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:
针对传统无线传感器网络(wireless sensor network,WSN)中节点定位精度不高的问题,提出了一种混合粒子群(particle swarm optimization,PSO)和差分进化优化(differential evolution,DE)算法.首先在PSO中引入惯性权重的自适应更新策略,以兼顾开发和勘探能力,在种群经过PSO进化后,然后根据提前设定的阈值,将其分为适应度值较大的Su种群和适应度值较小的In种群,In中的粒子使用DE算法继续优化.HPSO-DE算法结合PSO算法和DE算法的优点,达到较好的性能.然后用标准测试函数来检测该算法的性能,验证结果表明所提出的HPSO-DE在寻优速度和收敛精度较PSO和DE而言都有了较大提高.接下来将HPSO-DE方法应用到WSN网络节点定位场景上,从实验测试结果可以看出,其精度相比PSO平均提高了0.5 m左右,在定位上具有更大的优势.
推荐文章
混合粒子群和差分进化的定位算法
无线传感器
节点定位
粒子群
差分进化
一种混沌差分进化和粒子群优化混合算法
差分进化
粒子群
混沌变异
局部搜索能力
收敛速度
基于差分进化粒子群混合优化算法的软测量建模
乙烯收率
软测量建模
差分进化算法
混合优化算法
差分进化混合粒子群算法求解项目调度问题
差分进化混合粒子群算法
粒子群算法
差分进化算法
项目调度
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 混合粒子群和差分进化的定位算法
来源期刊 通信技术 学科 工学
关键词 无线传感器网络 节点定位 粒子群算法 差分进化算法
年,卷(期) 2020,(4) 所属期刊栏目 信息处理与传输
研究方向 页码范围 873-879
页数 7页 分类号 TN911
字数 3741字 语种 中文
DOI 10.3969/j.issn.1002-0802.2020.04.013
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 吴斌 11 2 1.0 1.0
2 金洁丽 吉首大学信息科学与工程学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (1)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(5)
  • 参考文献(2)
  • 二级参考文献(3)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(4)
  • 参考文献(0)
  • 二级参考文献(4)
2017(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(4)
  • 参考文献(1)
  • 二级参考文献(3)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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)
研究主题发展历程
节点文献
无线传感器网络
节点定位
粒子群算法
差分进化算法
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
通信技术
月刊
1002-0802
51-1167/TN
大16开
四川省成都高新区永丰立交桥(南)创业路8号
62-153
1967
chi
出版文献量(篇)
10805
总下载数(次)
35
论文1v1指导