群知能と進化的計算の国際ジャーナル

概要

無線センサーネットワークにおける細粒度位置特定問題を解決するための量子進化アルゴリズムにおけるボールドウィン学習

マフディ・アジズ* とモハマド・メイボディ

ローカル検索 (LS) 手順は検索を容易にするものであり、ミーム アルゴリズムの活用能力を高めて、より高品質のソリューションに収束するのを助けます。この論文では、ボールドウィン学習 (BL) の形で LS 手順を使用して、ワイヤレス センサー ネットワーク (WSN) の細粒度の位置特定問題に取り組むためのミーム量子進化アルゴリズム (QEA) を提案します。QEA はナップザック問題などのバイナリ領域問題にのみ使用できるため、バイナリから実数へのマッピング手順を使用して、WSN の位置特定問題の解決に適したものにします。センサー ノードの適切な初期位置を提供するために、アルゴリズムは最良の観測ソリューションに対してマルチ三辺測量 (MT) 手順を使用します。提案されたアルゴリズムをテストするために、最初に 2 つのスピンオフ (MT 手順なしの提案アルゴリズムと BL および MT 手順なしの提案アルゴリズム) と比較し、次に 4 つの異なる接続範囲を持つ 10 個のランダムに生成されたネットワーク トポロジで 6 つの既存の最適化アルゴリズムと比較します。シミュレーション結果によると、提案されたアルゴリズムは、WSN 内のセンサー ノードの位置を推定する点で他のアルゴリズムよりも大幅に優れていることが示されています。また、問題解決において、提案されたアルゴリズムに MT 手順と BL 法を適用することの有効性も指摘されています。