基于量子行为粒子群优化算法的定位技术研究

式（） ２ 中的 口被称为收缩扩张系数 ， 调节它 的值能控制
算法 的收敛速度 。一般而言 ， 值在算法运行是从 １０线性 ．
减小到 ０ ５时 ， 以达到 比较好 的效果 ， ． 可 目前 大多数 Ｑ Ｓ ＰＯ
中在一个 中心基点执行 。每个 目标节点通 过至少 ３个相邻
锚节点或已经定 位 的节 点之 间 的非精 确测 量距 离进 行定
ｗ ｉｈ ｉ ｒｖ ｓ ｔｅ ｖ ｉｉ ｆ ｈ ｒｓ ｎｅ ｔ ｏ ． ｈ ｃ ｍｐ ｏ ｅ ｈ ａ ｄｔ ｏ ｅ ｐ ｅ ｅ ｔｄ ｍｅｈ ｄ ｌ ｙ ｔ
Ｋｅ ｒｓ ｕｎｕ ｂｈｖｄｐｒｃ ｗ ｒ ｐｉｉ ｔ ｎ Ｑ Ｓ ｌ ｏｉ ｍ； ａ ｉ ｅ ｗ ｍｉ ｐ ｍｚｔｎ Ｐ Ｏ） ｙｗｏｄ ：ｑ ａｔｍ—ｅａｅ ａｔｌ ｓａｌ ｏｔ ｚ ｉ （ Ｐ Ｏ）ａ ｒｈ ｐｒｃ ａ ｔ ｉ ｉ （ Ｓ ｉｅ ｎ ｍ ａｏ ｇ ｔ ｔ ｌｓ ｏ ｉ ａｏ ｌ ｏｉ ｍ；ｏ ｌａｉ ； ｉ ｅ ｎｏ ｔ ｒｓ ＷＳ ｓ ； ｉｒ ｕｅ ｉ ｒｔ ｅ ａｇｒｈ ｌ ａｉ ｔ ｎ ｗｒｌ ｓ ｅｓｒ ｅ ｏｋ（ Ｎ ） ｄｓ ｂ ｔ ｅａ ｖ ｔ ｃ ｚ ｏ ｅｓｓ ｎｗ ｔ ｉ ｄｔ ｉ
算法 的实 际应用 中都采 用这 种参数控 制方式 ， 当然 的初
值或终值可略有不 同。 ＱＳ Ｐ Ｏ的算法流程为 １ 置 ｔ Ｏ 在 问题空 间中初始化粒子群 中粒子的位置 ； ） ＝ ， ２ 根据式 （ ） ） ３ 计算粒子群 的平均最优位置 ； ３ 计算粒子的当前适应 值 ， 与前 一次 迭代 的适 应值 ） 并
度 ， 明该 方 法 的有 效 性 。 证
关键词 ：量子行 为粒 子群优化算法 ； 粒子群优 化算 法 ； 定位 ； 无线传感器 网络 ；分布迭代式
中图分类号 ：Ｔ ３ ３ Ｐ ９ 文献标识码 ：Ａ 文章编 号 ：１ ０－ ７７ ２ １ ）５ ０５ － ４ ０ ０９ ８ （０ ２ ０ －０ ８０ －
位 。本文 提 出了分布式 迭代定位 方法 ， 并将 Ｑ Ｓ Ｐ Ｏ算法应 用于 ＷＳ ｓ Ｎ 分布式的节点定位研 究 中， 以提高定位精 度 ， 减
小定位成本 。 １ ＱＰ Ｏ 算法 Ｓ
Ｐ Ｏ算法 是一种基 于种群 的进化搜索技术 。在 Ｐ Ｏ Ｓ Ｓ
算法 中， 子的运动状态 由位置和速度描述 ， 粒 随着时 间的演 化 ， 子的运动 轨迹是 既定 的； 粒 同时粒 子 的速 度受 到 一定
０ 引 言
法都有一个共 同的特点 ， 它们 利用具有绝 对位置 经验 的一 组传感器 （ 信标 或锚节点 ） 来估计未 知位置 的传感 器 （ 目标 节点 ） 。因此 ， Ｎ 定位技 术可 分为 ２个 阶段 ： ） ＷＳ ｓ １ 测距 阶段 （ａ ｇ ｇｐ ａｅ ， ｒ ｉ ｈｓ） 算法 确定 目标 节点 和邻 近锚节 点 之 ｎｎ
２ Ｄｅ ａ ｔ ｎ ｆＥｌｃ ｒ ｎ ｃ Ｉ ｆ ｒ ｔ ｎ Ｅｎ ｉ ｅ ｒｎ Ｗ ｕ ｉＣｉ ｌ ｇ ｆ Ｖｏ ａ ｉ ｎ ｌＴｅ ｈ ｏ ｏ ｙ， ． ｐ ｒ ｍｅ ｔｏ ｅ ｔ ｏ ｉ ｎ ｏ ｍａ ｉ ｇｎ ｅ ｉ ｇ， ｘ ｔ Ｃｏ ｌ ｅ ｏ ｃ ｔｏ ａ ｃ ｎ ｌ ｇ ｏ ｙ ｅ
比较 ， 如果当前适应值 小于前一 次迭代 的适应值 ， 根据粒 则 子 的位置更新 为粒 子当前 的位 置 ， 即如果
Ｐ （） ， ４ ｔ １ （ ＋１ ｔ ］ 贝 （ ＋ ）＝ ｆｔ ）； Ｐ ４ 对于每个粒子 ， ） 全局 最好位 置 Ｇ（） ｔ 的适应值 进行 比较 ， 若优于 Ｇ ｔ 的适应值 ， 将其作 为 当前 的全局 最好 （） 则 位置 ； 否则 ， （） Ｇ ｔ不变 ； ５ 对粒子 的每 一维 ， ） 根据 式 （ ） 算得 到一 个 随机点 １计
ＷＳ ｓ Ｎ 定位被视 为一个 多维优化 问题 ， 近年来已提出利 用群体智能算法 的解决 方法 。文献 ［ ］ ＷＳ ｓ ３对 Ｎ 节点 定位 研究进行 了综述 。文献 ［ ］在 Ｄ — ｏ ４ Ｖ Ｈ ｐ基 础上提 出了一种
于各 自的 Ｐ点 ， Ｐ＝（ Ｐ ， ，Ⅳ ， ｉ 粒子 Ｐ点 的第 Ｐ ， … Ｐ ） 第 个
涉及监 测 、 跟踪和地 理路 由应用方 面。这些 ＷＳ ｓ Ｎ 定位算
收 稿 日期 ：０ １ｏ ＿ ６ ２ １ ＿９ ２ 基 金 项 目： 苏 省 博 士 后 基 金资 助 项 目 （１ １２ Ｃ 江 １ ０ １４ ）
第 ５期
赵
吉， ： 等 基于量子行为粒子群优化算法的定位技术研 究
５ ９
Ｗｕ ｉ １ ０ ０ Ｃ ｉａ ｘ ２ ４ ０ ． ｈｎ ）
Ａ ｓ ａｔ ｉｉｇ ａ ｔｅ ｐｏｌ ｆｎｄ ｏａ ｚｔ ｎ ｉ ｗｒｌ ｓｓｎｏ ｅ ｏｋ （ Ｎ ） ｔ ｉｒ ｕｅ ｂ ｔ ｃ：Ａｍ ｎ ｔ ｈ ｒｂ ｍ ｏ ｏｅ ｌ ｌａ ｏ ｎ ｉ ｅ ｅ ｓｒｎｔ ｒｓ ＷＳ ｓ ，ｈ ｄｓｉ ｔ ｒ ｅ ｃｉ ｉ ｅｓ ｗ ｅ ｔｂ ｄ
法提出了一种 ２个 阶段 的集 中定 位方法 ， 而解决 了定位 从
其 中
） 薹ｉ ＝ Ｐ ｊ ㈩
置 的平均值 ， 作为计算粒子下一迭代步的变量 。
（ ３ ）
在ＱＳ Ｐ Ｏ算法 中 ｃ（ ） ｔ 定义 为所有 粒子 的局部 最优 位
过程中位置翻转的问题 。
因为 ＷＳ ｓ Ｎ 的复杂性 和可扩展性 问题 要求定 位算法是 分布式算法 ， 这样算法 就能在 每一个 传感 器节点 而不是集
ａｄｔｅ ｕｎｕ ｂｈｖｄｐｒｃｅｓ ａｍ ｏ ｔ ｉ ｔｎａｇｒｈ Ｑ Ｓ ｎ ａｔｍ－ｅａｅ ａｔｌ ｗ ｒ ｐｉ ｚ ｉ ｏｉ ｍ（ Ｐ Ｏ）ｗ ｉ ａ ｕｃ ｏｖｒｅｃ ｂｌｙｉ ｈｑ ｉ ｍ ａｏ ｌ ｔ ｈｃ ｈｓｑ ｉ ｃｎｅ ｎ ｅａｉｔ ｓ ｈ ｋ ｇ ｉ ｕｅ ｒｓｌｔｎ． ｈ ｉｕａ ｏ ｓｈ ｒ ｃｍ ａ ｄｗｔ ｅｐｒｃ ｗ ｒ ｐｉ ｚｔ ｎ Ｐ Ｏ）ａ ｏｉ ｍ， ｓｄｆ ｏ ｉ ｓＴ ｅｓ ｌｉｎｒ ｕ ｓａｅ ｏ ｐｒ ｉ ｔ ａｔ ｌ ｓａｍ ｏｔ ａｉ （ Ｓ ｏ ｕｏ ｍ ｔ ｅ ｅ ｈｈ ｉｅ ｍｉ ｏ ｌ ｒｈ ｉ ｇ ｔ ｔ ｓｏ ｓ ｈｔ Ｐ Ｏ ａ ｏｉ ｍ ｏｔｅ ｏ ｓ ｈ Ｓ ｌ ｒｈ ｎ ｐｏｅｔｅ ｏｅ ｏａｚｔｎｐｅｉｏ ｆ ｃｉ ｌ， ｈｗ ａ Ｑ Ｓ ｇｒｈ ｕｐｒ ｒ ｅＰ Ｏ ａ ｏｉ ｍ ａｄｉ ｒｖ ｄ ｃ ｉ ｉ ｒｃ ｉｎｅｅｔ ｅ ｔ ｌ ｔ ｆｍ ｔ ｇ ｔ ｍ ｈ ｎ ｌ ｌ ａｏ ｓ ｆ ｖｙ
ｉ ｒ ｔ ｅ ｌ ｃ ｌ ａｉｎ ｍｅｈ ｄ ｒ ｓ ａ ｃ ｆ Ｓ ｅ ｃ ｂ ｄ Ｏｎ ｅ ｔｅ ｎ ｄ ｓｇ ｔ ｏ ａｉｅ ｔ ｅ ｃ ｓｒ ｆｒ ｎ ｅ ｒ ｔ ａｉ ｏ ａ ｉ ｔ ｔｏ ｅ ｅ ｒ ｈ ｏ Ｎｓｉ ｄ ｓ ｒ ｅ ． ｃ ｏ ｅ ｅ ｃ ｌ ｄ，ｈ ｙ ａ ｔ ｅｅ ｅ ｃ ｓｆ ｅ ｖ ｚ ｏ Ｗ ｓ ｉ ｈ ｌ ｚ ａ ｏ
ｔ ｅ ｒ ｓ ｆｎ ｄｅ ． ｅ ｒｎｇｎ — ｓ ｄ ｌｃ ｌｚ ｔｏ ｏ ｌｍ ｓｆ ｒ ｕ ａｅ ｓ ａ ｍｕ ｔ・ ｉ ｎ ｉｎ ｌｏ ｉ ｚ ｔｏ ｓ ｕ ｈ ｅ ｔｏ ｏ ｓ Ｔｈ ａ ｉｇ ｂａ ｅ ｏ ａ ｉａ ｉｎ ｐｒ ｂｅ ｉ ｏｍ ｌｔ ｄ ａ ｌｉｄ ｍｅ ｓｏ ａ ｐｔｍｉａｉｎ ｉｓ ｅ，
置｝ 形式 ， 从而 为许 多新 型应用 如基 于位置 的路 由、 跟踪 、 建 筑物形变测量等打开 了途径 。
传感器节点位置 的定位 可 以使用 几何方 法完成 ， 对非 线性方程组求解 出精确的位置点 ； 或者使用最优化方法 ， 减
小定位 目标节点坐标 的误差。
近几年 ， 提出了一些传感器节点定位 的算法 ， 特别是在
维坐标为
Ｐｉ （ ＝ ・ ｆ ＋［ 一 ） （） Ｐ （） １ （） Ｇ（）． ￡］‘ Ｊ ｊ
，
（） １
基于粒子 群优化 （ Ｓ 的传感器 网络定 位算法从而 实现节 Ｐ Ｏ）
点的定位 。文 献 ［ ］ 出了基于 Ｐ Ｏ算法 的 ＷＳ ｓ ５提 Ｓ Ｎ 节点集 中式定位研究 。通过 实验显示 ， 方法相 比前 期研究 中提 该 出的模拟退火算法 具 有更准 确 的定 位性 能。同时 ， 该方 法需 要具备 多个锚节点才能对所有 目标节 点进行定位 。文
Ｒｅ ｅ ｒ ｈ ０ ｏ ａ ｉ ａ ｉ ｎ ｔ ｃ ｎｏ ｏ ｙ ｂａ ｅ ｎ ｑ ｎ ｕ － ｈ ｖ ｄ ｓ ａ ｃ ｎ ｌ ｃ ｌ ｔｏ ｅ ｈ ｌ ｇ ｓ ｄ ０ ｕａ ｔ ｍ ｂｅ ａ ｅ ｚ
Ｄａｒ…ｃ Ｗ ａｒ ｔ ｌ Ｓ ｉ ｅ ｍ Ｏｏｔ ｉ ・ｏｎ ● 』ｍ ● ｉ ｉ ● ｚａｔ ● ａｌ ２０ｒ●ｎｍ ｌ■ ｔ ； Ｊ Ｉ ｃ
５ ８
传感器 与微 系统 （ ｒｎｄｃｒ ｎ ｃｏｙｔｍ Ｔ ｃｎｌｇ ｓ Ｔａｓｕｅ ｄＭｉ ｓｓ ｅｈｏｏｉ ） ａ ｒ ｅ ｅ
２１ ０ ２年 第 ３ １卷 第 ５期
基 于 量 子行 为 粒 子 群 优 化 算 法 的定 位 技 术研 究
赵 吉 ， 志成 纪
（ ． 南 大 学 电气 自动 化研 究所 ， 苏 无 锡 ２ ４２ ； １江 江 １ １２ ２ 无 锡 城 市 职 业 技 术 学 院 电子 信 息 工 程 系 ， 苏 无 锡 ２ ４ ０ ） ． 江 １０ ０
无线传感器 网络 （ ｉ ｌ ｓ ｅｓｒ ｅ ｏｋ ， Ｎ ） ｗｒ ｅ ｎｏ ｔ ｒｓＷＳ ｓ 是一 ｅｓｓ ｎｗ 种 由分 布式 自主节点组 成 ， 过节点 间相互协作感 知环境 通 的 网络 。节 点定 位 技术 属 于 ＷＳ ｓ 用 支 撑技 术 ， Ｎ 应 在 ＷＳ ｓ 系中占有重要地位。对 于大多数 的 ＷＳ ｓ Ｎ体 Ｎ 应用 ， 不 知道节 点位置而感知 的数据是 没有意义 的 ， 置信息 的引 位
Ｚ ＨＡＯ Ｊ ，．Ｊ ｈ．ｈ ｎ ｉ ＿ ＩＺ ｉｃ ｅ ｇ （ ．ｎｔｕｅｏ ｌ ｔｉ ｌ ｕｏ ｔ ｎ Ｊａ ｇ ａ ｎｖｒｉ ， ｘ １ １２， ｈｎ ； １Ｉ ｓｔｔ ｆ ｅ ｒ ａ ｔｍａｉ ，ｉｎ ｎ ｎ Ｕ ｉ ｓ ｙ Ｗｕ ｉ ４ ２ Ｃ ｉａ ｉ Ｅ ｃ ｃ Ａ ｏ ｅ ｔ ２
其 中， （）～Ｕ ０ １ 。 ｔ （ ， ）
粒 子 的 更新 方程 为
ＸＪ ＋ ） 尸Ｊ ） 卢・ ｃ（） Ｘｊ ） ・ｎ １ ｆ １ ＝ ｆ ± ｌｊｔ 一 ｉ Ｉ Ｉ［／ （ （ （
ｕ ｔ ］ （） ，
ｌ √
（） Ｅ（ ，）． ｔ一 ０ １
（） ２
献 ［］ ７ 提出基于遗传算法 （ Ａ） Ｇ 的节 点定位算法 。这种集 中 式算法通过计 算所 有非锚节点和一跳邻居 节点之间 的距离 来确定节点的位置。文献 ［ 过结合 Ｇ ８通 Ａ和模拟 退火算
摘
要 ：针对无线传感器 网络 （ Ｎ ） ＷＳ ｓ 节点定位 问题 ， 阐述 了 ＷＳ ｓ的分布迭代式定位方法研究 。这种方 Ｎ
法将每次迭代后定位 的节点作为其余未知节点的参考节点 ． 同时将 基于测距定位 问题看成一个 多维优化
问题 ， 并提 出利用具有快速收敛能力的量子行 为粒子群优化 （ Ｐ Ｏ 算法进行求解。最后将仿 真实验结果 ＱＳ ） 与粒子群优化（ Ｓ 算 法进行 比较 ， Ｐ Ｏ） 表明 Ｑ Ｓ Ｐ Ｏ算法在优化性能上优于 Ｐ Ｏ算法 ， Ｓ 有效提高了节点定位精
间的距离 ； ）目标 节 点使 用广 泛 的距 离信 息 进行 位 置估 ２
计 。无论使用何种测距法 ， 际的定位系 统都会产 生测量 实 误差 ， 从而导致 带有误差 的估算位置 。因此 ， 节点定位技术 的精确性对节点 间的测距准确度是非常敏感的。
入使得 ＷＳ ｓ Ｎ 节点 的输 出从 单一 的 ｛ 数据 ｝ 为 ｛ 据 ， 变 数 位