收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群算法的改进研究及在无线传感器网络覆盖问题中的应用

宋典娜  
【摘要】:随着计算机技术网络、自动化控制、人工智能等学科的快速发展,获取有效的信息数据越来越引起人们的关注,无线传感器网络(Wireless Sensor Network,WSNs)随之发展起来。WSNs是一种在网络环境中保持自适应性,拥有一定的认知能力并且能够完成相对应的任务目标的智能网络系统,有着广阔的研究空间和光明的应用前景。当今社会,WSNs广泛应用在民用领域和军用领域中,并且取得了十分好的效果,成为在信息技术领域中一个重要的研究方向。粒子群算法作为一种智能优化算法,具有快速的求解速度和较强的搜寻最优解的能力,在搜寻的过程中,会受到个体历史搜索最优位置的影响和整个群体所有个体的最优位置两方面的影响。本文将其应用于无线传感器网络覆盖问题,通过对粒子群的研究分析后发现粒子群算法在多次迭代后依旧不能摆脱局部最优而陷入死循环,而无线传感器网络覆盖率最优化问题寻优过程较复杂,计算量较大,因此需要对算法进行优化和改进。针对粒子群算法收敛速度较慢、容易陷于局部最优等问题,本文提出了一种基于人工势场的粒子群算法(Virtual-Forced Particle Swarm Optimization,VFPSO),借鉴应用于解决机器人的路径规划和障碍躲避的人工势场算法的思想,针对粒子群算法中粒子迭代的寻优过程,引入粒子间的虚拟力作用,使优化问题的初始解分布更加均匀,在迭代寻优前期有更强的排斥力,后期增强锚节点的吸引力,从而加快算法收敛速度,获得高精度的最优解。针对粒子群算法精度低的问题提出一种基于天牛须搜索策略的粒子群算法(Beetle Antennae Search Strategy Particle Swarm Optimization,BASPSO),将天牛须搜索策略与粒子群算法中自学习过程相结合,改变了粒子寻优路径,并对其进行了函数测试,改善了实验效果。将两种算法分别应用于无线传感器网络覆盖问题中,通过多次实验调试,发现VFPSO算法能够使粒子分布更加均匀,能够避免粒子过于聚集而使算法陷入局部最优解,但由于算法计算量较大,更适合于小规模的覆盖问题,能够得到更好的布局。而BASPSO算法由于算法复杂度较低,适用于更大范围的覆盖问题,能够得到相较于标准粒子群算法更优的网络布局。


知网文化
【相似文献】
中国期刊全文数据库 前13条
1 陈建新;崔广才;;基于改进粒子群算法的函数优化研究[J];电脑迷;2018年01期
2 周慧;;基于粒子群算法的最优值求解[J];科技广场;2017年12期
3 吴丰;郭晓娟;;基于混合粒子群算法的船舶稳定性分析[J];舰船科学技术;2018年14期
4 邓广彪;;改进的粒子群算法在云计算下的数据挖掘中的研究[J];科技通报;2017年04期
5 张钊旭;王志杰;李建辰;王贵奇;许军;杨进候;;一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J];水下无人系统学报;2017年03期
6 朱俚治;王兴虎;;试谈粒子群算法[J];电脑编程技巧与维护;2017年11期
7 朱宝;;基于改进粒子群算法的盾构掘进施工优化研究[J];辽宁科技学院学报;2017年03期
8 袁正午;李君琪;;基于改进粒子群算法的云资源调度[J];计算机工程与设计;2016年02期
9 江嘉伟;毋文峰;;一种改进的粒子群算法[J];电脑编程技巧与维护;2016年06期
10 张卫明;周庆忠;黎武;;基于改进粒子群算法的野战油库选址优化[J];兵器装备工程学报;2016年08期
11 胡清;张强;;基于改进二进制粒子群算法的配电网故障定位[J];南京工程学院学报(自然科学版);2016年03期
12 杜振;宫会丽;;解决约束三维装箱问题的混合粒子群算法[J];计算机光盘软件与应用;2014年22期
13 张玉广;谢文俊;赵晓林;;基于改进粒子群算法的无人作战飞机航迹规划[J];现代计算机(专业版);2015年08期
中国重要会议论文全文数据库 前10条
1 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
3 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
4 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 王波;肖健梅;王锡淮;;基于改进粒子群算法的车辆路径问题研究[A];2007中国控制与决策学术年会论文集[C];2007年
6 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
7 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集(上册)[C];2013年
8 王莹;盛四清;;基于改进粒子群算法的电压薄弱区域恢复[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(上册)[C];2008年
9 孟繁敏;杨彬;张其林;;改进的粒子群算法在钢框架截面优化中的应用[A];第十三届全国现代结构工程学术研讨会论文集[C];2013年
10 孔宪仁;秦玉灵;罗文波;;带飞行因子的粒子群算法的铝蜂窝板模型修正[A];结构及多学科优化工程应用与理论研讨会’2009(CSMO-2009)论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 刘天宇;基于协作学习和文化进化机制的量子粒子群算法及应用研究[D];西安电子科技大学;2017年
2 孟丽;粒子群算法及其在分数阶系统辨识中的应用研究[D];华北电力大学(北京);2016年
3 韩佳伟;多层级苹果预冷过程模拟及预冷控制决策优化[D];北京工业大学;2018年
4 钟继如;基于混合粒子群算法的小冲杆试验预测材料强度的研究[D];华东理工大学;2019年
5 雷开友;粒子群算法及其应用研究[D];西南大学;2006年
6 王芳;粒子群算法的研究[D];西南大学;2006年
7 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年
8 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
9 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年
10 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年
中国硕士学位论文全文数据库 前10条
1 张晓寒;基于混合粒子群算法的车间调度研究及管理系统设计[D];武汉科技大学;2019年
2 蔡江华;基于有限理性的主从博弈稳定性和算法研究[D];贵州大学;2019年
3 徐慧;基于改进粒子群算法的投资组合优化研究[D];天津商业大学;2019年
4 付成杰;软计算方法在产品意象设计中的应用研究[D];齐鲁工业大学;2019年
5 李东旺;基于多目标粒子群算法的制造过程优化方法研究[D];齐鲁工业大学;2019年
6 胡松琪;量子粒子群算法的研究及应用[D];兰州理工大学;2019年
7 魏贝贝;Y公司订单评价及排程研究[D];中国矿业大学;2019年
8 姜方达;基于粒子群算法的认知无线电功率分配问题研究[D];长春工业大学;2019年
9 宋典娜;粒子群算法的改进研究及在无线传感器网络覆盖问题中的应用[D];山东师范大学;2019年
10 张雪姿;智能粒子群算法在分布式能源规划中的应用[D];中国矿业大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978