位置:成果数据库 > 期刊 > 期刊详情页
基于遗传退火算法进化神经网络的水位预测
  • ISSN号:1003-7020
  • 期刊名称:柳州师专学报
  • 时间:2014.4.10
  • 页码:129-132
  • 分类:TP273.5[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]华中师范大学计算机学院,武汉430079, [2]咸宁职业技术学院信息工程学院,湖北咸宁437100
  • 相关基金:国家自然科学基金(No.61170305)
  • 相关项目:混沌分形理论研究及其在华南降水系统中的应用
作者: 丁红|
中文摘要:

针对蒙特卡洛定位(Monte Carlo Localization,MCL)采样效率不高,定位精度较低的问题,提出一种新的基于爬山法优化策略的移动无线传感网络定位算法HCPSO-MCL(Hill Climbing Particle Swarm Optimization-MCL),将节点定位问题转化为全局优化问题。HCPSO-MCL算法采用基于爬山策略的混合粒子群优化算法对MCL的估计值进行修正,从而实现节点快速准确定位。实验仿真结果表明,HCPSO-MCL较之于MCL算法在定位精度上有很大改进,而且比PSO-MCL(Particle Swarm Optimization-MCL)算法有更快的收敛性。

英文摘要:

The Monte Carlo localization algorithm suffers the problem of low sampling efficiency and low localization accuracy. Hence a novel mobile wireless sensor network localization algorithm, HCPSO-MCL, based on hybrid particle swarm optimization combined with hill climbing is proposed. It converts the localization problem to global optimization problem. The HCPSO-MCL algorithm is used to correct the estimated localization of MCL, it can determine the location quickly. The simulation results show that, compared with MCL algorithm, HCPSO-MCL has higher localization accuracy and is faster than PSO-MCL in convergence speed.

同期刊论文项目
期刊论文 28 会议论文 15
同项目期刊论文