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:
针对无线传感器网络(WSN)节点定位精度不足的问题,提出一种改进鸡群算法与典型定位模型相结合的ICSO(Im-prove Chicken Swarm Optimization)算法.首先,提出基于pareto距离分级的分类算法,优化鸡群算法种群比例;然后,在母鸡位置公式中引入随机游走策略,增大搜索范围;最后,将净能量增益引入小鸡的位置公式,进一步提高定位精度.仿真结果表明,ICSO与改进后的粒子群算法(MPSO)和鸡群算法(BIDCSO)相比,在参考节点比例、节点密度、通信半径和定位区域面积等方面的平均定位精度分别提高了19.2%、22.1%、12.1%、8.5%和6%、10.5%、4.4%、4.7%.实验结果表明,ICSO算法能够有效提高定位精度.
推荐文章
基于鸡群优化的无线传感器网络三面定位算法
无线传感器网络
定位算法
三面定位法
鸡群优化
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
基于测距技术的无线传感器网络定位算法研究
无线传感器网络
带状通道
RSSI
锚节点
非锚节点
无线传感器网络自身定位算法研究
无线传感器网络
定位
求精算法
无线自组织网络
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 基于鸡群算法的无线传感器网络定位研究
来源期刊 传感技术学报 学科 工学
关键词 无线传感器网络(WSN) 定位模型 鸡群算法 净能量增益 定位精度
年,卷(期) 2019,(6) 所属期刊栏目 无线传感器技术
研究方向 页码范围 866-871,891
页数 7页 分类号 TP393
字数 6386字 语种 中文
DOI 10.3969/j.issn.1004-1699.2019.06.011
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 陈桂芬 长春理工大学电子信息工程学院 39 84 6.0 8.0
2 李鹏 长春理工大学电子信息工程学院 11 7 2.0 2.0
3 胡文韬 长春理工大学电子信息工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (66)
共引文献  (80)
参考文献  (11)
节点文献
引证文献  (2)
同被引文献  (11)
二级引证文献  (0)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(8)
  • 参考文献(1)
  • 二级参考文献(7)
2011(13)
  • 参考文献(0)
  • 二级参考文献(13)
2012(10)
  • 参考文献(0)
  • 二级参考文献(10)
2013(7)
  • 参考文献(1)
  • 二级参考文献(6)
2014(7)
  • 参考文献(1)
  • 二级参考文献(6)
2015(6)
  • 参考文献(3)
  • 二级参考文献(3)
2016(3)
  • 参考文献(2)
  • 二级参考文献(1)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
无线传感器网络(WSN)
定位模型
鸡群算法
净能量增益
定位精度
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
传感技术学报
月刊
1004-1699
32-1322/TN
大16开
南京市四牌楼2号东南大学
1988
chi
出版文献量(篇)
6772
总下载数(次)
23
总被引数(次)
65542
论文1v1指导