基于鯨魚算法優(yōu)化DV Hop的人員定位算法

劉 哲董 楦張德廣何子東靳健欣

(1.國網(wǎng)河北省電力有限公司,河北 石家莊 050021;2.河北省送變電有限公司,河北 石家莊 050051;3.國網(wǎng)河北省電力有限公司經(jīng)濟技術(shù)研究院,河北 石家莊 050022;4.國網(wǎng)河北省電力有限公司建設公司,河北 石家莊 050030)

0 引言

電力企業(yè)是我國社會、經(jīng)濟發(fā)展的基礎(chǔ)產(chǎn)業(yè),其性質(zhì)和特點決定了具有易燃、易爆、易觸電、高壓以及帶電工作等特點,且發(fā)生安全事故影響面廣、破壞性強、波及范圍大等問題,其安全管理屬于重點及難點問題,該行業(yè)易發(fā)生安全事故,直接威脅著現(xiàn)場工作人員的生命安全。因此,精確定位人員位置對建立快速救援機制和搶救傷員具有重要意義。無線傳感網(wǎng)絡(Wireless Sensor Network,WSN)被廣泛地應用于環(huán)境監(jiān)測、國防軍事、危險區(qū)域遠程控制、搶險救災、人員定位等諸多領(lǐng)域[1]。對于WSN 而言,網(wǎng)絡節(jié)點的位置信息是設計定位網(wǎng)絡結(jié)構(gòu)、數(shù)據(jù)標記和網(wǎng)絡節(jié)點跟蹤的基礎(chǔ)。因此,人員定位的本質(zhì)是進行網(wǎng)絡節(jié)點的位置坐標進行估計。傳統(tǒng)的WSN 定位算法分為測距式算法和非測距式算法[25],前者主要包括達到時間(TOA)、達到角度(AOA)、達到時間差(TDOA)和信號接收強度(RSSI)等,后者主要有APIT、質(zhì)心算法和DV-Hop。與測距式算法相比,非測距式算法具有成本低、網(wǎng)絡壽命長和抗干擾能力強的優(yōu)點。由于DV-Hop 算法具有功耗低、方便使用和定位精度高的優(yōu)點,因此DV-Hop算法被廣泛地應用于WSN 中。

為提高人員定位的精度,選擇鯨魚優(yōu)化算法[6](Whale Optimization Algorithm,WOA)改進DV-Hop 算法,提出一種基于WOA-DV-Hop人員定位算法。結(jié)合無線傳感網(wǎng)絡技術(shù),針對人員定位的經(jīng)典算法-距離向量跳段算法(DV-Hop算法)定位誤差大的問題,引入群智能尋優(yōu)鯨魚算法優(yōu)化多目標定位的執(zhí)行過程,解決DV-Hop算法本身存在的錨節(jié)點與未知節(jié)點之間的距離估計的誤差問題。研究結(jié)果表明,與普通的DV-Hop人員定位算法相比較,WOA-DV-Hop 人員定位算法可以有效提高人員定位的精度。

1 鯨魚優(yōu)化算法

在鯨魚優(yōu)化算法中,包括包圍獵物、狩獵行為以及搜索捕食[7]等3種行為方式。每只鯨魚的位置表示一個可行解。

1.1 包圍獵物

座頭鯨發(fā)現(xiàn)獵物之后將快速包圍獵物,同時按式(1)和式(2)更新鯨魚位置:

式中:、為系數(shù);t為當前迭代次數(shù);||為絕對值;和(t)分別為鯨魚個體的最佳位置和當前位置。的計算表達式如式(3)所示:

式中:M為最大迭代次數(shù);r∈[0,1]的隨機數(shù);a∈[2,0]的隨機數(shù)。

1.2 狩獵行為

座頭鯨采用螺旋運動進行狩獵,鯨魚個體首先計算與當前最優(yōu)鯨魚的距離,見式(4),然后再以螺旋方式游走,進行食物的搜索,螺旋游走方式的數(shù)學模型如式(5)所示:

式中:b為螺旋形狀控制參數(shù);l∈[-1,1]的隨機數(shù)。使用式(4)獲得當前鯨魚個體到最好位置的鯨魚個體的距離向量。

使用式(6)來指代實現(xiàn)收縮包圍圈和螺旋更新位置同步模型,過程中通過概率p完成進行收縮包圍,在狩獵過程中,鯨魚將以50%的概率包圍獵物或狩獵[8-9]:

1.3 搜索捕食

如果|A|>1,那么鯨魚將離開現(xiàn)在所包圍的獵物去尋找新的獵物,位置更新式如式(7)和(8)所示:

式中:Xrand為隨機選擇的鯨魚位置。

2 基于WOA-DV-Hop的人員定位

DV-Hop算法是基于跳數(shù)的定位算法[10],估算信標節(jié)點i的平均跳距Hopsizei如式(9)所示:

式中:(xi,yi)和(xj,yj)為信標節(jié)點i和信標節(jié)點j的坐標;Hopsi為信標節(jié)點i和信標節(jié)點j(i≠j)之間的最小跳數(shù)。因為測量誤差的存在,導致人員定位時必然存在定位誤差,因此人員定位問題本質(zhì)上就是求解人員定位誤差最小化的問題。

如果未知節(jié)點的位置坐標為(x,y),未知節(jié)點和第i個信標節(jié)點之間的距離di,那么人員定位誤差問題如式(10)所示:

式中:di為dj的實際測量距離。

為實現(xiàn)人員定位誤差的校正,基于WOA-DVHop的人員定位的目標函數(shù)如式(11)所示[11]:

式中:n為未知節(jié)點的數(shù)量為未知節(jié)點與信標節(jié)點i之間跳數(shù)值的倒數(shù)。通過WOA 算法優(yōu)化DV-Hop進行人員定位,就是將尋找到的最優(yōu)解作為未知節(jié)點(人員位置)的最終估算位置。

通過對DV-Hop算法進行人員定位的具體的執(zhí)行過程分析可以發(fā)現(xiàn),在算法執(zhí)行的第三階段測量錨節(jié)點與未知節(jié)點間距離時,由于外界因素及內(nèi)部測量的誤差使得誤差較大。誤差產(chǎn)生的原因在于錨節(jié)點與最小跳數(shù)的準確性以及計算未知節(jié)點的AHD、多目標定位的優(yōu)化所產(chǎn)生的誤差。為了減少誤差,使用鯨魚算法優(yōu)化目標定位階段的定位精度,在DV-Hop算法的第三階段使用目標優(yōu)化公式,建立了WOA-DV-Hop的人員定位的算法,完成對未知節(jié)點坐標的估計和人員的精確定位。

基于WOA-DV-Hop的人員定位的算法流程可以詳細描述如下。

Step1:初始化DV-Hop算法和WOA-DV-Hop算法參數(shù),設置網(wǎng)絡區(qū)域為100×100 mm ,隨機生成取值范圍從1~100的隨機數(shù)分別作為節(jié)點的二維坐標,區(qū)域內(nèi)所有節(jié)點總數(shù)為100,其中信標節(jié)點和未知節(jié)點數(shù)目分別為8和92。WOA 算法,種群規(guī)模popsize=100,最大迭代次數(shù)Tmax=100,令當前迭代次數(shù)t=0;

Step2:隨機初始化鯨魚種群;

Step3:以式(11)為目標函數(shù),計算鯨魚種群適應度大小并排序,找出種群當前的全局最優(yōu)解的位置;

Step4:如果t≤Tmax,則更新A、C和a;反之,迭代尋優(yōu);

Step5:當p<0.5時,如果|A|<1,則按式(1)更新鯨魚個體的位置;如果|A|≥1,則隨機選擇鯨魚個體位置Xrand,按式(7)更新鯨魚個體的位置;

Step6:當p≥0.5時,則按式(6)更新鯨魚個體的位置;

Step7:限制鯨魚搜索范圍,防止超出搜索范圍;

1.平針繡法：平針繡是天水繡花鞋墊最為常見的一種針法，就是上下扎針將繡線在圖案紋樣內(nèi)排列均勻整齊，不重疊，不交叉，不露底，拉線輕重一致，達到繡面針腳勻、齊、平、密的藝術(shù)效果。平繡工藝是比較精致、寫實的刺繡形式，極富表現(xiàn)力，多用來描繪自然生物如花卉和禽類題材，形象栩栩如生，常用對比和暈色手法，視覺效果強烈。

Step8:計算鯨魚個體的適應度并進行排序,找到適應度最佳時所對應的鯨魚個體X*,并進行保存;若t>Tmax,那么執(zhí)行Step9;否則,重復執(zhí)行Step4-Step8;

Step9:輸出人員定位的最佳位置(x*,y*)。

3 仿真與分析

為了評價人員定位的效果,本文利用Matlab仿真軟件,并選擇歸一化定位誤差erra作為評價標準,歸一化定位誤差erra計算式如式(12)所示[12]:

式中:K為總節(jié)點數(shù);N為信標節(jié)點位置;R為通信半徑;(x′j,y′j)和(xj,yj)分別為未知節(jié)點j的估計位置和實際位置。

假設節(jié)點的通信半徑R=30 m,仿真區(qū)域正方形平面區(qū)域[13],大小為100 m×100 m。DVHop算法:總節(jié)點數(shù)K=100,信標節(jié)點數(shù)N=8。WOA 算法:種群規(guī)模popsize=100,最大迭代次數(shù)Tmax=100。算法定位效果圖如圖1所示。

圖1 算法定位效果

由圖1可知,與普通的DV-Hop人員定位算法相比較,WOA-DV-Hop 人員定位算法可以有效提高人員定位的精度。WOA-DV-Hop尋優(yōu)迭代圖如圖2所示。

圖2 WOA-DV-Hop尋優(yōu)迭代示意

為了進一步說明人員定位的效果,分別研究信標節(jié)點比例、通信半徑R和節(jié)點總數(shù)對歸一化平均定位誤差的影響,研究結(jié)果如圖3-5所示。

圖3 信標節(jié)點比例對歸一化平均定位誤差的影響

圖3中,通信半徑R=30,節(jié)點總數(shù)K=150,信標節(jié)點比例由10%逐漸增加到31%。隨著信標節(jié)點比例的增加,定位誤差持續(xù)降低,且整體上本文提出的WOA-DV-Hop算法的誤差值略低于DV-Hop定位算法,定位精度有提高,但是定位精度提升趨勢放緩。

圖4中,信標節(jié)點比例為20%,節(jié)點總數(shù)K=150,通信半徑由21 m 逐漸增加到45 m,增加步長為3 m。隨著通信半徑的增加,定位誤差呈現(xiàn)下降趨勢,且整體上本文提出的WOA-DV-Hop算法的誤差值低于DV-Hop定位算法,這是因為隨著通信半徑的增加,節(jié)點間的跳數(shù)越小,其計算出的距離誤差也隨之變小,定位精度不斷提高。

圖4 通信半徑對歸一化平均定位誤差的影響

圖5中,信標節(jié)點比例為20%,通信半徑R=30,節(jié)點總數(shù)由100按照步長20逐漸增加到200。隨著節(jié)點總數(shù)的增加,未知節(jié)點和信標節(jié)點的分布將更加均勻,使得網(wǎng)絡的連通性更好,因此與普通的DV-Hop 人員定位算法對比,本文提出的WOA-DV-Hop人員定位算法與的定位誤差值遠低于DV-Hop算法,且隨著節(jié)點增加誤差持續(xù)降低,定位精度不斷提高。

圖5 節(jié)點總數(shù)對歸一化平均定位誤差的影響

4 結(jié)論

為了改善電力企業(yè)高危崗位存在的人員主觀安全風險問題,本文提出了一種改進的人員定位算法,運用科技手段強化現(xiàn)場安全監(jiān)管,提升生產(chǎn)穩(wěn)定性及人員安全。在經(jīng)典的DV-Hop定位算法的基礎(chǔ)上,引入群智能尋優(yōu)鯨魚算法優(yōu)化多目標定位的執(zhí)行過程,在DV-Hop算法中使用目標優(yōu)化公式,降低了DV-Hop算法本身存在的錨節(jié)點與未知節(jié)點之間的距離估計誤差,實現(xiàn)了對未知節(jié)點坐標的估計和人員的精確定位。研究結(jié)果表明,WOA-DV-Hop 人員定位算法可以有效提高人員定位的精度,并且隨著信標節(jié)點比例、通信半徑R和節(jié)點總數(shù)等參數(shù)的增加,人員定位精度將持續(xù)增加。另外由于計算信標節(jié)點間的估算距離,一定程度增加網(wǎng)絡節(jié)點之間的通信量,降低了執(zhí)行效率。后續(xù)將研究引入分布式系統(tǒng)提高效率和降低網(wǎng)絡能耗。