融合柯西折射反向学习和变螺旋策略的WSN象群定位算法

摘要

针对现有无线传感器网络(WSN)优化算法在定位过程中收敛速率慢和误差大的问题,提出一种基于柯西折射反向学习和变螺旋机制的象群节点定位算法.首先,利用具有遍历性和随机性的Logistic混沌映射初始化种群,丰富种群多样性,加快算法收敛速率.然后,将折射反向学习机制与柯西变异相融合以随机扰动族长位置,避免算法陷入局部最优.最后,在氏族分离过程中引入自适应变螺旋策略更新病态大象位置,提升算法全局搜索能力.仿真结果表明,与现有WSN优化算法相比,所提出的改进象群优化算法在定位精度和收敛速率方面得到明显提升.