混乱映射狮子优化基于算法的节点定位方法用于无线传感器网络
Abdelwahed Motwakel1,2, Aisha Hassan Abdalla Hashim1, Hayam Alamro3
1Department of Electrical and Computer Engineering, International Islamic University Malaysia, Kuala Lumpur 53100, Malaysia.
Sensors (Basel, Switzerland)
|November 14, 2023
概括
本研究介绍了一种新的基于混乱映射狮子优化算法的节点定位方法 (CMLOA-NLA) 用于无线传感器网络 (WSN). CMLOA-NLA显著提高了节点定位的准确性和效率,达到2.09%的最低平均误差.
科学领域:
- 计算机科学 计算机科学
- 电气工程 电气工程
- 网络工程 网络工程
背景情况:
- 无线传感器网络 (WSN) 对各种应用至关重要,包括环境监测和医疗保健.
- 准确的节点定位 (NL) 是WSN的一个基本挑战,对于目标跟踪和数据路由等应用程序至关重要.
- 现有的本地化方法往往在准确性和效率方面面临限制.
研究的目的:
- 为WSNs开发一个先进的节点本地化方法 (NLA).
- 通过使用混乱映射来提高NL的狮子优化算法 (LOA) 的性能.
- 引入基于混乱映射狮子优化算法的节点定位方法 (CMLOA-NLA).
主要方法:
- 在CMLOA-NLA中,使用节点 (AN) 作为参考点来定位未知的传感器节点 (SN).
- 该算法将帐混沌映射概念集成到标准LOA中,以提高合速度和精度.
- 进行了广泛的模拟,以评估拟议的CMLOA-NLA技术的性能.
主要成果:
- 与现有方法相比,CMLOA-NLA在本地化准确性和效率方面取得了显著的改进.
- 该技术实现了2.09%的最小平均定位误差.
- CMLOA-NLA 显示出高强度的抗局部化错误和传输范围的变化.
结论:
- 拟议的CMLOA-NLA是一种有效的技术,可以在WSN中准确有效地定位节点.
- 混沌映射的集成增强了LOA对NL的优化能力.
- 对于需要精确传感器定位的关键WSN应用,CMLOA-NLA提供了一个强大的解决方案.
