【WSN定位】基于matlab磷虾群算法求解WSN定位优化问题【含Matlab源码 448期】

💥💥💥💥💥💥💞💞💞💞💞💞💞💞欢迎来到海神之光博客之家💞💞💞💞💞💞💞💞💥💥💥💥💥💥

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进；
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式

⛳️座右铭：行百里者，半于九十。
更多Matlab信号处理仿真内容点击👇
①Matlab信号处理 （进阶版）
②付费专栏Matlab信号处理（初级版）

⛳️关注优快云海神之光，更多资源等你来！！

⛄一、 磷虾群算法简介

通过研究南极磷虾觅食和生活习性的仿真模拟实验, 2012年Gandomi和Alavi提出了一种处理复杂优化问题的磷虾群算法。KH算法仍然属于粒子智能算法, 它采用实数编码随机产生初始种群。KH算法总是重复完成3种运动, 通过迭代搜索直至最佳位置。每一只磷虾的进化受3个运动分量的协同影响:邻居诱导、觅食活动和随机扩散。

KH算法采用拉格朗日模型:

其中Ni是邻居诱导, Fi是觅食活动, Di是随机扩散, i=1, 2, …NP, NP是种群数。
运动分量1:受周围磷虾“邻居”诱导的运动速度Ni

其中, Nmax为最大诱导速度, αi为诱导方向, ωn为诱导惯性权重。
运动分量2:磷虾个体的觅食运动速度Fi

其中, Vf是最大觅食速度, βi为觅食方向, ωf为觅食惯性权重, βifood和βibest分别为受“食物”和粒子本身历史最优个体诱导的方向。

运动分量3:磷虾个体的随机扩散运动速度Di

其中, Dmax为最大随机扩散速度, σ为随机扩散方向。
基于上述3种运动分量, 每一磷虾从时间t到t+Δt的更新后位置应该表示为

⛄二、部分源代码

clc
clear
close all
global N M %%N是未知节点数目，M是已知节点数目
ll=10;
dd=10;
N=1;M=4;

Vmax=1;
Vmin=-1;

number=N+M;
rand(‘state’,sum(100*clock)*rand(1))

nodecoor0 =[0 0
0 dd
dd 0
dd dd ];
nodecoor =[ddrand(N,2)
nodecoor0];
% nodecoor =[ddrand(N+M,2)];
actualunknownnodecoor=nodecoor(1:N,:) ; %取50个点为未知的，未知节点实际坐标随机分布在dd*dd的区域内
actualunknownnodecoor1=actualunknownnodecoor’ ;

undis=L2_distance(nodecoor’,nodecoor’) ; %%计算节点两两之间的欧拉距离

noise=zeros((N+M),(N+M));
noise_value=1;
for i=1:N
for j=1:(N+M)
if i<j
noise(i,j)=noise_value;
noise(j,i)=noise(i,j);
end
end
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]李玲纯,高来鑫.改进磷虾群算法在变电站选址中的应用[J].重庆工商大学学报(自然科学版). 2018,35(03)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合