【定位优化】基于麻雀搜索算法优化无线传感器非测距定位算法DVHop附matlab代码
【定位优化】基于麻雀搜索算法优化无线传感器非测距定位算法DVHop附matlab代码
TT_Matlab
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，完整matlab代码或者程序定制加qq1575304183。
1 简介
无线传感器网络(Wireless Sensor Network,WSN)技术在世界范围内一直是一个热门的研究领域,有着重要的应用前景,现已被广泛应用在军事、环境监测、工农业等诸多领域。这些应用都需要节点的位置信息,无线传感网络节点定位为这些应用提供了必要基础。DV-Hop算法是节点定位算法中的一种重要方法,该算法能够获取目标节点的位置信息。本文主要对DV-Hop算法进行了理论研究同时对DVHop算法进行了改进,研究主要内容包括如下几个方面:首先,本文介绍了无线传感器网络的基本理论,详述了典型的测距定位算法和非测距定位算法以及未知节点位置计算方法,并且分析了定位算法的性能评价标准。其次,介绍了DV-Hop算法原理,具体分析了该算法的步骤并对该算法做了误差分析。DV-Hop算法计算简单,不要求额外的硬件设备,但是易受网络拓扑结构和未知节点位置估计算法的影响从而产生误差。为了进一步提高定位精度,通过使用麻雀搜索算法对其结果进行优化。仿真结果表明本文给出的麻雀搜索算法优化DV-Hop算法能有效地提高定位覆盖率和精度。
2 部分代码
%_________________________________________________________________________%
%
麻雀优化算法 %
%_________________________________________________________________________%
function
[Best_pos,Best_score,curve]=SSA(pop,Max_iter,lb,ub,dim,fobj)
ST
=
0.6;%预警值
PD
=
0.7;%发现者的比列，剩下的是加入者
SD
=
0.2;%意识到有危险麻雀的比重
PDNumber
=
round(pop*PD); %发现者数量
SDNumber
=
round(pop*SD);%意识到有危险麻雀数量
if(max(size(ub))
=
= 1)
ub
=
ub.*ones(1,dim);
lb
=
lb.*ones(1,dim);
end
%种群初始化
X0
=
initialization(pop,dim,ub,lb);
X
=
X0;
%计算初始适应度值
fitness
=
zeros(1,pop);
for
i = 1:pop
fitness(i)
=
fobj(X(i,:));
end
[fitness,
index]= sort(fitness);%排序
BestF
=
fitness(1);
WorstF
=
fitness(end);
GBestF
=
fitness(1);%全局最优适应度值
for
i = 1:pop
X(i,
:
) = X0(index(i),:);
end
curve
=
zeros(1,Max_iter);
GBestX
=
X(1,:);%全局最优位置
X_new
=
X;
for
i = 1: Max_iter
disp([’第’,num2str(i),’次迭代’])
BestF
=
fitness(1);
WorstF
=
fitness(end);
R2
=
rand(1);
for
j = 1:PDNumber
if(R2<ST)
X_new(j,
:
) = X(j,:).*exp(-j/(rand(1)*Max_iter));
else
X_new(j,
:
) = X(j,:) + randn()*ones(1,dim);
end
end
for
j = PDNumber+1:pop
%
if(j>(pop/2))
if(j>(pop
- PDNumber)/2 + PDNumber)
X_new(j,
:
)= randn().*exp((X(end,:) - X(j,:))/j^2);
else
%产生-1，1的随机数
A
=
ones(1,dim);
for
a = 1:dim
if(rand()>0.5)
A(a)
=
-1;
end
end
AA
=
A’*inv(A*A’);
X_new(j,
:
)= X(1,:) + abs(X(j,:) - X(1,:)).*AA’;
end
end
Temp
=
randperm(pop);
SDchooseIndex
=
Temp(1:SDNumber);
for
j = 1:SDNumber
if(fitness(SDchooseIndex(j))>BestF)
X_new(SDchooseIndex(j),
:
) = X(1,:) + randn().*abs(X(SDchooseIndex(j),:) - X(1,:));
elseif(fitness(SDchooseIndex(j))
=
= BestF)
K
=
2*rand() -1;
X_new(SDchooseIndex(j),
:
) = X(SDchooseIndex(j),:) + K.*(abs( X(SDchooseIndex(j),:) - X(end,:))./(fitness(SDchooseIndex(j)) - fitness(end) + 10^-8));
end
end
%边界控制
for
j = 1:pop
for
a = 1: dim
if(X_new(j,a)>ub)
X_new(j,a)
=
ub(a);
end
if(X_new(j,a)<lb)
X_new(j,a)
=
lb(a);
end
end
end
%更新位置
for
j=1:pop
fitness_new(j)
=
fobj(X_new(j,:));
end
for
j = 1:pop
if(fitness_new(j)
< GBestF)
GBestF
=
fitness_new(j);
GBestX
=
X_new(j,:);
end
end
X
=
X_new;
fitness
=
fitness_new;
%排序更新
[fitness,
index]= sort(fitness);%排序
BestF
=
fitness(1);
WorstF
=
fitness(end);
for
j = 1:pop
X(j,
:
) = X(index(j),:);
end
curve(i)
=
GBestF;
end
Best_pos
=
GBestX;
Best_score
=
curve(end);
end
3 仿真结果
4 参考文献
[1]印雷, 顾德, 刘飞. 基于改进麻雀搜索算法优化的DV-Hop定位算法[J]. 传感技术学报, 2021, 34(5):6.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。