混沌粒子群算法在矩阵秩RSSI算法中的研究

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (4): 74-78.

混沌粒子群算法在矩阵秩RSSI算法中的研究

方旺盛，刘晓鑫

江西理工大学信息工程学院，江西赣州 341000

出版日期:2016-02-15 发布日期:2016-02-03

Research of RSSI algorithm based on rank of matrix and chaos particle swarm optimization algorithm

FANG Wangsheng, LIU Xiaoxin

School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou, Jiangxi 341000, China

Online:2016-02-15 Published:2016-02-03

摘要/Abstract

摘要： 为了解决RSSI算法中矩阵的冗余度并且延长整个无线传感器网络的生命周期，在RSSI算法的基础上提出了一种基于矩阵秩的混沌粒子群的RSSI算法。由于无线传感器网络中的节点的内存和能源的有限性，故引入了混沌粒子寻优的算法和矩阵秩的概念来解决这方面缺陷，并通过迭代得到最佳节点坐标。仿真结果表明，基于矩阵秩的混沌粒子群的RSSI算法不仅具有良好的定位精度，并且节约了节点内存和能源。

关键词: 三维定位, 无线传感器网络, 混沌, 粒子群算法, 矩阵秩

Abstract: For solving the redundancy of RSSI algorithm and prolong the life cycle of wireless sensor networks, presenting a rank of a matrix and chaos particle swarm optimization algorithm for RSSI algorithm. Due to the limitations of node memory and energy in wireless sensor network, this paper introduces particle swarm optimization algorithm and the concept of matrix rank to solve the problems, and to get the best nodal coordinates through iterative method. The simulation results show that RSSI based on rank of a matrix and chaos particle swarm optimization algorithm not only have good localization accuracy in performance, but also save memory and energy of nodes.

Key words: 3D localization, Wireless Sensor Network（WSN）, chaos, Particle Swarm Optimization algorithm（PSO）, rank of a matrix

方旺盛，刘晓鑫. 混沌粒子群算法在矩阵秩RSSI算法中的研究[J]. 计算机工程与应用, 2016, 52(4): 74-78.

FANG Wangsheng, LIU Xiaoxin. Research of RSSI algorithm based on rank of matrix and chaos particle swarm optimization algorithm[J]. Computer Engineering and Applications, 2016, 52(4): 74-78.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[5]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[6]	王海瑞，鲜于建川. 改进麻雀搜索算法在分布式电源配置中的应用[J]. 计算机工程与应用, 2021, 57(20): 245-252.
[7]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[8]	廖列法，杨红. 天牛须搜索算法研究综述[J]. 计算机工程与应用, 2021, 57(12): 54-64.
[9]	孙泽宇，董汉磊，苏艳超，徐琛，聂雅琳，李传锋. 传感网中基于能量有效的多参数数据重构方法[J]. 计算机工程与应用, 2021, 57(11): 103-110.
[10]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[11]	周蓉，李俊，王浩. 基于灰狼优化的反向学习粒子群算法[J]. 计算机工程与应用, 2020, 56(7): 48-56.
[12]	龚本灿，周峰，陈鹏，任东. 基于路径质量的无线传感网路由协议[J]. 计算机工程与应用, 2020, 56(6): 99-104.
[13]	杨华龙，陆婷，辛禹辰. 基于改进粒子群算法的异质车队二级IRP优化[J]. 计算机工程与应用, 2020, 56(22): 272-278.
[14]	李宏伟，陈亮，白景波. 基于CMFO算法的投影寻踪威胁目标评估模型[J]. 计算机工程与应用, 2020, 56(2): 152-157.
[15]	覃凤婷，杨有龙，仇海全. 基于稀疏子空间的局部异常值检测算法[J]. 计算机工程与应用, 2020, 56(19): 152-159.