当前位置: 首页 > >

最佳维变异粒子群优化算法在传感器调度中应用

发布时间:

2011年第30卷第12期 传感器与微系统(Transducer and Microsystem Technologies) 145 最佳维变异粒子群优化算法在传感器调度中应用木 陈志国1,傅毅1’2,须文波1,孙俊1 (1.江南大学物联网工程学院。轻工过程先进控*逃恐氐闶笛槭摇=瘴尬玻保矗保玻玻 2.无锡环境科学与工程研究中心。江苏无锡214063) 摘要:粒子群优化(PSO)算法的主要特点是能快速得到问题的解,缺点是容易陷入局部最优。提出了 一种利用最佳维变异技术和茸子理论方法改进的PSO算法,并应用于目标跟踪传感器调度问题。目标的 动力学模型为线性高斯模型,传感器观测值被高斯噪声污染并与目标状态线性相关。对于多传感器单目 标跟踪的数学问题,引入提出的最佳维变异PSO算法,在整个时间轴上产生最小成本。仿真实验结果表 明:提出的算法比已有的算法收敛速度更快,全局搜索能力更强,传感器调度效率更高。 关键词:传感器调度;粒子群优化;目标跟踪 中图分类号:TP391 n 文献标识码:A |1. 文章编号:1000--9787(2011)12-0145—04 ▲ 1● ■● 1 ADDllCatlon 』● ■ 0l 』● Dest-dlmenSlon mUtatlon 』 ● J● … Darticle l 1 l■ SWarm 幕 0Dtlmlzatlon algorltnm (1.Key l ●?1 ● ln SenS0r scnedUllng Industry-Ministry of Education, CHEN Zhi—gu01,FU Yil’,XU Wen—b01,SUN Junl Laboratory of Advanced Process Control for Light School of loT Engineering,Jiangnan University,Wuxi 214122,China; 2.Research Centre of Environment Science and Engineering,Wuxi 214063。Chi聃) is Abstract:The m“n characteristic of the particle swami optimization(PSO)algorithm solution quickly,and its disadvantage is easy to that it csn get the fall into a local optimum quantum in the process.An improved PSO to algorithm is proposed using best dimension mutation technique and theory.It is applied the the sensor sensor scheduling problem for target tracking.The dynamics model of the target is linear measurements impaired by white Gaussian noise of single target tracking with multiple sensors are Ganssian model,and linearly related tO the state of the target.A numerical problem is studied using the proposed best dimension mutation particle swarnl on optimization(BDMPSO)algorithm to get the minimal cost the whole timeline.The simulmion results show that the proposed algorithm has much faster convergence,stronger global search ability and more scheduling efficient than the existing algorithms. Key words:sensor scheduling;particle swami optimization(PSO);target (particle swariTl tracking 0引 言 optimization,PSO)算法已被大量成功应用。 实际的优化问题大多是非线性和多维的,具有多态性, 一般有多个最优解,很难快速找到全局最优解,如广受关注 的最优传感器序列调度问题…,在一个合理的可接受的时 间范围内,同时管理不同类型的传感器并保证跟踪质量是 一个非常艰难的任务,现有的算法由于计算量很大,并不适 用于规模较大时的情形。 启发式技术比分析优化方法能更快地找到问题的次最 优解,主要是因为它不需要目标函数连续或可微,因此,启 发式算法在实际问题中得到更广泛的应用,如粒子群优化 文献[2]已经证实在很多目标函数上PSO算法都能找到最 优解,然而PSO算法还有待改进,以加快收敛速度并克服 容易陷入局部最优的缺点,该问题被广泛研究,并引入多种 策略加以改进。文献[3]结合PSO算法和模拟退火算法来 提高粒子的收敛速度,从而使粒子群跳出局部最优解。多 种变异技术也被用来更新PSO算法的粒子群位置,从而使 粒子群具有多样性【41。然而对于较复杂的问题,上述方法 还是很难找到全局最优解。本文提出一种新的变异方 法一最佳维变异,该方法能使PSO算法的粒子群快速收 收稿日期:20儿_lO_14 t基金项目:中央高校基本科研



友情链接: year2525网 工作范文网 QS-ISP 138资料网 528200 工作范文网 baothai 表格模版