亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于跳距修正與獅群優(yōu)化的WSNs三維定位算法*

        2021-09-24 11:12:30茍平章劉學(xué)治孫夢源
        計算機工程與科學(xué) 2021年8期
        關(guān)鍵詞:獅群半徑距離

        茍平章,劉學(xué)治,孫夢源,何 博

        (西北師范大學(xué)計算機科學(xué)與工程學(xué)院,甘肅 蘭州 730070)

        1 引言

        無線傳感器網(wǎng)絡(luò)WSNs (Wireless Sensor Networks)中的節(jié)點用來感知、采集和處理網(wǎng)絡(luò)分布在比較危險的復(fù)雜區(qū)域內(nèi)時各種環(huán)境和監(jiān)測對象的信息,如果節(jié)點位置無法確定,收集到的各種監(jiān)測信息將毫無意義[1]。因此,進行節(jié)點感知半徑優(yōu)化,減少節(jié)點定位過程中錨節(jié)點能耗,提高節(jié)點定位精度成為WSNs研究中的重要問題之一。實際應(yīng)用中WSNs節(jié)點一般不會分布于絕對的二維平面,三維定位算法更符合實際定位需求,如何減少基于三維空間的節(jié)點定位誤差已成為研究熱點[2]。

        文獻[3]提出一種結(jié)合DV-Hop(Distance Vector-Hop)和RSSI(Received Signal Strength Indicator)的優(yōu)化算法,通過將計算出的待定位節(jié)點與錨節(jié)點間的距離作為單隱層前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練好的網(wǎng)絡(luò)模型的輸入,形成完整的拓撲訓(xùn)練集,取代網(wǎng)絡(luò)拓撲結(jié)構(gòu),得到待定位節(jié)點的位置,使得節(jié)點定位精度和抗干擾性得到提高。文獻[4]使用MAC(Media Access Control)層發(fā)現(xiàn)信標節(jié)點的鄰居節(jié)點,以減少傳輸過程的沖突,將單跳鄰居節(jié)點分為2種進行通信降低了能耗,利用修正因子降低定位誤差。文獻[5]提出一種增強的拉格朗日矩陣填充算法,根據(jù)測量值來填充未測距離并分離噪聲數(shù)據(jù),采用MDS(Multi-Dimensional Scaling)方法實現(xiàn)節(jié)點的精確定位。文獻[6]將差分進化DE (Differential Evolution)算法和DV-Hop相結(jié)合,使用最小均方誤差準則計算每跳平均距離,將改進的DE算法應(yīng)用于求解待定位節(jié)點估計位置對應(yīng)的全局最優(yōu)解,降低了節(jié)點的平均定位誤差,提高了算法的收斂速度和穩(wěn)定性,但是算法的復(fù)雜度有所增加。文獻[7]結(jié)合粒子群算法和混合復(fù)雜進化算法的優(yōu)點,提出2種三維定位算法,提高了節(jié)點的定位精度,但是沒有考慮到定位過程中待定位節(jié)點到錨節(jié)點之間距離的誤差。文獻[8]通過使用RSS(Received Signal Strength)和AOA(Angle Of Arrival)混合測量相結(jié)合的方法,提升了不同場景下的定位性能。文獻[9]使用迭代定位的方法減少了遠距離待定位節(jié)點的累積誤差,將計算出坐標值的待定位節(jié)點升級為輔助錨節(jié)點,利用輔助錨節(jié)點平衡了網(wǎng)絡(luò)能量消耗,并對網(wǎng)絡(luò)跳數(shù)、跳距和計算方法進行了優(yōu)化,減少了算法的定位誤差和計算量。文獻[10]利用改進的二次柵格掃描定位算法完成初步定位,使用三角形質(zhì)心迭代定位算法提升了定位精度。文獻[11]提出一種通過質(zhì)心迭代計算待定位節(jié)點坐標的三維定位方法,提高了節(jié)點定位精度和定位覆蓋率。文獻[12]將三維空間劃分成網(wǎng)格單元,把數(shù)據(jù)對象嵌入三維空間,使用一個密度閾值來識別稠密單位,通過MeanShift算法迭代計算出概率密度的最優(yōu)解,達到對節(jié)點的精確定位。

        綜合以上研究,本文針對三維DV-Hop的跳數(shù)劃分、跳距設(shè)置和計算方法造成的定位精度不高的問題,提出一種基于跳距修正與獅群優(yōu)化LSO(Lion Swarm Optimization)的WSNs三維定位算法HCLSO-3D(3D positioning algorithm based on Hop Correction and Lion Swarm Optimization)來提高節(jié)點定位精度。首先,使用多通信半徑的方法,對傳統(tǒng)DV-Hop模型中跳數(shù)進行細化,得到更合理的跳數(shù),減少對平均跳距和待定位節(jié)點到錨節(jié)點距離計算帶來的累積誤差。其次,使用相似路徑搜索算法,獲取與待定位節(jié)點到相應(yīng)錨節(jié)點之間最相似的錨節(jié)點對的路徑,對此路徑的平均跳距進行修正,并作為待定位節(jié)點到對應(yīng)錨節(jié)點的平均跳距,減少其他錨節(jié)點的影響,降低平均跳距的誤差。最后,使用獅群優(yōu)化算法對待定位節(jié)點的坐標進行計算,得到最優(yōu)的坐標值。

        2 三維DV-Hop算法和獅群優(yōu)化算法

        2.1 傳感器節(jié)點監(jiān)測區(qū)域

        無線傳感器節(jié)點被隨機分布在三維空間的監(jiān)測區(qū)域中,圖1所示為仿真模擬出的一個典型的含有多個波峰和波谷的三維空間監(jiān)測區(qū)域地形圖,被隨機拋灑到區(qū)域中的傳感器節(jié)點通過三維DV-Hop定位算法確定自身位置,然后將自身坐標及監(jiān)測信息傳輸?shù)絽R聚節(jié)點,進行下一步數(shù)據(jù)處理。

        Figure 1 A topographic map of a monitoring area in three-dimensional space圖1 三維空間監(jiān)測區(qū)域地形圖

        2.2 三維DV-Hop定位算法

        DV-Hop定位算法[13]是一種距離無關(guān)的定位算法,三維DV-Hop定位算法是從二維空間向三維空間的一種推廣,其基本過程與二維DV-Hop定位算法過程類似,主要步驟如下:

        步驟1節(jié)點間信息傳播與跳數(shù)估算。網(wǎng)絡(luò)中所有錨節(jié)點廣播自身的位置和跳數(shù)信息,在錨節(jié)點通信半徑內(nèi)的所有節(jié)點將獲得錨節(jié)點的信息并保存,節(jié)點將跳數(shù)信息加1后向鄰居節(jié)點傳播自身的標識信息、更新后的跳數(shù)信息和接收到的錨節(jié)點信息,在信息傳遞過程中,待定位節(jié)點只保存到各個錨節(jié)點的最小跳數(shù),網(wǎng)絡(luò)中所有節(jié)點獲得錨節(jié)點信息后傳播過程結(jié)束。

        步驟2待定位節(jié)點與錨節(jié)點之間跳距的估算。所有錨節(jié)點保存了到其余錨節(jié)點的最小跳數(shù),每個錨節(jié)點計算平均距離,并且在網(wǎng)絡(luò)中傳播平均跳距信息,錨節(jié)點最近范圍內(nèi)的待定位節(jié)點保存平均跳距并計算到各個錨節(jié)點的距離。

        Hopsizei=

        (1)

        其中,(xi,yi,zi)和(xj,yj,zj)為錨節(jié)點i和錨節(jié)點j的實際坐標位置;i、j為錨節(jié)點的標識,其值的范圍由網(wǎng)絡(luò)中的錨節(jié)點個數(shù)決定;hij是錨節(jié)點i和錨節(jié)點j的最小跳數(shù);Hopsizei表示錨節(jié)點i的平均跳距。錨節(jié)點i和錨節(jié)點j之間的估算距離dij為:

        dij=Hopsizei×hij

        (2)

        步驟3待定位節(jié)點坐標計算。在三維空間中,得到4個及以上的待定位節(jié)點到錨節(jié)點之間的估計距離后,通過極大似然估計法計算出待定位節(jié)點的坐標。

        2.3 獅群優(yōu)化算法

        獅群優(yōu)化LSO算法[14,15]是一種群體智能算法,模擬自然界中獅群的行為模式,算法中有3種角色,分別為:獅王、母獅及幼獅。按照自然界的“適者生存”法則,不同角色的獅子具有不同的位置更新方式。獅子位置更新方式的多樣化保證算法快速收斂,不易陷入局部最優(yōu),精度較高,能較好地獲得全局最優(yōu)解。

        在D維空間中初始化獅群數(shù)量為N,成年獅數(shù)量為NL。

        (3)

        其中,成年獅所占比例因子β為(0,1)的隨機數(shù),一般取值小于0.5。成年獅中僅有一頭為公獅,剩余為母獅,幼獅數(shù)量為N-NL,第i頭獅子位置表示為:

        xi=(xi1,xi2,xi3,…,xiD),1≤i≤N

        (4)

        獅王、母獅及幼獅分別按照式(5)~式(7)更新自身位置:

        (5)

        (6)

        (7)

        (8)

        (9)

        (10)

        (11)

        3 HCLSO-3D定位算法

        3.1 多通信半徑設(shè)置和跳數(shù)優(yōu)化

        傳統(tǒng)的三維 DV-Hop算法在劃分跳數(shù)時,錨節(jié)點通信半徑內(nèi)的所有節(jié)點都稱為單跳節(jié)點,但這些節(jié)點與錨節(jié)點之間的距離往往并不相等,導(dǎo)致距離估計產(chǎn)生誤差。在計算平均跳距時,跳數(shù)的誤差會影響平均跳距的值,估計距離與待定位節(jié)點和錨節(jié)點之間的真正距離有明顯差異。本文采用多通信半徑的方式對錨節(jié)點所有通信范圍內(nèi)的節(jié)點跳數(shù)進行重新計算和劃分,進而影響多跳的劃分,減少由跳數(shù)不合實際帶來的累積誤差,其基本步驟如下:

        步驟1設(shè)置預(yù)傳播半徑。考慮錨節(jié)點和待定位節(jié)點在總節(jié)點中所占的比例,設(shè)置預(yù)傳播半徑R:

        (12)

        其中,R為預(yù)傳播半徑;n為多通信半徑數(shù)量,其值為錨節(jié)點占總節(jié)點比例的倒數(shù)值取整;r為最大通信半徑。錨節(jié)點比例越大,WSNs三維空間中錨節(jié)點覆蓋的待定位節(jié)點數(shù)越少,預(yù)傳播半徑的劃分越粗糙,反之,預(yù)傳播半徑的劃分越精細。

        步驟2預(yù)傳播。預(yù)傳播階段中,各個錨節(jié)點使用設(shè)置的預(yù)傳播半徑進行多通信半徑的傳播,將原本通信范圍內(nèi)的所有單跳節(jié)點通過不同的通信半徑進行劃分,使得待定位節(jié)點到錨節(jié)點的跳數(shù)計算得更加準確。

        步驟3全網(wǎng)絡(luò)傳播階段。按照傳統(tǒng)三維DV-Hop步驟1進行節(jié)點信息的傳播和跳數(shù)估計,此時各個錨節(jié)點和單跳范圍內(nèi)被細化跳數(shù)值的節(jié)點向外傳播信息,多跳的跳數(shù)值受到單跳值的影響,被劃分得更加細致、精確。

        3.2 跳距修正

        在傳統(tǒng)三維DV-Hop定位模型中,待定位節(jié)點的平均跳距由距離其最近的錨節(jié)點計算得出,待定位節(jié)點保存并利用平均跳距計算到各個錨節(jié)點之間的距離。傳統(tǒng)的計算方法使用同一個平均跳距計算待定位節(jié)點到所有不同錨節(jié)點之間的距離,由于不同錨節(jié)點對待定位節(jié)點的影響不同,會使得平均跳距產(chǎn)生較大的誤差,影響距離的計算。本文采用相似路徑搜索算法[16]得到一條與待定位節(jié)點到對應(yīng)錨節(jié)點之間路徑最相似的錨節(jié)點對的路徑,計算此路徑的平均跳距并進行修正,作為此待定位節(jié)點到對應(yīng)錨節(jié)點的平均跳距值。隨著對應(yīng)錨節(jié)點的改變,平均跳距值也會相應(yīng)地改變,最終利用平均跳距與被優(yōu)化的跳數(shù)值相乘得到精確的距離。其基本步驟如下:

        步驟1相似路徑搜索。節(jié)點在網(wǎng)絡(luò)中傳播信息時會將自身的標識和到各個錨節(jié)點的跳數(shù)信息傳遞給鄰居節(jié)點,在網(wǎng)絡(luò)傳播完成之后,每個待定位節(jié)點會存儲到各個錨節(jié)點所經(jīng)過的最短路徑節(jié)點序列,每個錨節(jié)點會存儲到各個錨節(jié)點所經(jīng)過的最短路徑節(jié)點序列。本文使用相似度系數(shù)SC來表示路徑間的相似程度,其定義如式(13)所示:

        (13)

        其中,A表示待定位節(jié)點到目標錨節(jié)點的最短路徑序列集合,B表示其余錨節(jié)點到目標錨節(jié)點的最短路徑序列集合,n()為集合中元素的個數(shù)。計算集合A與不同集合B之間的相似度系數(shù),其中相似度系數(shù)值最大的路徑即為搜索結(jié)果。

        步驟2平均跳距計算。相似路徑搜索得到的結(jié)果是與待定位節(jié)點到目標錨節(jié)點路徑最為相似的2個錨節(jié)點之間的路徑。2個錨節(jié)點通過式(1)得到它們之間的平均跳距值,作為此待定位節(jié)點到目標錨節(jié)點的平均跳距。

        步驟3平均跳距修正。在三維空間中,網(wǎng)絡(luò)拓撲更加復(fù)雜,2個錨節(jié)點計算得出的平均跳距與它們之間的實際最優(yōu)跳距(最大通信半徑)存在偏差。本文計算得出平均跳距和最大通信半徑之間的修正量φi,進而對平均跳距進行修正,定義誤差系數(shù)ωi為:

        ωi=(r-Hopsize)/r

        (14)

        其中,r為最大通信半徑,Hopsize為計算得到的平均跳距。定義修正量φi為:

        φi=Hopsize×ωi

        (15)

        修正量φi表示平均跳距與最大通信半徑r之間的校正值,反映了平均跳距與理想距離r之間的差異。修正之后的平均跳距Hopsize′由式(16)計算得出:

        Hopsize′=Hopsize+φi

        (16)

        步驟4依次計算所有待定位節(jié)點到各個錨節(jié)點之間修正后的平均跳距值。

        通過多通信半徑進行跳數(shù)優(yōu)化及跳距修正的算法偽代碼描述如算法1所示:

        算法1跳數(shù)優(yōu)化與跳距修正

        輸入:錨節(jié)點個數(shù),總節(jié)點個數(shù),最大通信半徑r,多通信半徑數(shù)量n。

        輸出:待定位節(jié)點到各個錨節(jié)點的距離。

        1. Initial network environment;//初始化網(wǎng)絡(luò)環(huán)境

        2.fori=1 tondo //多通信半徑廣播

        4.if(unknown nodes don’t receive the same signal)then

        6.endif

        7.endfor

        8. Anchor nodes broadcast their packets;//多跳傳播

        9.if(unknown nodes receive the anchor nodes packets)then

        10.Hop++;

        11.Forward the message;

        12.endif

        13.if( the unknown node receive anchor nodes messages numbers < 4 )then//定位條件判斷

        14. the unknown node can’t be located;

        15.else

        16. Search path set ofB;//路徑搜索

        17. ComputingSCandHopsizeunknownby equation(13) and equation(1);//計算相似度與平均跳距

        18. Corrected forHopsizeunknown;//平均跳距修正

        19. Computing the distance from unknown nodes to anchor nodes by equation(2);//計算距離

        20.endif

        3.3 LSO算法求解待定位節(jié)點坐標

        LSO算法對初值的要求不高,算法尋優(yōu)速度較快,有較強的全局尋優(yōu)能力。表1為在30維空間中,LSO算法、標準粒子群算法和人工蜂群算法對Sphere函數(shù)的尋優(yōu)結(jié)果[14]??梢钥闯?,LSO在高維空間中,具有收斂速度快、精度高和能較好地獲得全局最優(yōu)解的優(yōu)點。本文將待定位節(jié)點坐標值的計算看作一種尋優(yōu)問題,通過設(shè)置適應(yīng)值函數(shù),使用LSO在問題的求解空間中找到符合條件最優(yōu)解,即為待定位節(jié)點的坐標值。

        Table 1 Test results of three algorithms on Sphere function 表1 3種算法在Sphere函數(shù)上的測試結(jié)果

        目標函數(shù)和LSO的適應(yīng)值函數(shù)定義如下:

        (17)

        (18)

        (19)

        其中,(x,y,z)為獅群優(yōu)化算法求解的待定位節(jié)點坐標;(xi,yi,zi)為錨節(jié)點坐標;di為待定位節(jié)點到錨節(jié)點i的距離;M為錨節(jié)點數(shù)量;εi為錨節(jié)點與搜索得到的待定位節(jié)點的距離與優(yōu)化后的三維DV-Hop算法計算出的距離的差值;f(x,y,z)是在不同的權(quán)值條件下每一個εi的和,當求和最小時,得到的解即為最優(yōu)解;fit為適應(yīng)值函數(shù),在進行尋優(yōu)時,適應(yīng)值越大,解越接近最優(yōu)值。

        獅群優(yōu)化算法求解坐標的步驟如下:

        步驟1在三維空間中隨機初始化N個坐標值作為獅群中獅子的位置,設(shè)置最大迭代次數(shù)T,成年獅比例因子β。

        步驟2計算獅群中不同角色獅子數(shù)量,獅王位置設(shè)置為初始種群最優(yōu)位置,設(shè)置個體歷史最優(yōu)位置為各獅的當前位置。

        步驟3根據(jù)式(5)~式(7)更新獅王、母獅和幼獅的位置,并根據(jù)式(19)計算適應(yīng)度值。

        步驟4更新自身和獅群歷史最優(yōu)位置。判斷算法是否滿足結(jié)束條件(發(fā)現(xiàn)理論值最優(yōu)值或與最后2次最優(yōu)值之差的絕對值小于設(shè)定精度),如果滿足轉(zhuǎn)步驟6,否則轉(zhuǎn)步驟5。

        步驟5每隔一定迭代次數(shù),重新排序(約10次),確定獅王、母獅及幼獅位置,轉(zhuǎn)步驟3。

        步驟6輸出獅王的位置,即待定位節(jié)點的坐標值,算法結(jié)束。

        利用LSO算法求解待定位節(jié)點坐標的偽代碼描述如算法2所示:

        算法2獅群優(yōu)化算法求解坐標值

        輸入:錨節(jié)點坐標,待定位節(jié)點到對應(yīng)錨節(jié)點距離。

        輸出:待定位節(jié)點估計坐標值。

        1. Initial number of lions:N, adult lion population:NL,Dimension:D,generation:G;//初始化參數(shù)值

        2.g=-1;

        3.fori=1 toNdo//初始化獅群位置

        4.forj=1 toDdo

        6.endfor

        7.endfor

        8.fori=1 toNdo

        10.endfor

        12.while(|fit(x)|>=ε)‖(g≤G)do/*迭代終止條件判斷*/

        17. Update;//更新個體最優(yōu)和全局最優(yōu)

        18.endwhile

        19.returnthe best solutionkingx.

        4 仿真結(jié)果與分析

        4.1 仿真實驗設(shè)計與環(huán)境設(shè)置

        本節(jié)使用Matlab進行編程仿真,對比分析錨節(jié)點個數(shù)、通信半徑和節(jié)點個數(shù)3個參數(shù)的變化對HCLSO-3D定位算法、3D-DVHop和文獻[16]定位算法的影響,證明HCLSO-3D定位算法的有效性和優(yōu)越性。在相同環(huán)境下進行100次仿真實驗,取平均值作為仿真實驗最終結(jié)果,仿真實驗區(qū)域設(shè)定為正立方體,在設(shè)定區(qū)域內(nèi)隨機生成100個包括待定位節(jié)點和錨節(jié)點的傳感器網(wǎng)絡(luò)節(jié)點。

        網(wǎng)絡(luò)環(huán)境與相關(guān)參數(shù)值設(shè)置如表2所示。

        Table 2 Network environment and parameter settings表2 網(wǎng)絡(luò)環(huán)境與參數(shù)設(shè)置

        圖2為仿真實驗區(qū)域內(nèi)WSNs隨機生成的節(jié)點分布圖,其中方形代表信標節(jié)點即錨節(jié)點,圓形代表待定位節(jié)點。

        Figure 2 Random distribution of three-dimensional spatial nodes圖2 三維空間節(jié)點隨機分布圖

        在不同環(huán)境下的仿真實驗結(jié)果需要相同的定位標準來衡量算法的定位效果,本文采用所有節(jié)點的平均定位誤差作為衡量標準,其計算方法如式(20)所示:

        ErrEavg=

        (20)

        其中,ErrEavg代表平均定位誤差,(x′i,y′i,z′i)代表待定位節(jié)點i的實際坐標值,(xi,yi,zi)代表待定位節(jié)點i的估計坐標值,r為節(jié)點的最大通信半徑,P為待定位節(jié)點的總數(shù)。

        4.2 錨節(jié)點數(shù)與平均定位誤差分析

        圖3為節(jié)點總數(shù)為100,通信半徑為15 m條件下的不同錨節(jié)點數(shù)對3種算法定位效果的影響,3種定位算法的誤差隨著錨節(jié)點數(shù)量的增加都有不同程度的減小。HCLSO-3D定位算法在不同條件下定位誤差置信區(qū)間為[45.9%,56.1%],[36%,44%],[28.8%,35.2%],[26.1%,31.9%],[23.94%,29.26%]。當錨節(jié)點數(shù)量為15~25時,HCLSO-3D定位算法平均定位誤差低于3D-DVHop定位算法和文獻[16]定位算法24.5%~27%和2%~6%,表明HCLSO-3D定位算法優(yōu)勢明顯,具有較高的定位精度。因為HCLSO-3D定位算法不僅考慮了跳距和計算方法的影響,同時還對跳數(shù)進行了優(yōu)化,文獻[16]算法只對跳距和節(jié)點計算方法進行了優(yōu)化。

        Figure 3 Effect of the number of anchor nodes on the average positioning error of the algorithm圖3 錨節(jié)點個數(shù)對算法平均定位誤差的影響

        4.3 不同通信半徑與平均定位誤差分析

        圖4是錨節(jié)點比例為15%情況下,不同通信半徑對待定位節(jié)點平均定位誤差的影響。HCLSO-3D定位算法在不同條件下定位誤差置信區(qū)間為[45%,55%],[40.5%,49.5%],[34.2%,41.8%],[27%,33%],[22.5%,27.5%]??梢钥闯?,HCLSO-3D定位算法在通信半徑增加時,定位效果優(yōu)于前2種算法。這是因為本文采用多通信半徑和跳距修正的方式,使得利用優(yōu)化跳數(shù)計算出的估計距離更接近實際距離,獅群優(yōu)化算法求解的目標更準確,而前2種算法并沒有考慮到這些因素對定位精度的影響。

        Figure 4 Effect of communication radius on the average positioning error of the algorithm圖4 通信半徑對算法平均定位誤差的影響

        4.4 節(jié)點總數(shù)與平均定位誤差分析

        圖5為節(jié)點總數(shù)的變化對待定位節(jié)點平均定位誤差的影響。HCLSO-3D定位算法在不同條件下定位誤差置信區(qū)間為[45.9%,56.1%],[40.95%,50.05%],[37.8%,46.2%],[32.4%,39.6%],[26.55%,32.45%],[24.12%,29.48%]。本文提出的算法整體性能相對穩(wěn)定,定位效果相比3D-DVHop定位算法和文獻[16]定位算法明顯更好。仿真區(qū)域內(nèi)節(jié)點總數(shù)的增加導(dǎo)致網(wǎng)絡(luò)的連通性更好,錨節(jié)點通信范圍內(nèi)覆蓋的待定位節(jié)點增加,使得節(jié)點的定位精度有所提高。

        Figure 5 Effect of the number of nodes on the average positioning error of the algorithm圖5 節(jié)點總數(shù)對算法平均定位誤差的影響

        4.5 計算開銷分析

        本節(jié)將算法的平均運行時間作為算法計算開銷指標進行分析。表3為相同實驗條件下所統(tǒng)計的HCLSO-3D定位算法、3D-DVHop算法和文獻[16]算法的平均運行時間。由實驗結(jié)果可以看出,HCLSO-3D定位算法平均運行時間略大于3D-DVHop算法和文獻[16]算法的。因為HCLSO-3D定位算法使用多通信半徑和智能算法求解待定位節(jié)點坐標,導(dǎo)致運算量加大,計算開銷略有增加,但是定位精度明顯提高。

        Table 3 Average running time of the three algorithms表3 3種算法的平均運行時間

        5 結(jié)束語

        本文使用多通信半徑的方法細化傳統(tǒng)DV-Hop模型中的跳數(shù),考慮跳數(shù)以及不同錨節(jié)點對待定位節(jié)點的影響不同,為減少對平均跳距和待定位節(jié)點到錨節(jié)點距離計算帶來的累積誤差,使用相似路徑搜索算法獲取與待定位節(jié)點到相應(yīng)錨節(jié)點之間最相似的錨節(jié)點對的路徑,修正此路徑平均跳距為待定位節(jié)點到對應(yīng)錨節(jié)點的平均跳距,減少其他錨節(jié)點的影響,降低平均跳距誤差。由于獅群算法對初值的要求不高,算法尋優(yōu)速度較快,有較強的全局尋優(yōu)能力,本文使用獅群優(yōu)化算法對待定位節(jié)點的坐標進行計算,得到了最優(yōu)的坐標值,從而提高了定位精度。

        猜你喜歡
        獅群半徑距離
        當兇猛獅群遇上可愛“獅父”
        連續(xù)展成磨削小半徑齒頂圓角的多刀逼近法
        中少總社推出 《超級獅群》探秘大自然
        出版人(2019年4期)2019-04-16 00:53:40
        算距離
        一些圖的無符號拉普拉斯譜半徑
        每次失敗都會距離成功更近一步
        山東青年(2016年3期)2016-02-28 14:25:55
        熱采水平井加熱半徑計算新模型
        愛的距離
        母子健康(2015年1期)2015-02-28 11:21:33
        距離有多遠
        獅子
        亚洲黑寡妇黄色一级片| 国产成人精品一区二区视频| 999精品全免费观看视频| 五月天精品视频在线观看| 国产精品无码一区二区在线国| 亚洲人妻中文字幕在线视频| 日本免费久久高清视频| 无码人妻aⅴ一区二区三区| 精品人妻潮喷久久久又裸又黄| a级国产精品片在线观看| 开心五月激情五月天天五月五月天 | 国模91九色精品二三四| 久久久噜噜噜久久| 亚洲女人被黑人巨大进入| 无码高潮少妇毛多水多水免费| 可以直接在线看国产在线片网址| 国产精品欧美久久久久久日本一道| 国产精品无码av天天爽 | 久久综合狠狠综合久久| 国产va精品免费观看| 激情五月天俺也去综合网| 少妇被黑人嗷嗷大叫视频| 一区二区三区国产| 狠狠躁天天躁无码中文字幕图| 在线观看女同一区二区| 最新欧美精品一区二区三区| av香港经典三级级 在线| 亚洲AV肉丝网站一区二区无码| 亚洲免费成年女性毛视频| 蜜桃高清视频在线看免费1| 国产精品扒开腿做爽爽爽视频| 亚洲日本va中文字幕久久| 日本一区二区三深夜不卡| 婷婷久久国产综合精品| 丁香六月久久婷婷开心| 国产午夜视频在永久在线观看| 女同视频网站一区二区| 日本一本免费一二区| 亚洲 高清 成人 动漫| 免费在线观看蜜桃视频| 成人激情视频在线手机观看 |