基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
无线传感器网络技术应用广泛,而大多数应用依赖于节点定位,本文提出了一种基于遗传算法与蚁群算法混合算法的节点定位算法,遗传算法采用实数编码,利用线性交叉和非均匀变异算子进行搜索,在遗传算法搜索结果的基础上,利用改进的蚁群算法进行进一步搜索,蚁群算法采用MMAS算法,根据遗传算法搜索结果产生初始吸引强度分布,之后应用精英策略比较混合算法产生的新个体与父代种群,保留较优个体为新一代种群.仿真结果表明,混合算法的定位精度优于dv-hop,遗传算法等传统定位算法,算法收敛性也优于遗传算法和蚁群算法,该混合算法汲取了两种算法的优点,时间效率高,定位精度高,收敛速度快,是一种优秀的无线传感器网络定位算法.
推荐文章
一种基于遗传算法的无线传感器网络定位新算法
无线传感器网络
节点定位
遗传算法
算法性能
基于蚁群粒子群混合的无线传感器网络定位算法
无线传感器网络
定位算法
蚁群粒子群
DV-Hop
粒子群算法
基于蚁群-遗传的无线传感器网络路由算法
无线传感器网络
路由
蚁群算法
蚁群-遗传算法
基于蚁群的无线传感器网络路由算法
无线传感器网络
蚁群算法
路由
分布式算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于遗传算法与蚁群算法混合算法的 无线传感器网络定位算法
来源期刊 软件 学科 工学
关键词 无线传感器网络 遗传算法 蚁群算法 锚节点 距离
年,卷(期) 2017,(1) 所属期刊栏目 基金项目论文
研究方向 页码范围 11-15
页数 5页 分类号 TN929.5
字数 2890字 语种 中文
DOI 10.3969/j.issn.1003-6970.2017.01.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈佳品 上海交通大学电子信息与电气工程学院薄膜与微细技术教育部重点实验室 107 1480 19.0 36.0
2 李振波 上海交通大学电子信息与电气工程学院薄膜与微细技术教育部重点实验室 72 438 11.0 16.0
3 李杰 上海交通大学电子信息与电气工程学院薄膜与微细技术教育部重点实验室 67 905 15.0 28.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (44)
参考文献  (8)
节点文献
引证文献  (15)
同被引文献  (43)
二级引证文献  (17)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(11)
  • 引证文献(7)
  • 二级引证文献(4)
2019(11)
  • 引证文献(4)
  • 二级引证文献(7)
2020(7)
  • 引证文献(1)
  • 二级引证文献(6)
研究主题发展历程
节点文献
无线传感器网络
遗传算法
蚁群算法
锚节点
距离
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件
月刊
1003-6970
12-1151/TP
16开
北京市3108信箱
1979
chi
出版文献量(篇)
9374
总下载数(次)
40
论文1v1指导