基于果蝇优化算法的WSN节点定位研究

张健; 郭星; 李炜

Chinese

您当前的位置：

首页 >

文章列表页 >

基于果蝇优化算法的WSN节点定位研究

更新时间：2026-09-04

- 基于果蝇优化算法的WSN节点定位研究
- Research of WSN Node Localization Based on Fruit Fly Optimization Algorithm
- 微电子学与计算机 2018年35卷第4期页码：89-92
- 作者机构：
  
  安徽大学计算机科学与技术学院,安徽,合肥,230601
- 作者简介：
- 基金信息：
  
  国家科技攻关计划 2015BAK24B01
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
张健, 郭星, 李炜. 基于果蝇优化算法的WSN节点定位研究[J]. 微电子学与计算机, 2018, 35(4): 89-92.

ZHANG Jian, GUO Xing, LI Wei. Research of WSN Node Localization Based on Fruit Fly Optimization Algorithm[J]. 2018, 35(4): 89-92.
张健, 郭星, 李炜. 基于果蝇优化算法的WSN节点定位研究[J]. 微电子学与计算机, 2018, 35(4): 89-92. DOI：

ZHANG Jian, GUO Xing, LI Wei. Research of WSN Node Localization Based on Fruit Fly Optimization Algorithm[J]. 2018, 35(4): 89-92. DOI：

摘要

针对由测距误差造成的无线传感器网络节点定位精度较低问题

提出一种基于果蝇优化算法的无线传感器网络节点定位方法.该方法将节点定位问题转化为约束优化问题进行求解

在求解的过程中利用动态步长机制来控制果蝇种群的寻优范围.当果蝇算法收敛时

在最优解附近根据测距误差的大小进行震荡寻优

对寻优产生的果蝇种群进行质心定位得出最终的定位结果.仿真实验表明

该方法收敛速度快

定位精度高

具有较强的抗误差能力.

Abstract

Ranging error results in inaccurate localization of nodes in wireless sensor networks. Focusing on the problem

this paper proposes a WSN node localization method based on the fruit fly optimization algorithm. In this method

the problem of node localization is transformed into a constrained optimization problem

In the process of solving

the dynamic step size mechanism is used to control the optimal range of fruit fly population. When the algorithm converges

in the vicinity of the optimal solution creates new fruit fly populations

Using the centroid algorithm locate the fruit fly population as the final node position.Simulation results show that the method has fast convergence speed

high positioning accuracy and strong error resistance.

关键词

Keywords

references

陈杨, 吴海燕, 季仲梅, 等. 基于图刚性的无线传感器网络定位新算法[J]. 计算机应用研究, 2015, 32(5): 1467-1470. DOI: 1467

Shan D, Cao G H, Dong H J. LGMS-FOA an improved fruit fly optimization algorithm for solving optimization problems[J]. Mathematical Problems in Engineering, 2013(7): 1256-1271. DOI: 1256

于泉, 孙顺远, 徐保国, 等. 基于改进粒子群算法的无线传感器网络节点定位[J]. 计算机应用, 2015, 35(6): 1519-1522. DOI: 1519

Pan W T. A new fruit fly optimization algorithm: Taking the financial distress model as an example[J]. Knowledge-Based Systems, 2012, 26(2): 69-74. DOI: 69

Pan Q K, Sang H Y, Duan J H, et al. An improved fruit fly optimization algorithm for continuous function optimization problems[J]. Knowledge-Based Systems, 2014, 62(5): 69-83. DOI: 69

蔡绍滨, 高振国, 潘海为, 等. 带有罚函数的无线传感器网络粒子群定位算法[J]. 计算机研究与发展, 2012, 49(6): 1228-1234. DOI: 1228

Kulkarni R V, Venayagamoorthy G K. Particle swarm optimization in wireless-sensor networks: A brief survey[J]. IEEE Transactions on Systems Man % Cybernetics Part C, 2011, 41(2): 262-267. DOI: 262

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多边形包围的无线传感器网络边缘检测算法

基于自适应分群粒子群进化的节点定位算法

基于自适应分簇的改进RSSI定位算法

改进的DV-Hop无线传感网络节点定位算法

一种基于贝叶斯博弈的传感器网络分簇算法