10.3969/j.issn.1001-4616.2017.02.006
基于果蝇—广义回归神经网络优化的WSN节点定位算法
针对无线传感器网络(WSN)基于测距的定位算法中,利用节点坐标计算方法获得的节点坐标位置存在较大误差的问题,提出一种无需进行坐标计算的果蝇—广义回归神经网络(FOA-GRNN)优化的WSN节点定位算法.该算法利用广义回归神经网络(GRNN)较快的学习速度和较强的逼近能力建立WSN节点定位模型,通过果蝇优化算法(FOA)调整广义回归神经网络的平滑参数,降低调整平滑参数时人为因素的影响,由神经网络直接输出未知节点坐标.仿真实验表明,通过果蝇算法优化的FOA-GRNN模型的节点定位精度比未经优化的GRNN模型的节点定位精度高.同时,比较了FOA-GRNN模型与BP神经网络模型、虚拟节点BP网络模型(VNBP)在WSN节点定位中效果,表明FOA-GRNN模型在WSN节点定位精确性方面具有明显优势.
无线传感器网络、节点定位、广义回归神经网络、果蝇优化算法
40
TP391.9(计算技术、计算机技术)
2014年度广西高校科学技术研究项目LX2014489;2016年广西高校重点实验室建设项目、重庆市自然科学基金cstc2013jcyjC0013
2017-08-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
31-38