基于直方圖分布估計算法的無線傳感器網(wǎng)絡(luò)定位技術(shù).pdf

1、節(jié)點定位問題是無線傳感器網(wǎng)絡(luò)(wireless sensor network，WSN)應(yīng)用的基礎(chǔ)。傳統(tǒng)的定位技術(shù)主要有距離無關(guān)和距離相關(guān)兩大類。距離無關(guān)算法雖然對硬件要求不高，但定位精度較低；而距離相關(guān)算法則雖有較高的定位精度，卻易受測距誤差的影響。隨著應(yīng)用環(huán)境的多樣化和復(fù)雜化，大量的限制條件使得傳統(tǒng)的定位技術(shù)面臨越來越大的挑戰(zhàn)。對此，陸續(xù)有學(xué)者提出了基于各種智能優(yōu)化算法的定位技術(shù)，如遺傳算法和模擬退火算法等。這些智能優(yōu)化定位算法結(jié)構(gòu)簡

2、單通用，而且常常能夠求解出可令人滿意的定位結(jié)果，現(xiàn)已逐漸成為WSN定位技術(shù)研究領(lǐng)域的新熱點。
　　 分布估計算法(Estimation of Distribution Algorithm,EDA)是一種結(jié)合了統(tǒng)計學(xué)習(xí)理論和遺傳算法原理的新型智能優(yōu)化算法，它通過對概率模型的更新和采樣操作來實現(xiàn)種群的進化。與其他智能優(yōu)化算法相比，EDA的最大不同是用概率模型來捕捉問題空間的可行區(qū)域，這種更具有統(tǒng)計意義的進化方式使其在求解高維復(fù)雜的問

3、題時能獲得較優(yōu)秀穩(wěn)定的性能。WSN定位問題不但維數(shù)高(即待定位的節(jié)點多)，而且應(yīng)用環(huán)境復(fù)雜(受噪音的影響大)，因此采用EDA來求解WSN定位問題是一個很有意義的嘗試。本文根據(jù)現(xiàn)實應(yīng)用的高精度和高魯棒性要求，提出了一種基于直方圖分布估計算法(Histogram Based EstimatedDistribution Algorithm,HEDA)的無線傳感器網(wǎng)絡(luò)定位技術(shù)，其核心是帶自適應(yīng)局部優(yōu)化的直方圖分布估計算法(HEDA/L)。HED

4、A/L設(shè)定每個個體由對所有未知節(jié)點的估計坐標(biāo)組成，算法流程主要包括初始化、模型采樣、模型更新和自適應(yīng)局部優(yōu)化四個過程。第一步的初始化過程首先將整個監(jiān)測區(qū)域均勻離散化成若干個小區(qū)域，然后根據(jù)已知的測量距離近似估計出每個未知節(jié)點分布在各小區(qū)域的概率，并為每個未知節(jié)點構(gòu)建一個對應(yīng)的直方圖模型來描述其分布在各小區(qū)域的概率。第二步的采樣過程是在已建立的直方圖模型上，通過逐一采樣所有未知節(jié)點的估計位置來生成一個新個體，進而產(chǎn)生新一代的種群。第三步的

5、模型更新過程則先在當(dāng)前種群選擇部分優(yōu)秀個體，然后統(tǒng)計已選個體中每個未知節(jié)點落入各小區(qū)域的頻率，并以此更新相應(yīng)的直方圖模型。第四步的自適應(yīng)局部優(yōu)化過程為局部優(yōu)化解的質(zhì)量，在當(dāng)前最優(yōu)個體的一定半徑范圍內(nèi)進行重復(fù)探索，并根據(jù)每代的優(yōu)化效果來自適應(yīng)調(diào)整探索半徑的縮放。后面三個過程按序循環(huán)進行，從而實現(xiàn)了種群的迭代進化。
　　 仿真實驗設(shè)計了多種不同場景下的測試案例，并將HEDA/L與Biswas提出的半定規(guī)劃(Semi-Definite