10.11772/j.issn.1001-9081.2017092372
自适应混沌量子粒子群算法及其在WSN覆盖优化中的应用
针对传统粒子群优化算法容易陷入局部极值和收敛速度慢等不足,通过研究种群多样性与粒子群算法进化的关系,提出一种动态自适应混沌量子粒子群优化(DACQPSO)算法.该算法将种群分布熵引入粒子群的进化控制,以Sigmoid函数模型为基础,给出了量子粒子群算法收缩扩张系数的计算方法;以平均粒距作为混沌搜索的判别条件进行混沌扰动.将DACQPSO算法应用于无线传感器网络(WSN)的覆盖优化中,并作了仿真分析.实验结果表明,DACQPSO算法在覆盖率指标上比标准粒子群、量子粒子群、混沌量子粒子群算法分别提高了3.350 1%、2.650 2%和1.9000%,有效地提高了WSN的覆盖性能.
无线传感器网络、网络覆盖率、种群多样性、粒子群、混沌搜索阈值
38
TP393;TN711.1(计算技术、计算机技术)
国家自然科学基金资助项目61402013.This work is partially supported by the National Natural Science Foundation of China 61402013
2018-06-01(万方平台首次上网日期,不代表论文的发表时间)
共8页
1064-1071