论文部分内容阅读
无线传感器网络(Wireless Sensor Network, WSN)融合多领域前沿科技于一体,有寻常网络难以企及之优势,其未来发展不可限量。迄今为止,WSN在深海探测、航空航天、救灾抗震等领域已经得到广泛应用,随着物联网的实施和无线传感器技术的不断发展,它将会逐步渗透至人类生产、生活的各个角落,成为密不可分的一部分。节点定位技术研究是WSN领域一个至关重要的研究方向。节点定位问题,本质上属于七大数学难题之一的NP完全问题,此类问题通常需要借助现代智能优化算法来予以解决,但此类算法各有不足之处。本文将节点定位算法作为研究切入点,首先对已有的经典定位算法进行了全面分析。在此基础上,利用量子进化算法的新成果,针对节点自定位问题进行融合创新,提出了两种新的WSN节点定位算法:1)基于双链量子遗传算法的无线传感器网络节点定位算法(WDQGA)。该算法采用基于量子位概率幅编码方式的双链量子编码方案,避免了测量量子位时带来的不确定性,摆脱了不同进制间频繁的解码转换过程,每次迭代使两个解可以同时得到更新。因此,在种群规模相同的条件下,该编码方案能明显加快优化速度,扩展全局最优解数量,提升获取全局最优解的概率。算法确定转角大小时,对适应度函数在搜索过程中的变化趋势进行了详细分析,并将此信息作为一个关键元素融入到转角步长函数构造中,使各量子染色体依据其适应度值变化情况,对搜索过程做出动态调整,有效地提高了算法效率,也提高了定位的精度。仿真实验结果表明,在不同网络环境下,WDQGA的定位精度明显高于经典的DV-Hop算法。2)基于Bloch球面坐标量子进化算法的无线传感器网络节点定位算法(WBQEA)。该算法采用基于量子位Bloch球面坐标的编码方案和新的量子非门,使每条量子染色体能同时代表搜索空间中的三个优化解,从而有效的提高了搜索速度,增加了种群的多样性,降低了算法早熟的可能性。仿真实验表明,本算法比WDQGA和DV-Hop等传统算法能获得更理想的定位精度。