CN106376010B - 一种辅助定位信标节点的移动路径规划方法 - Google Patents
一种辅助定位信标节点的移动路径规划方法 Download PDFInfo
- Publication number
- CN106376010B CN106376010B CN201610725137.2A CN201610725137A CN106376010B CN 106376010 B CN106376010 B CN 106376010B CN 201610725137 A CN201610725137 A CN 201610725137A CN 106376010 B CN106376010 B CN 106376010B
- Authority
- CN
- China
- Prior art keywords
- stop place
- grid
- beaconing nodes
- path
- vertex
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
- H04W16/225—Traffic simulation tools or models for indoor or short range network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
一种辅助定位信标节点的移动路径规划方法,包括如下步骤:1)程序初始化;2)计算全覆盖监控区域的六边形网格列个数和行个数,对所有六边形网格的中心和顶点进行编码,获得相关矩阵向量;3)建立优化模型;4)计算每一个网格中心和网格顶点的可选下一个停留位置集合;5)初始化蚂蚁的初始位置和已选路径;6)蚂蚁建立新的下一个停留位置集合;7)判断已选路径是否全覆盖监控区域内所有网格,如果是则记录当前选择路径和其长度;判断是否所有蚂蚁寻找到路径,如果是则跳到步骤8);8)计算所有蚂蚁寻找的路径长度,更新所有位置的信息素。本发明提供了一种可降低信标节点的移动路径长度和停留位置个数的辅助定位信标节点的移动路径规划方法。
Description
技术领域
本发明涉及无线传感网领域,尤其涉及的是一种辅助定位信标节点的移动路径规划方法。
背景技术
无线传感网(wireless sensor networks,WSNs)由大量部署的传感节点组成,可感知、收集和处理网络覆盖范围内传感节点的信息,是一个多跳自组织网络。在很多无线传感网的应用中,所有信息的收集需要传感节点的准确位置,因此,定位是WSNs的基本技术和核心技术之一。
在WSNs中,部分节点安装卫星定位模块。利用这些节点的位置信息,计算其他节点的位置坐标是一种常见的方法。目前,有些学者侧重于利用可获知自身位置的静止节点,提出移动节点定位方法。但移动节点定位方法需要较多安装卫星定位模块的静止节点作为信标节点,其系统成本较高。因此,另一些学者侧重于利用少量可获知自身位置的信标节点,即让信标节点在不同位置上停留,为静态节点的定位提供多个位置的坐标、RSSI值等信息,并提出辅助定位信标节点的移动路径和静态节点定位方法。但是目前很多辅助定位信标节点的移动路径选择方法都让信标节点遍历整个监控区域,其移动路径长度较大,部分传感节点获知自身位置坐标的时间较长,不利于无线传感网组网功能的实现。
上述方法在信标节点的移动路径长度和传感节点获得自身位置的时间等方面存在缺陷,所以急切需要新的辅助定位信标节点的移动路径规划方法来解决这些问题。
发明内容
为了克服现有具有部分可获知自身位置信标节点的无线传感网的传感节点定位过程中信标节点移动路径长度过长和停留位置个数过多的不足,本发明提供了一种辅助定位信标节点的移动路径规划方法,该方法降低了信标节点的移动路径长度和停留位置个数,降低了网络启动后所有传感节点获知信标节点的3个不共线位置信息的时间。
本发明采用如下技术方案实现,包括以下步骤:
一种辅助定位信标节点的移动路径规划方法,包括以下步骤:
1)程序初始化:初始化算法中当前蚂蚁k、迭代次数初值m1、信息素挥发因子ρ、信息素释放总量Q、大迭代次数M1和蚂蚁个数K,根据无线传感网应用项目,初始化监控区域边长、节点通信半径和六边形网格高度;
2)根据监控区域边长和六边形网格高度,计算全覆盖监控区域的六边形网格列个数和行个数;对所有六边形网格的中心和顶点分别采用从左到右,从下到上的原则进行编码,并计算六边形网格中心和顶点的位置坐标,获得相关矩阵向量;
3)根据信标节点的移动路径约束和节点定位约束,建立优化模型(1),让信标节点的移动距离最短且保证所有传感节点都能获知自身的位置坐标;
min(Nl) (1)
lg+1∈Ng,g=1,2,...,Nl-1 (1.b)
其中,Nl表示信标节点经过的停留位置个数,L={l1,l2,...,lNl}表示信标节点的移动路径,即经过的停留位置集合,集合L中每一个元素表示信标节点的停留位置,是一个1×3的向量[k1k2k3],向量的第一个元素k1表示停留位置的列数,第二个元素k2表示停留位置的行数,第三个元素k3表示停留位置的类型,取值0,1;如果k3=0,则表示该元素是六边形网格中心,否则表示该元素是六边形网格的顶点;Ng表示停留位置lg的可选下一个停留位置集合,表示三个停留位置lg,lg+1,lg+2是否共线的标识符,取值为1表示共线,为0表示不共线;sij表示网格Grid(i,j)被不同位置上的信标节点覆盖的次数;优化模型(1)中,有移动路径约束(式(1.a-1.d))和节点定位约束(式(1.e)),其中,式(1.a)表示信标节点移动经过的最优路径,由六边形网格的顶点和中心组成,式(1.b)表示当信标节点在位置lg停留时,只从位置集合Ng中选择下一个停留位置,当停留位置为网格中心时,可选下一个停留位置集合Ng为
其中,l(i,j)表示六边形网格Grid(i,j)的中心,Ding(i,j)表示从左开始计数的第i列中从下到上开始计数的第j个顶点,m表示监控区域内第一列网格的个数,n表示监控区域内网格的列数且是奇数,当停留位置为顶点时,可选下一个停留位置集合为
式(1.c)表示信标节点不在同一个位置停留二次以上,则路径L中不存在相同的停留位置;由于传感节点需要3个以上且不能共线的信标节点位置信息,因此,式(1.d)表示路径L中任意3个相邻停留位置不在同一条直线上;式(1.e)表示每一个网格至少被3个以上不同停留位置覆盖;当停留位置为网格中心时,该网格和周围邻居网格的sij加1,当停留位置为网格顶点时,具有该顶点的网格sij加1;
4)根据式(2)和式(3),计算每一个网格中心和网格顶点的可选下一个停留位置集合;
5)初始化蚂蚁k的初始位置和已选路径Ly;
6)蚂蚁k分析下一个停留位置集合中所有位置元素,如果当前路径Ly添加了位置元素后,不符合约束条件(1.a)-(1.d),则删除该位置元素,最终建立新的下一个停留位置集合;如果该新的下一个停留位置集合为空集,则进入“死胡同”,跳到步骤5),在初始位置重新寻找路径,否则计算选择下一个停留位置,将该停留位置添加到已选路径Ly中;
7)判断已选路径Ly是否全覆盖监控区域内所有网格;如果Ly未全覆盖监控区域内所有网格,跳到步骤6),继续寻找,否则记录当前选择路径和其长度;如果k<K,则还有蚂蚁未寻找到路径,k=k+1,下一个蚂蚁开始寻找路径,跳到步骤5),否则跳到步骤8);
8)计算所有蚂蚁寻找的路径长度,选择长度最短路径作为第m1轮的最优路径,并记录该最优路径和长度Len(m1);如果Len(m1)≥LenBest,挥发所有位置的信息素,否则LenBest=Len(m1),其中LenBest表示迭代过程中,出现的最优移动路径长度,增加该路径上的停留位置信息素且挥发所有位置的信息素,通过计算更新所有位置的信息素;如果m1<M1,则k=1,m1=m1+1,跳到步骤5),否则结束算法,输出最优移动路径。
进一步,所述步骤2)中,六边形网格列个数和行个数计算、六边形网格划分过程如下:
第一列六边形网格个数是大于或者等于监控区域边长和六边形网格高度相除的最小整数值;如果第一列六边形网格个数是奇数,则网格列个数是其值加2,否则网格列个数是其值加1;奇数列的网格行个数是第一列六边形网格个数,偶数列的网格行个数是第一列六边形网格个数加1;
根据全覆盖监控区域的六边形网格列个数和行个数,则将监控区域划分成大小相同的六边形网格,并获知每一个网格中心和网格顶点的位置坐标。
再进一步,所述步骤6)中,下一个停留位置选择方法包括如下步骤:
a1)当信标节点停留在网格顶点时,根据网格中心的信息素浓度决定下一个停留位置,当信标节点停留在网格中心时,根据网格顶点的信息素浓度决定下一个停留位置。则t时刻蚂蚁k从位置v到位置w的概率为
其中,表示网格中心w的信息素,表示网格顶点w的信息素;
a2)根据概率采用转轮赌法选择下一个时刻停留位置,将该位置坐标添加到已选择路径Ly。
更进一步,所述步骤7)中,停留位置覆盖的网格判断过程如下:
当信标节点停留在网格中心时,其所在的网格和周围邻居网格内所有传感节点都能接收到信标节点的位置信息包,则这些网格被信标节点的停留位置覆盖。当信标节点停留在网格顶点时,具有该顶点的网格被信标节点的停留位置覆盖。
更进一步,所述步骤8)中,所有位置的信息素更新过程如下:
在完成一轮路径寻找后,即每一个蚂蚁寻找到自身的路径,选择其中一条最短路径作为该轮迭代的最短路径,分析该路径的长度,如果大于或等于历史最短路径,只挥发所有位置的信息素,否则对该路径上的相关停留位置信息素进行释放,且挥发所有位置的信息素。
其中,tv(t)表示t时刻位置v的信息素,Δtv(t)表示t时刻蚂蚁在沿着该路径移动时在该位置v上释放的信息素,Q表示信息素释放总量,ρ表示信息素挥发因子,Len(t)表示t时刻移动路径的长度,LenBest表示迭代过程中,出现的最优移动路径长度。
本发明的技术构思为:本发明分析了信标节点的移动路径约束和传感节点定位约束,建立其移动路径规划模型。采用蚁群算法求解该模型,获知信标节点的最优移动路径。信标节点沿着最优路径移动时,传感节点可获知信标节点的不同位置信息,并计算自身的位置坐标。
本发明的有益效果主要表现在:本发明根据监控区域的边长和六边形网格的高度,划分了多个六边形网格,通过优化模型的建立和求解,可获得信标节点的最优移动路径。传感节点通过信标节点提供的不同位置信息,可计算自身的位置坐标。本发明降低了信标节点的移动路径长度和停留位置个数,降低了网络启动后所有传感节点获知信标节点的3个不共线位置信息的时间,并为其他信标节点的移动路径选择算法提供参考,有一定的应用价值。
附图说明
图1是本发明的信标节点的移动路径规划工作流程图。
图2是本发明的网格及其顶点的编码图。
图3是本发明的信标节点停留在网格中心的覆盖网格图。
图4是本发明的信标节点停留在网格顶点的覆盖网格图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图4,一种辅助定位信标节点的移动路径规划方法,包括以下步骤:
1)程序初始化:初始化算法中当前蚂蚁k=1、迭代次数初值m1=1、信息素挥发因子ρ=0.2、信息素释放总量Q=600、最大迭代次数M1=300和蚂蚁个数K=30等参数,根据无线传感网应用项目,初始化监控区域边长、节点通信半径和六边形网格高度等;
2)根据监控区域边长和六边形网格高度,计算全覆盖监控区域的六边形网格列个数和行个数;对所有六边形网格的中心和顶点分别采用从左到右,从下到上的原则进行编码,并计算六边形网格中心和顶点的位置坐标,获得相关矩阵向量;本步骤的六边形网格列个数和行个数计算方法、六边形网格划分方法如下:
第一列六边形网格个数是大于或者等于监控区域边长和六边形网格高度相除的最小整数值。如果第一列六边形网格个数是奇数,则网格列个数是其值加2,否则网格列个数是其值加1。奇数列的网格行个数是第一列六边形网格个数,偶数列的网格行个数是第一列六边形网格个数加1。根据全覆盖监控区域的六边形网格列个数和行个数,则将监控区域划分成大小相同的六边形网格,并获知每一个网格中心和网格顶点的位置坐标。例如,参照图2,监控区域由2+3+2个六边形网格组成,每一个六边形网格具有网格中心1和顶点2组成。Grid(i,j)表示从左开始计数的第i列中从下到上开始计数的第j个六边形网格。Ding(i,j)表示从左开始计数的第i列中从下到上开始计数的第j个六边形网格的顶点2。
3)根据信标节点的移动路径约束和节点定位约束,建立优化模型(1),让信标节点的移动距离最短且保证所有传感节点都能获知自身的位置坐标;
min(Nl)(1)
lg+1∈Ng,g=1,2,...,Nl-1(1.b)
其中,Nl表示信标节点经过的停留位置个数。L={l1,l2,...,lNl}表示信标节点的移动路径,即经过的停留位置集合。集合L中每一个元素表示信标节点的停留位置,是一个1×3的向量[k1k2k3]。向量的第一个元素k1表示停留位置的列数,第二个元素k2表示停留位置的行数,第三个元素k3表示停留位置的类型,取值0,1。如果k3=0,则表示该元素是六边形网格中心,否则表示该元素是六边形网格的顶点。Ng表示停留位置lg的可选下一个停留位置集合。表示三个停留位置lg,lg+1,lg+2是否共线的标识符,为1表示共线,为0表示不共线。sij表示网格Grid(i,j)被不同位置上的信标节点覆盖的次数。优化模型(1)中,主要有移动路径约束(式(1.a-1.d))和节点定位约束(式(1.e))。其中,式(1.a)表示信标节点移动经过的最优路径,由六边形网格的顶点和中心组成。式(1.b)表示当信标节点在位置lg停留时,只从位置集合Ng中选择下一个停留位置。参照图2,当前位置为网格中心1时,下一个停留位置为该网格的顶点2,当前位置为顶点2时,下一个停留位置为具有该顶点的网格的中心1。因此当停留位置为网格中心时,可选下一个停留位置集合Ng为
其中,l(i,j)表示六边形网格Grid(i,j)的中心,Ding(i,j)表示从左开始计数的第i列中从下到上开始计数的第j个顶点,m表示监控区域内第一列网格的个数,n表示监控区域内网格的列数且是奇数。当停留位置为顶点时,可选下一个停留位置集合为
式(1.c)表示信标节点不在同一个位置停留二次以上,则路径L中不存在相同的停留位置。由于传感节点需要3个以上且不能共线的信标节点位置信息,因此,式(1.d)表示路径L中任意3个相邻停留位置不在同一条直线上。式(1.e)表示每一个网格至少被3个以上不同停留位置覆盖。当停留位置为网格中心时,该网格和周围邻居网格的sij加1。当停留位置为网格顶点时,具有该顶点的网格sij加1。
4)根据式(2)和式(3),计算每一个网格中心和网格顶点的可选下一个停留位置集合;
5)初始化蚂蚁k的初始位置和已选路径Ly;
6)蚂蚁k分析下一个停留位置集合中所有位置元素,如果当前路径Ly添加了位置元素后,不符合约束条件(1.a)-(1.d),则删除该位置元素,最终建立新的下一个停留位置集合;如果该新的下一个停留位置集合为空集,则进入“死胡同”,跳到步骤5),在初始位置重新寻找路径,否则计算选择下一个停留位置,将该停留位置添加到已选路径Ly中;本步骤的下一个停留位置选择方法如下:
a1)当信标节点停留在网格顶点时,根据网格中心的信息素浓度决定下一个停留位置。当信标节点停留在网格中心时,根据网格顶点的信息素浓度决定下一个停留位置。则t时刻蚂蚁k从位置v到位置w的概率为
其中,表示网格中心w的信息素,表示网格顶点w的信息素;
a2)根据概率采用转轮赌法选择下一个时刻停留位置,将该位置坐标添加到已选择路径Ly。
7)判断已选路径Ly是否全覆盖监控区域内所有网格;如果Ly未全覆盖监控区域内所有网格,跳到步骤6),继续寻找,否则记录当前选择路径和其长度;如果k<K,则还有蚂蚁未寻找到路径,k=k+1,下一个蚂蚁开始寻找路径,跳到步骤5),否则跳到步骤8);本步骤的停留位置覆盖的网格判断方法如下:
参照图3-4,当信标节点停留在网格中心3时,其所在的网格和周围邻居网格内所有传感节点都能接收到信标节点的位置信息包,则这些网格被信标节点的停留位置覆盖。当信标节点停留在网格顶点4时,具有该顶点的网格被信标节点的停留位置覆盖。
8)计算所有蚂蚁寻找的路径长度,选择长度最短路径作为第m1轮的最优路径,并记录该最优路径和长度Len(m1);如果Len(m1)≥LenBest,挥发所有位置的信息素,否则LenBest=Len(m1),其中LenBest表示迭代过程中,出现的最优移动路径长度,增加该路径上的停留位置信息素且挥发所有位置的信息素,通过计算更新所有位置的信息素;如果m1<M1,则k=1,m1=m1+1,跳到步骤5),否则结束算法,输出最优移动路径。本步骤的所有位置的信息素更新方法如下:
在完成一轮路径寻找后,即每一个蚂蚁寻找到自身的路径,选择其中一条最短路径作为该轮迭代的最短路径。分析该路径的长度,如果大于或等于历史最短路径,只挥发所有位置的信息素,否则对该路径上的相关停留位置信息素进行释放,且挥发所有位置的信息素。
其中,tv(t)表示t时刻位置v的信息素,Δtv(t)表示t时刻蚂蚁在沿着该路径移动时在该位置v上释放的信息素,Q表示信息素释放总量,ρ表示信息素挥发因子,Len(t)表示t时刻移动路径的长度,LenBest表示迭代过程中,出现的最优移动路径长度。
Claims (4)
1.一种辅助定位信标节点的移动路径规划方法,其特征在于:所述移动路径规划方法包括如下步骤:
1)程序初始化:初始化算法中当前蚂蚁k、迭代次数初值m1、信息素挥发因子ρ、信息素释放总量Q、大迭代次数M1和蚂蚁个数K,根据无线传感网应用项目,初始化监控区域边长、节点通信半径和六边形网格高度;
2)根据监控区域边长和六边形网格高度,计算全覆盖监控区域的六边形网格列个数和行个数;对所有六边形网格的中心和顶点分别采用从左到右,从下到上的原则进行编码,并计算六边形网格中心和顶点的位置坐标,获得相关矩阵向量;
3)根据信标节点的移动路径约束和节点定位约束,移动路径约束为式(1.a)-(1.d),节点定位约束为(1.e),建立优化模型(1),让信标节点的移动距离最短且保证所有传感节点都能获知自身的位置坐标;
min(Nl) (1)
lg+1∈Ng,g=1,2,...,Nl-1 (1.b)
其中,Nl表示信标节点经过的停留位置个数;表示信标节点的移动路径,即经过的停留位置集合,集合L中每一个元素表示信标节点的停留位置,是一个1×3的向量[k1k2k3],向量的第一个元素k1表示停留位置的列数,第二个元素k2表示停留位置的行数,第三个元素k3表示停留位置的类型,取值0,1,如果k3=0,则表示该元素是六边形网格中心,否则表示该元素是六边形网格的顶点;Ng表示停留位置lg的可选下一个停留位置集合;表示三个停留位置lg,lg+1,lg+2是否共线的标识符,取值为1表示共线,为0表示不共线;sij表示网格Grid(i,j)被不同位置上的信标节点覆盖的次数;优化模型(1)中,有移动路径约束和节点定位约束,其中,式(1.a)表示信标节点移动经过的最优路径,由六边形网格的顶点和中心组成;式(1.b)表示当信标节点在位置lg停留时,只从位置集合Ng中选择下一个停留位置,当停留位置为网格中心时,可选下一个停留位置集合Ng为
其中,l(i,j)表示六边形网格Grid(i,j)的中心,Ding(i,j)表示从左开始计数的第i列中从下到上开始计数的第j个顶点,m表示监控区域内第一列网格的个数,n表示监控区域内网格的列数且是奇数,当停留位置为顶点时,可选下一个停留位置集合为
式(1.c)表示信标节点不在同一个位置停留二次以上,则路径L中不存在相同的停留位置;由于传感节点需要3个以上且不能共线的信标节点位置信息,因此,式(1.d)表示路径L中任意3个相邻停留位置不在同一条直线上;式(1.e)表示每一个网格至少被3个以上不同停留位置覆盖;当停留位置为网格中心时,该网格和周围邻居网格的sij加1,当停留位置为网格顶点时,具有该顶点的网格sij加1;
4)根据式(2)和式(3),计算每一个网格中心和网格顶点的可选下一个停留位置集合;
5)初始化蚂蚁k的初始位置和已选路径Ly;
6)蚂蚁k分析下一个停留位置集合中所有位置元素,如果当前路径Ly添加了位置元素后,不符合约束条件(1.a)-(1.d),则删除该位置元素,最终建立新的下一个停留位置集合;如果该新的下一个停留位置集合为空集,则进入“死胡同”,跳到步骤5),在初始位置重新寻找路径,否则计算选择下一个停留位置,将该停留位置添加到已选路径Ly中;
7)判断已选路径Ly是否全覆盖监控区域内所有网格;如果Ly未全覆盖监控区域内所有网格,跳到步骤6),继续寻找,否则记录当前选择路径和其长度;如果k<K,则还有蚂蚁未寻找到路径,k=k+1,下一个蚂蚁开始寻找路径,跳到步骤5),否则跳到步骤8);
8)计算所有蚂蚁寻找的路径长度,选择长度最短路径作为第m1轮的最优路径,并记录该最优路径和长度Len(m1);如果Len(m1)≥LenBest,挥发所有位置的信息素,否则LenBest=Len(m1),其中LenBest表示迭代过程中,出现的最优移动路径长度,增加该路径上的停留位置信息素且挥发所有位置的信息素,通过计算更新所有位置的信息素;如果m1<M1,则k=1,m1=m1+1,跳到步骤5),否则结束算法,输出最优移动路径;
所述步骤2)中,六边形网格列个数和行个数计算、六边形网格划分过程如下:
第一列六边形网格个数是大于或者等于监控区域边长和六边形网格高度相除的最小整数值;如果第一列六边形网格个数是奇数,则网格列个数是其值加2,否则网格列个数是其值加1;奇数列的网格行个数是第一列六边形网格个数,偶数列的网格行个数是第一列六边形网格个数加1;
根据全覆盖监控区域的六边形网格列个数和行个数,则将监控区域划分成大小相同的六边形网格,并获知每一个网格中心和网格顶点的位置坐标。
2.如权利要求1所述的辅助定位信标节点的移动路径规划方法,其特征在于:所述步骤6)中,下一个停留位置选择方法包括如下步骤:
a1)当信标节点停留在网格顶点时,根据网格中心的信息素浓度决定下一个停留位置,当信标节点停留在网格中心时,根据网格顶点的信息素浓度决定下一个停留位置,则t时刻蚂蚁k从位置v到位置w的概率为
其中,表示网格中心w的信息素,表示网格顶点w的信息素;
a2)根据概率采用转轮赌法选择下一个时刻停留位置,将该位置坐标添加到已选择路径Ly。
3.如权利要求1所述的辅助定位信标节点的移动路径规划方法,其特征在于:所述步骤7)中,停留位置覆盖的网格判断过程如下:
当信标节点停留在网格中心时,其所在的网格和周围邻居网格内所有传感节点都能接收到信标节点的位置信息包,则这些网格被信标节点的停留位置覆盖,当信标节点停留在网格顶点时,具有该顶点的网格被信标节点的停留位置覆盖。
4.如权利要求2所述的辅助定位信标节点的移动路径规划方法,其特征在于:所述步骤8)中,所有位置的信息素更新过程如下:
完成一轮路径寻找后,即每一个蚂蚁寻找到自身的路径,选择其中一条最短路径作为该轮迭代的最短路径;分析该路径的长度,如果大于或等于历史最短路径,只挥发所有位置的信息素,否则对该路径上的相关停留位置信息素进行释放,且挥发所有位置的信息素:
其中,tv(t)表示t时刻位置v的信息素,Δtv(t)表示t时刻蚂蚁在沿着该路径移动时在该位置v上释放的信息素,Q表示信息素释放总量,ρ表示信息素挥发因子,Len(t)表示t时刻移动路径的长度,LenBest表示迭代过程中,出现的最优移动路径长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610725137.2A CN106376010B (zh) | 2016-08-24 | 2016-08-24 | 一种辅助定位信标节点的移动路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610725137.2A CN106376010B (zh) | 2016-08-24 | 2016-08-24 | 一种辅助定位信标节点的移动路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106376010A CN106376010A (zh) | 2017-02-01 |
CN106376010B true CN106376010B (zh) | 2019-06-18 |
Family
ID=57879296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610725137.2A Active CN106376010B (zh) | 2016-08-24 | 2016-08-24 | 一种辅助定位信标节点的移动路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106376010B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107124748B (zh) * | 2017-05-08 | 2019-12-03 | 浙江树人学院 | 一种移动传感网的Sink节点移动路径规划方法 |
CN108762296B (zh) * | 2018-05-09 | 2020-12-29 | 哈尔滨工业大学 | 一种基于蚁群算法的无人机欺骗路线规划方法 |
CN109041211B (zh) * | 2018-08-14 | 2020-06-19 | 长春理工大学 | 基于多移动信标节点路径规划的网络节点定位方法及系统 |
CN108900998B (zh) * | 2018-08-14 | 2020-10-02 | 长春理工大学 | 一种能耗均衡的移动汇聚节点路径规划方法及系统 |
CN110196055B (zh) * | 2019-06-19 | 2023-04-11 | 陕西欧卡电子智能科技有限公司 | 一种无人船水面垃圾自主区域清理方法 |
CN111132003B (zh) * | 2019-11-27 | 2020-11-24 | 桂林电子科技大学 | 一种基于动态路径规划的uwsn传感器节点定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459914A (zh) * | 2008-12-31 | 2009-06-17 | 中山大学 | 基于蚁群算法的无线传感器网络节点覆盖优化方法 |
CN103596235A (zh) * | 2013-01-22 | 2014-02-19 | 江苏大学 | 一种无线传感器网络路由蚁群算法的优化方法 |
CN104135749A (zh) * | 2014-08-20 | 2014-11-05 | 河海大学常州校区 | 基于网络密度分簇的无线传感器网络移动信标路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8369242B2 (en) * | 2009-03-31 | 2013-02-05 | Empire Technology Development Llc | Efficient location discovery |
-
2016
- 2016-08-24 CN CN201610725137.2A patent/CN106376010B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459914A (zh) * | 2008-12-31 | 2009-06-17 | 中山大学 | 基于蚁群算法的无线传感器网络节点覆盖优化方法 |
CN103596235A (zh) * | 2013-01-22 | 2014-02-19 | 江苏大学 | 一种无线传感器网络路由蚁群算法的优化方法 |
CN104135749A (zh) * | 2014-08-20 | 2014-11-05 | 河海大学常州校区 | 基于网络密度分簇的无线传感器网络移动信标路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106376010A (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106376010B (zh) | 一种辅助定位信标节点的移动路径规划方法 | |
Kung et al. | Efficient location tracking using sensor networks | |
CN109164810A (zh) | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 | |
Shi et al. | A review of simulation-based urban form generation and optimization for energy-driven urban design | |
CN110989612A (zh) | 一种基于蚁群算法的机器人路径规划方法及装置 | |
CN106225788B (zh) | 基于路径拓展蚁群算法的机器人路径规划方法 | |
Liu | Sensor deployment of wireless sensor networks based on ant colony optimization with three classes of ant transitions | |
CN101360051B (zh) | 一种能量高效的无线传感器网络路由方法 | |
CN106075906B (zh) | 一种模拟对象的寻路方法、场景的搭建方法和对应的装置 | |
CN105589461A (zh) | 一种基于改进蚁群算法的泊车系统路径规划方法 | |
CN110334391A (zh) | 一种多维度约束风电场集电线路自动规划方法 | |
CN109059924A (zh) | 基于a*算法的伴随机器人增量路径规划方法及系统 | |
Jain | A coherent approach for dynamic cluster-based routing and coverage hole detection and recovery in bi-layered WSN-IoT | |
CN111654869B (zh) | 无线网络自组网方法 | |
CN111163477B (zh) | 一种广域三维环境下一体化智能基站自动部署方法 | |
CN102395146B (zh) | 一种面向多目标点监测的无线传感网感知拓扑构建方法 | |
CN104994554B (zh) | 基于非均匀分簇的移动协助无线传感器网络路由方法 | |
Wang et al. | An elite hybrid metaheuristic optimization algorithm for maximizing wireless sensor networks lifetime with a sink node | |
CN103327082A (zh) | 一种多蚁群疏散优化交换方法 | |
Huang et al. | A multi-robot coverage path planning algorithm for the environment with multiple land cover types | |
CN113759971B (zh) | 一种面向无人机协同侦察的路径规划方法 | |
CN107124748B (zh) | 一种移动传感网的Sink节点移动路径规划方法 | |
CN110345960A (zh) | 一种规避交通障碍的路线规划智能优化方法 | |
CN109299778B (zh) | 一种基于布谷鸟搜索算法的rcrss救援地图分区的计算方法 | |
CN102238561B (zh) | 基于能量有效的分层协作覆盖模型的节点部署方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 312028 Jiangxia Road, Yang Xun Qiao Town, Keqiao District, Shaoxing City, Zhejiang Province, No. 2016 Applicant after: Zhejiang Shuren University Address before: 310015 Institute of information science and technology, No. 8, Gongshu District tree Man Road, Gongshu District, Hangzhou Applicant before: Zhejiang Shuren University |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |