基于量子退火算法的无线传感器网络节点定位

经典模拟退火、遗传算法等是无线传感器网络节点非测距定位广泛使用的方法,但是它们都存在:①容易陷入局部最优,难以实现全局最优,定位精度不高;②计算较复杂,能耗较多等问题.提出了基于量子退火算法的无线传感器网络节点定位方法,利用量子隧穿效应,可以较快地穿透能量势垒由局部最优到达全局最优,简化了计算,提高了计算速度.通过仿真实验验证,该算法与传统的遗传算法和经典模拟退火算法相比,提高了精度,降低了能耗.     

基于zigbee和量子遗传算法的无线传感器网络节点定位技术研究

为提高传统无线传感器网络节点定位算法精度和定位速度,提出一种基于量子遗传算法的无线传感器网络定位算法。算法通过分析未知节点通信半径范围内的锚节点数量及约束关系,建立节点定位优化模型,对约束范围内节点进行采样,运用传统轮盘赌选择法选取初代种群,最后通过量子旋转门对种群中染色体进行变异及循环迭代,直到达到设定目标值。此后分析现有停车场实时性不高的缺点,提出了一种基于上述定位算法的智能停车场管理系统。以zigbee协议栈为基础,协调器进行组网,参考节点依次加入网络对系统进行检验,结果表明,该无线传感器定位算法可以满足大多数高精度、高实时性应用场合。     

基于BQPSO的无线传感器网络节点调度算法

在多目标跟踪中,要求无线传感器网络在满足跟踪精度的前提下,最大限度地降低对传感器资源的使用。基于这一目的,适当选择节点避免共线度过高,并采用APIT实现精确定位,同时考虑跟踪簇总能耗设计节点调度目标函数,采用二进制量子粒子群优化算法解决传感器资源冲突问题。仿真结果表明:虽然基于BQPSO的节点调度算法比基于PSO的节点调度算法在能耗上增加了17.47%,但定位精度可以提高31.84%。算法在提高定位精度的同时最大限度地降低了对资源的使用,有效延长了无线传感器网络的工作寿命。     

基于混沌小生境狼群算法的高密度无线传感器网络高能效分簇方法

无线传感器网络节点能量通常由能量有限的电池供应,如何在对节点进行分簇的同时减小通信能耗是研究中的一个重要问题。提出了一种基于混沌小生境狼群算法的高密度无线传感器网络能量高效分簇方法,通过智能选取簇头位置来降低无线传感器网络的单轮通信能耗。在不同节点数和簇头比例的条件下,分别采用了粒子群算法、量子遗传算法、模拟退火算法和混沌小生境狼群算法进行了无线传感器网络分簇。仿真结果表明,基于混沌小生境狼群算法的无线传感器网络分簇能够有效降低无线传感器网络的整体单轮通信能耗和平均节点通信能耗,有效提升了能量利用效率。     

基于量子遗传算法的无线传感器网络路由

提出了基于量子遗传算法的无线传感器网络的路由,利用量子遗传算法的高效搜索性,得到源节点和目的节点之间存在最佳路径,从而降低网络延迟,最大限度来保证网络总体能量消耗最少,延长无线传感器网络寿命.     

基于量子遗传算法的WSNs能量均衡路由优化

针对无线传感器网络（WSNs）中传感器节点能量有限,以及单一的传输路径所带来的能量消耗不均衡的问题,引入量子遗传算法对其进行优化。充分利用量子遗传算法高效搜索和全局优化的能力,在综合考虑网络耗能和路径延迟的基础上全局优化路由;并对算法的一些环节如量子比特编码、适应度函数的设计以及量子变异进行了详细的分析与设计。仿真表明：与传统遗传算法相比,量子遗传算法在降低网络能耗,延长网络生命期方面有着优越性．     

基于改进量子遗传算法的WSNs多路径路由研究

最优路径搜寻和能量优化是无线传感器网络(wireless sensor networks,WSNs)研究的两大关键性问题,基于簇结构的无线传感器网络模型,将改进的量子遗传算法引入WSNs网络层节能路由算法研究中,选取多条较优染色体代替一条最优染色体指导群体的进化;采用动态的量子旋转门调整策略,避免算法收敛于局部最优解;利用球面坐标角度对量子遗传算法编码,降低算法的复杂度;以路由所耗能量为优化目标,构造适应度函数。与基于传统遗传算法（genetic algorithm, GA）、标准量子遗传算法(quantum genetic algorithms, QGA)的多路径路由进行比较,实验表明,该算法比基于GA,QGA算法的多路径路由具有更低的网络能量消耗,更长的网络生存周期。     

基于A适应遗传算法的无线传感网络节点布局优化

无线传感器网络的传感节点布局优化,直接关系到无线传感器网络覆盖率的提高。文中提出自适应遗传算法求解无线传感器网络覆盖率优化问题。自适应遗传算法的编码方式是传感器节点二维坐标的二进制表达式,交叉方式为字符串整体交叉,变异方式为位变异,交叉概率和变异概率根据个体适应度自动重构。仿真实验结果表明,自适应遗传算法有效解决了无线传感器网络节点布局优化问题。与传统遗传算法相比,本算法进化收敛速度快,网络覆盖率显著提高。     

基于RSSI的多维定标迭代定位算法

定位是无线传感器网络的重要问题.针对基于经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出了RSSI-GA算法,在多维标度技术中直接根据无线信号强度值组成相异性矩阵,从分析个体间的相异性和各节点的距离的几何约束关系入手,建立以未知节点位置为参数的优化数学模型,使用遗传算法求解此模型从而直接计算出节点坐标.仿真结果表明,本算法大大降低计算开销,能有效提高定位精度.     

一种基于遗传算法的无线传感器网络节点定位技术研究

本文分析了基于误差的最小二乘估计定位原理,提出一种基于遗传算法的无线传感器网络节点定位技术。建立所有节点的定位误差之和最小的数学模型,利用遗传算法求解模型的最优解,从而得到未知节点的最优的估计位置。实验仿真结果表明该算法对未知节点的定位精度高,条件简单,适合各种规模的无线传感网络节点的定位。     

无线传感器网络节点定位误差的修正和仿真分析

针对传感器节点定位误差大、定位精度不高的问题,提出一种修正最小二乘法的无线传感器网络节点定位误差方法.该方法采用全局搜索能力强的粒子群算法对最小二乘法定位误差进行修正,提高了节点的定位精度.仿真对比实验结果表明,在相同条件下,改进后的节点定位算法的误差低于其他传感器节点定位算法,定位结果的稳定性更高;随着信标节点数的增加,平均定位误差明显减少,有效地提高了传感器节点的平均定位精度和定位速度.     

遗传算法在WSNs多Sink节点布局中的应用

无线传感器网络应用一直受到有限资源及能量的约束,sink节点布局算法是长时期内需要研究的一个关键问题.实际情况下,由于节点资源受限或无线链路的问题,sink节点经常存在服务失败的情况.因此,提出一种无线传感器网络中多sink节点的P中值布局模型,同时使用遗传算法对属于NP完全问题的sink节点布局模型进行求解计算,并对算法的计算精度、效率进行了分析.仿真实验结果表明,基于遗传算法而提出的布局模型能够有效降低无线传感器网络的能量消耗,提高网络服务效率,延长网络的生存期.     

蝙蝠算法在无线传感器网络节点递增式定位中的应用

无线传感器网络节点的定位在特殊环境中有着广泛的应用,综合考虑节点定位的成本与覆盖率,采用逐步递增定位方法。针对节点递增式定位带来的累计误差问题,提出了基于蝙蝠算法的无线传感器网络节点定位,以改善节点在逐步递增过程中的定位精度。介绍了蝙蝠算法的具体实施过程以及如何应用在递增式定位技术中。仿真结果表明,运用蝙蝠算法可以减小定位误差,提高节点的定位精度。     

动态传感器网络中距离汩关的蒙特卡洛定位算法

动态无线传感器网络的许多应用中定位技术具有至关重要的作用,在这种网络中部署区域内的全部节点不断运动。针对动态传感器网络中的定位问题,在蒙特卡洛方法的基础上提出了一种新的定位算法-距离相关蒙特卡洛（DRMCL）。该算法通过利用节点的RSSI测距性能减小预测时未知节点可能存在的交叠区域,提高定位精度。仿真结果表明,对比蒙特卡洛和凸规划等现有的移动传感器网络定位算法,提出的DRMCL可以明显提高定位精度,在运动的过程中,定位精度能够达到20％以下。     

混沌粒子群三维定位算法在井下WNS节点中的应用

为解决现阶段煤矿井下无线传感器网络(WNS)节点定位存在的一些问题,如定位精度差、功耗高等,提出一种以混沌粒子群算法为基础的三维定位算法,将混沌寻优这一特性巧妙的融入到粒子群算法中,并对该算法的可行性进行实验及仿真.研究结果表明:该方法能够更加有效的降低测距过程中所产生的误差对节点定位精度的影响,达到平衡全局和局部的搜索能力,提高收敛速度.     

基于IAPIT的无线传感器网络定位算法研究

无线传感器网络的应用领域涵盖军事、医疗、环保以及交通等。由于涉及到体积、功率和成本一些因素的限制,现在流行的全球定位的系统和无线传感器网络的节点定位并不配套。所以,探讨符合无线传感器网络的定位算法有着广泛的实际应用价值和非常重要的理论价值。研究了无线传感器网络中IAPIT的定位算法,就不一样的节点通信半径和锚节点比例,仿真比较探讨APIT算法和IAPIT算法的性能。从实验可以看出,IAPIT算法和APIT算法比较,大大增加了定位覆盖率。无线传感器网络的定位精度基本能够满足应用的需求。     

动态传感器网络中距离相关的蒙特卡洛定位算法

动态无线传感器网络的许多应用中定位技术具有至关重要的作用,在这种网络中部署区域内的全部节点不断运动.针对动态传感器网络中的定位问题,在蒙特卡洛方法的基础上提出了一种新的定位算法-距离相关蒙特卡洛(DRMCL).该算法通过利用节点的RSSI测距性能减小预测时未知节点可能存在的交叠区域,提高定位精度.仿真结果表明,对比蒙特卡洛和凸规划等现有的移动传感器网络定位算法,提出的DRMCL可以明显提高定位精度,在运动的过程中,定位精度能够达到20%以下.     

基于量子遗传算法的无线传感网络路由优化

考虑到无线传感网络(WSN)传感器节点的能量有限性,分析了WSN的网络模型和能量模型,提出一种基于改进量子遗传算法的路由优化算法.利用复杂连续函数测试,验证了算法的性能和可行性.经仿真分析,证明该算法应用于WSN路由优化问题时,能更快速和更稳定地求解最小能量代价的数据传输路径,从而减少WSN传感器节点的能量消耗,延长整个WSN网络的使用寿命.     

基于无线传感节点到达时间差的定位算法设计

针对无线传感器网络节点定位的问题,深入研究了基于节点信号到达时间差的定位算法,为了提高定位的精度采用基于多点的极大似然估计算法实现无线传感器节点精确定位的需求．重点对无线传感器节点定位过程中各节点的时间同步问题进行了详细设计,给出了一种基于无线传感节点到达时间差的定位算法详细设计方案,经仿真测试表明,设计的无线传感节点定位精度在96．7％以上．     

基于GA优化BP神经网络的WSN数据融合技术研究

为减少无线传感器网络中节点的数据通讯量,降低能量消耗,达到数据融合的目的,设计了一种基于遗传算法优化BP神经网络的数据融合算法(BPGA),阐述了数据融合原理、BP神经网络和遗传算法,介绍了遗传算法优化BP神经网络的数据融合方法,利用遗传算法优化神经网络的权值、阀值及隐含层结构,然后通过优化后的神经网络提取无线传感器网络中原始数据的特征信息,并将特征信息发送给汇聚节点,从而提高网络数据采集效率,延长网络生命周期。最后通过与LEACH、BPNDA算法进行仿真实验比较,证明了其有效性。