改進粒子群算法及其在傳感器網(wǎng)絡(luò)定位中的應(yīng)用.pdf

1、粒子群優(yōu)化算法（PSO）是一種群集智能搜索算法，來源于對鳥類捕食的行為模擬和其模型構(gòu)建。因其定義簡單，為解決復雜優(yōu)化問題另辟蹊徑且十分有效，因此，許多學者對其十分關(guān)注，且經(jīng)過研究，該算法已在眾多領(lǐng)域得以廣泛應(yīng)用。但由于其理論還很不完善，還存在過早收斂的問題。到目前為止，為改善這些不足，許許多多的改進算法被提出。本文在此基礎(chǔ)上，以提高算法性能為最終目的，也深入研究了關(guān)于PSO的改進方法，并將此方法成功應(yīng)用于傳感器網(wǎng)絡(luò)的節(jié)點定位中。

2、　　本文先是通過對粒子軌跡和算法收斂性的分析，分別對簡化PSO系統(tǒng)和一般化PSO系統(tǒng)進行研究分析。另外對無約束的軌跡實例分析，更直觀的描述了粒子的收斂性、周期性和離散性。基于此前分析找出致使過早收斂的成分和對其的解決方式。經(jīng)過研究分析，得出算法的全局收斂條件和局部收斂條件。本文通過對基于慣性權(quán)重、學習因子、收縮因子、混合算法的改進PSO算法的研究，以傳感器的節(jié)點定位為研究背景，充分利用混沌映射的優(yōu)勢，并結(jié)合PSO，提出了新的改進算法，仿