[发明专利]基于鲸鱼优化算法的网络节点选择方法、系统及存储介质

说明书

本发明公开一种基于鲸鱼优化算法的网络节点选择方法、系统及存储介质，其中方法包括：设置二进制编码的种群矩阵，设置最大迭代次数及初始迭代次数，随机初始化种群矩阵；根据种群中每个鲸鱼个体对应的节点选择方案对目标函数进行计算，获取种群中最佳个体位置和最佳适应度函数值；根据当前迭代次数计算当前动态收敛因子及当前动态权重；根据当前动态收敛因子和生成的随机数确定计算鲸鱼个体位置的方案，并更新当前鲸鱼个体位置及迭代次数；若迭代次数达到最大迭代次数，则返回最佳鲸鱼个体位置，根据最佳鲸鱼个体位置确定参与跟踪的传感器节点；否则返回计算。本发明有利于提高无线传感器网络中目标跟踪过程中的跟踪精度和实时性。

技术领域

本发明涉及目标跟踪技术领域，尤其涉及一种基于鲸鱼优化算法的网络节点选择方法、系统及存储介质。

背景技术

随着微电子领域技术的发展，无线传感器网络逐渐广泛的应用于军事，环境监测等诸多领域，目标跟踪也是无线传感器网络的重要应用场景之一。在实际应用过程中，使用全部的传感器节点参与目标跟踪，可以获得良好的跟踪精度，但是由于传感器自身能量的限制，使用全部的传感器节点参与跟踪会极大地减少网络寿命。如何在保证目标跟踪精度的情况下同时尽量不减少传感网络寿命是目前目标跟踪领域急需解决的一个问题。节点选择可以很好的解决这个问题，即在每个采样时间段内，自适应的选择一部分传感器节点参与目标跟踪，从而有效的避免了能量浪费。所以对于无线传感器网络来说，节点选择具有很强的理论和现实意义，设计一种有效的节点选择算法是至关重要的。

目前用于节点选择问题的算法有遗传算法、粒子群优化算法、凸优化算法等，但采用这些方法通常存在跟踪精度低，收敛速度慢，容易陷入局部最优的特点。

发明内容

本发明提供一种基于鲸鱼优化算法的网络节点选择方法、系统及存储介质，用以克服上述现有技术中存在的技术问题，以提高无线传感器网络中目标跟踪过程中的跟踪精度和实时性。

本发明提供一种基于鲸鱼优化算法的网络节点选择方法，包括：

步骤11、设置二进制编码的种群矩阵，种群矩阵的每一行表示种群中一个鲸鱼个体，列数表示无线传感器网络中的节点数量，设置最大迭代次数及初始迭代次数，随机初始化种群矩阵，使种群矩阵每一行有预设数量的节点为1；

步骤12、根据种群中每个鲸鱼个体对应的节点选择方案对目标函数进行计算，获取每个鲸鱼个体对应的适应度函数值，以及获取种群中最佳个体位置和最佳适应度函数值；

步骤13、根据当前迭代次数计算当前动态收敛因子及当前动态权重，动态收敛因子及动态权重均为以迭代次数为变量的函数；

步骤14、根据当前动态收敛因子和生成的随机数确定计算鲸鱼个体位置的方案，并更新当前鲸鱼个体位置，迭代次数加1；

步骤15、若迭代次数达到最大迭代次数，则输出最佳适应度函数值和最佳鲸鱼个体位置，根据最佳鲸鱼个体位置对应的节点选择方案确定参与跟踪的传感器节点；否则执行步骤12。

本发明还提供一种基于鲸鱼优化算法的网络节点选择系统，包括：

设置模块，用于设置二进制编码的种群矩阵，种群矩阵的每一行表示种群中一个鲸鱼个体，列数表示无线传感器网络中的节点数量，设置最大迭代次数及初始迭代次数，随机初始化种群矩阵，使种群矩阵每一行有预设数量的节点为1；

第一计算模块，用于根据种群中每个鲸鱼个体对应的节点选择方案对目标函数进行计算，获取每个鲸鱼个体对应的适应度函数值，以及获取种群中最佳个体位置和最佳适应度函数值；

第二计算模块，用于根据当前迭代次数计算当前动态收敛因子及当前动态权重，动态收敛因子及动态权重均为以迭代次数为变量的函数；

第三计算模块，用于根据当前动态收敛因子和生成的随机数确定计算鲸鱼个体位置的方案，并更新当前鲸鱼个体位置，迭代次数加1；