启发式最佳化应用于无线感测网路节点定位-NPUCSIE.PDFVIP

啟發式最佳化應用於無線感測網路節點定位 1* 1+ 2 1 1 1 阮仲體 、王鴻猷 、黎光維 謝欽旭 、蔡文鶯 、林聿中 、 1 2 國立高雄應用科技大學電子 工程系、大仁科技大學資訊應用與管理系 * + 2 csshieh@.tw 、oanhsv.bk@ 、yuhchung@.tw 摘要 而來，利用「選擇、複製」、「交配」、「突變」等步 在無線感測網路中，感測節點的定位是很多 驟去尋找最適合環境的基因 ；粒子群最佳化演算法 應用中很重要的一環，未知節點的定位可以透過3 (PSO)源自於對自然界生物活動的觀察，是模擬鳥 個或以上已知位置的 Anchor節點的相關資訊估算 群與魚群覓食的群體互動行為所發展出來的演算 得知，本文比較一些較為人知與最近新提出的定位 法，是由Dr. Eberhart 與Dr. Kennedy所提出 [6] ； 演算法，例如基因演算法(GA) 、粒子群最佳化演 灰狼優化(GWO)則是由 Mirjalil提出模仿狼群的階 算法 (PSO) 、灰狼優化演算法(GWO) 、螢火蟲演算 級領導與狩獵的機制；螢火蟲演算法(FA)則是受到 法(FA)與腦力激盪最佳化演算法(BSO) 等；我們也 螢火蟲的閃光以吸引其他的螢火蟲的特性所啟 提出改進定位誤差函數估算位置程序，以增加定位 發 [8,9] ；腦力激盪最佳化(BSO)則是基於人類群體 成功率，又可以兼具執行效率。 尋求解答行為所發展出來的演算法 。 關鍵詞： 定位誤差函數、GA 、FA 、PSO 、GWO 本文接下來的架構如下首先先簡單介紹: 無線 感測網路節點定位的問題，以及上述提及的最近新 前言 提出的演算法；第三章介紹我們所提出的改進方式 無線感測網路被大量應用於不同的領域來監 與分析第四章是實驗結果以及； 上述方式效能的比 控環境中的狀況，例如災區環境監測或是目標物體 較 ；最後做一個簡單的整理與結論。 的追蹤等 [1] ，可以確切知道感測器的位置，對於 設計有效率的網路路由演算法也有很大的助益，因 相關文獻 此在很多應用中盡可能精確定位感測器的位置是 無線感測網路節點定位 很重要的一個議題。 [2] 無線感測網路節點定位的目標是希望可以利 要解決定位的議題，最直覺的方式是利用 用 m個 Anchor節點的位置資訊，以及目標節點與 GPS 全球定位系統，在每個感測器上裝置GPS可 相鄰 Anchor節點的距離資訊來估算出 n個目標節 以正確的定位，但是此方法會導致感測器價格、體 點的座標位置； Anchor 節點的座標表示為 = [ , . . . , ], = [ , … , ] (1) 積以及電力的消耗大幅增加 [3] ，而且GPS只能 於 1 1