论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　10_15+6槡x2+y2通过Matlab画出的式（3)、（4)图像得知：函数/(x)有多个峰值和多个极值点，训练过程中很容易陷入局部极值，并且全局最值为19.8949;函数兑（x)具有多个极值点并且具有多个最值为2.188。Matlab实现改进后的人工鱼，通过对比发现改进的人工鱼群具有较强的寻优能力，初始化人工鱼的个数n=25,,isua1min=0.6,步长stepmin=0.5,尝试次数TryNumber=6,拥挤度因子S=0.1,每个函数做10次实验求得最优值和迭代次数均值,实验结果如表1所示。

表1 AFSA和IAFSA算法寻优值和性能对比
典型函数-    IAFSA    AFSA
    最优值    迭代数    最优值    迭代数
f1 (x)    19.890 9    123    19.8779    105
/2 (x)    2.109 0    255    2. 1020    189

　　通过实验数据验证了改进的人工鱼群算法搜素的速度和误差相比于ASFA算法，在寻优时间和精度方面有一定的改进，并且能够在较快的时间内寻找出全局最优值。实验说明改进算法能够一定程度上提高定位的速度和精度。
　　3改进人工鱼群算法选取的BP神经网络参数
　　人工鱼群通过个体的局部寻优,实现全局最优16]。人工鱼群算法具有操作简单、收敛快速快、全局搜索能力强等特点,故本文将其作为学习方法来对神经网络进行训练以改进性能。
　　人工鱼群的算法在训练神经网络的过程中逐步调整神经网络权值与阈值,直到误差最小。本文利用人工鱼群算法训练神经网络是采用各个人工鱼状态代表神经网络连接权值和阈值，并且将输出值与期望值均方差的倒数作为食物浓度，然后按照人工鱼群算法的步骤反复优化神经网络的连接权值和阈值，通过寻找食物最大浓度使均方误差最小,从而找到全局最优神经网络参数。
　　改进的人工鱼群神经网络（ImprovedAFSA-NeuralNetwork,IAFSA~NN)采用改进的人工鱼群算法来训练神经网络,假设该神经网络如图1,具有I个输入节点,H个隐藏节点，O个输入节点,为输入神经元i和隐含层神经元j的连接权值为隐含层神经元i的阈值为隐含层神经元+和输出层神经元k之间的链接权值，^为输出神经元的阈值。
　　参数Vj,,;,^為就是要利用人工鱼群寻优的神经网络
　　的参数，本文按照人工鱼的定义将参数转化为人工鱼。采用改进的人工鱼群算法来训练具有三层神经网络，按照以下的步骤。
　　1)初始化并输入人工鱼群的群体规模N最大迭代次数Number,人工鱼的视野范围域visual,人工鱼的最大移动步长step拥挤度因子5。
　　2)设置初始的迭代次数Number=0,在控制变量可行域之内随机地生成N个人工鱼。
　　3)计算初始化鱼群各个人工鱼个体当前位置的食物浓度Y取食物浓度Y数值比较大者进入到公告板，将此鱼的状态复制到公告板。
　　4)各个人工鱼分别模拟追尾和群聚行为，选择行为后食物浓度Y数值较大的行为执行，缺省行为为觅食行为。
　　5)各个人工鱼每行动一次后,检验自身的食物浓度Y与公告板食物浓度Y如果自身优于公告板就用自身的值取代，否则继续觅食。
　　6)判断Number是否已经到达已经预置的最大迭代次数:若是，则输出公告板;否则Number++,同时随着迭代次数
　　Number次数的增加按照3)调整step和visual的大小，并转向4)。
　　
　　4、距离加权质心法计算位置
　　通过改进的人工鱼群算法选取神经网络参数，然后按照神经网络拟合的RSSI模型就可以计算出距离d,在选取多个锚节点的RSSI值计算出的d的基础上按照三边测量法来确定移动节点的坐标位置，传统的三边定位法和加权三边定位法在室内复杂环境的因素下定位精度较低，因此本文提出一种改进的加权质心方法来提高定位的精度。在无线传感网络中，每个移动节点接收周围锚节点信号，移动节点把收到的RSSI,通过改进的人工鱼群算法换算出距离值,然后按照三边定位法计算出圆交点，按照质心算法如式(5)、（6)可以得出移动节点的坐标：
i = 1    i=1    (5)
Tp =
i=1    'hjij Xwi
i=1    (6)

　　实验中选取RSSI信号强度较大的多个锚节点作为计算节点，并且经过多次测量和使用三边定位法，将多组距离值计算多组三圆交点作为多边形来求质心，RSSI的能量数值的大小对定位的精度有一定的影响，在计算的时候加入距离相关的加权因子，如式(5)、（6)所示,加权因子决定了锚节点对质心位置的影响程度。设移动节点的坐标为锚节点到移动节点的距离通过训练得到的模型获取的距离为&,h,…，r"(n>3),因此可得基于距离的加权因子为k1=1々1,k2=1/r2，…,kn=1/rn,根据加权质心法可估算的移动节点的位置坐标(&,.),如式(7)、（8)所示：=k1X1+k2X2+ooo+k+女2+ooo+k1T1+k2T2+…+k+^2+ooo+kn
　　本文中按照改进的人工鱼群算法训练的模型计算出RSSI数值对应的距离并且按照距离加权质心算法来进_步减小室内复杂环境带来的误差，通过实验对比发现该算法能够在一定程度上提高定位的精度和算法的速度，对室内定位的精度有一定的提高。
　　5仿真实验
　　5.1实验环境