度和较好的稳定性。

基于多通信半径和改进遗传算法的DV-Hop定位

针对无线传感器网络定位算法中DV-Hop(distance vector-hop)算法定位精度不高的问题,从跳数和跳距两方面进行优化,提出了一种利用多通信半径和改进遗传算法优化的DV-Hop定位算法。首先,设置节点的通信半径为多个,细化节点间的跳数,降低跳数误差;其次,将局部搜索能力强的禁忌搜索算法与遗传算法相结合优化信标节点的平均跳距;最后,采用加权的方式修正未知节点的平均跳距,降低跳距误差。仿真结果表明:在同等条件下,本文改进算法比传统DV-Hop算法和有关改进算法定位精度更高。

基于测距修正和蝙蝠优化的改进DV-Hop定位算法

本文对DV-Hop算法定位误差大的问题进行研究。针对DV-Hop算法在求解平均跳距和未知节点位置两个阶段的缺陷,提出一种基于测距修正和蝙蝠优化的改进DV-Hop定位算法。首先,采用最小均方误差准则求解锚节点间的平均跳距,并添加校正因子减小测距误差;其次,利用混沌映射策略初始化种群并设置阈值M控制映射的次数,采用速度加权策略控制搜索的步长,增强蝙蝠算法跳出局部最优的能力;最后,使用改进蝙蝠算法确定未知节点的位置。仿真结果表明,提出的定位算法具有更高的定位精度,相比DV-Hop算法、BADV-Hop算法、PSODV-Hop算法分别提升了32.35%、18.80%、8.16%。

融合测距修正和哈里斯鹰优化的DV-Hop定位算法

针对传统DV-Hop定位算法在无线传感器网络节点定位时精度偏低的问题,本文提出了一种基于测距修正和哈里斯鹰优化算法的DV-Hop改进算法。该算法采用多通信半径调整网络节点最小跳数,利用最小均方差和权重因子优化网络节点平均跳距,采用改进的哈里斯鹰算法替代最小二乘法进行位置计算,引入Tent混沌映射、精英群体制度和正余弦优化策略以避免算法过早陷入局部优化,通过最优解求解得到网络节点近似坐标值。仿真结果表明,在不同条件下,改进算法与传统DV-Hop算法和ABCDV-Hop算法相比能够具有更好的定位能力,节点定位误差平均下降20.13%和7.74%,定位精度较高。

融合测距修正与蝙蝠优化的DV-Hop改进算法

针对传统DV-Hop算法定位精度不高的问题,提出一种融合测距修正与蝙蝠优化的改进DV-Hop算法。首先通过多通信半径对节点之间的最小跳数进行细化,其次融入加权思想减少跳距误差,最后引用改进蝙蝠算法替代最小二乘法计算未知节点坐标,将未知节点定位问题转化为求解最优问题。matlab仿真结果表明,相比经典DV-Hop算法和相关算法,改进DV-Hop算法定位精度得到有效提高。

基于自适应差分粒子群优化的DV-Hop定位算法

针对常规DV-Hop算法存在定位精确度偏低,难以满足高精度定位应用的需求等问题,提出一种基于自适应差分粒子群优化的DV-Hop定位算法。该算法首先利用节点间RSSI值实现跳数计算的精确化,然后引入跳距可信度提高平均跳距的计算精度,最后利用自适应差分粒子群优化算法来估计未知节点的位置。实验结果表明,在不同节点数量、通信半径以及锚节点数三种情况下,改进后算法的节点定位精确度相比于传统DV-hop定位算法分别提高了45.3%、42.9%和39.7%。

基于改进NSGA-Ⅲ算法的DV-Hop三维定位算法

在三维空间节点定位算法中,DV-Hop算法凭借其原理简单、成本低的优势得到了大量学者的广泛关注。针对DV-Hop算法中因计算误差导致的定位精度较低的问题,研究NSGA-Ⅲ算法的交叉和变异并进行自适应改进,使得子代个体的进化更加均匀,提高找到全局最优解的概率,减少陷入局部的解空间。最后结合蚁群算法提升了该算法在复杂网络环境中的定位精度。仿真结果表明,与其他算法相比,文章提出的基于改进NSGA-Ⅲ和蚁群算法的DV-Hop三维定位算法具有较好的定位精度。

DV-Hop定位算法改进方法研究

无需测距的网络定位技术因其具有成本低廉和算法灵活的特点,使其成为各国研究的热门技术。针对DV-Hop算法节点位置不明确的缺点,采用MIN-MAX与最小加权二乘法相结合替代三边测量的方法对DV-Hop定位算法进行了改进。通过在仿真平台上对改进的DV-Hop定位算法进行仿真实验,实验结果表明该改进算法可以提高定位精度。

基于人工鱼群算法的dv-hop定位算法改进研究

随着无线网络传感器在各行各业的广泛应用,实际应用场景中的许多问题逐渐浮现出来,尤其是定位算法缺陷。文章主要从无线传感器定位的dv-hop算法局限性出发,指出其用跳段距离代替直线距离的显著缺点,并基于各项研究,提出应用人工鱼群算法的全局密集网络特点对dv-hop定位算法进行改进。经验证,基于人工鱼群算法改进后的dv-hop定位算法能显著弱化无线传感器节点定位误差大,减少节点硬件开销,提升无线传感器的定位精度和效率。

An Improved DV-Hop Localization Algorithm Based on Hop Distances Correction

DV-Hop localization algorithm has greater localization error which estimates distance from an unknown node to the different anchor nodes by using estimated average size of a hop to achieve the location of the unknown node.So an improved DV-Hop localization algorithm based on correctional average size of a hop,HDCDV-Hop algorithm,is proposed.The improved algorithm corrects the estimated distance between the unknown node and different anchor nodes based on fractional hop count information and relatively accurate coordinates of the anchor nodes information,and it uses the improved Differential Evolution algorithm to get the estimate location of unknown nodes so as to further reduce the localization error.Simulation results show that our proposed algorithm have lower localization error and higher localization accuracy compared with the original DV-Hop algorithm and other classical improved algorithms.

基于双通信半径的传感器网络DV-Hop定位算法

为了减少传统的DV—Hop算法对未知节点定位时产生的较大误差，分析了影响传统DV—Hop算法定位精度的两个因素，继而提出了一种改进算法。改进算法在进行未知节点定位时，信标节点先后使用两个通信半径广播自身位置信息，从而获得未知节点与信标节点间更精确的跳数，并计算出它们之间更精确的距离，得到未知节点更精确的坐标。仿真结果显示，改进算法相比于传统DV—Hop算法相对定位误差减少了13%～15%，并且减少了由于网络拓扑结构不同带来的定位误差的差异性。

一种基于DV-HOP改进的无线传感器网络定位算法

针对无线传感器网络中经典定位算法DV-HOP定位精度低的缺陷,提出改进算法。该算法采用新的方式计算未知节点与锚节点的距离,提出锚节点信任度的概念,并利用加权最小二乘法计算节点坐标。Matlab仿真实验结果表明,在相同网络环境下,该算法能有效减小距离计算带来的定位误差,提高定位精度。

一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法

针对DV-Hop(Distance Vector-Hop)定位算法存在较大定位误差的问题,该文提出了一种基于误差距离加权与跳段算法选择的遗传优化DV-Hop定位算法,即WSGDV-Hop定位算法。改进算法用基于误差与距离的权值处理锚节点的平均每跳距离;根据判断的位置关系选择适合的跳段距离计算方法;用改进的遗传算法优化未知节点坐标。仿真结果表明,WSGDV-Hop定位算法的性能明显优于DV-Hop定位算法,减小了节点定位误差、提高了算法定位精度。

基于DV-Hop定位算法的改进研究

在无线传感器网络DV-Hop定位算法中,网络平均跳距离的估算是决定定位精度的重要因素之一。传统的DV-Hop定位算法只考虑了最近一个锚节点估计的平均跳距,从而导致定位误差较大。为了提高节点定位精度,在原算法基础上提出了一种改进算法,考虑使用多个锚节点估算的平均跳距离并且采用加权平均跳距代替传统算法中的平均跳距。仿真实验结果表明,在相同的网络环境下,改进后的算法能有效地减少跳距计算带来的定位误差,提高定位精度。

基于加权质心和DV-Hop混合算法WSN定位方法研究

为了提高无线传感器网络中节点定位的精确度,分析了DV-Hop(distance vector—hop,距离向量-跳段)定位算法和质心算法的优缺点,提出基于加权质心和DV-Hop混合算法,并用MATLAB进行了仿真实验。实验结果表明,在基准节点密度相同的条件下,混合算法的定位精度比DV-Hop平均提高了20%,比质心算法平均提高了15%。该混合算法在提高无线传感器节点精确度上是有效的。

基于平均跳距和位置优化的改进DV-Hop定位算法

针对DV-Hop算法在定位过程中因存在平均每跳距离误差大以及误差累积而导致定位精度不高的问题,提出了基于无线传感器网络的改进DV-Hop定位算法。该算法对接收的多个锚节点的跳距进行加权求和来减少平均每跳距离的误差,并且利用改进的最小二乘方法来解决误差累积的问题。通过MATLAB对改进的DV-Hop算法进行仿真,实验结果表明,相比于传统的DV-Hop算法、加权最小二乘的DV-Hop算法和基于RSSI每跳分级和跳距修正的算法,改进的算法在距离估计和定位精度方面有了很大的提高。

基于跳距与改进粒子群算法的DV-Hop定位算法

针对DV-Hop定位算法定位精度不高的问题,提出一种带改进的权重平均每跳距离与改进的粒子群算法以改进经典DV-Hop算法。一方面,提出跳距误差与估计距离误差的加权平均值,修正原始的平均每跳距离。另一方面,采用分段的指数、对数递减权重改进粒子群的权重;同时,结合人工鱼群位置更新的优点来改进粒子群算法的位置更新。用改进的粒子群算法求解未知节点坐标,以提高定位精度。实验仿真表明,该算法的定位精度和稳定性与其他算法相比有明显的改善。