【WSN】基于杂草算法结合花授粉算法实现无线传感器网络wsn节点部署优化matlab源码

2021-10-12 19:48 作者:Matlab工程师 0人读过 | 我要投稿

1 算法介绍

针对花朵授粉算法易陷入局部极值,收敛速度慢的不足,提出一种具有入侵杂草策略的花朵授粉算法.该算法通过入侵杂草的繁殖,空间扩散和竞争策略,动态生成种群,增加种群的多样性和有效性,使算法能有效地避免陷入局部最优,增强全局寻优能力,提高收敛速度.通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的全局寻优能力明显优于基本的花朵授粉算法,差分进化算法和蝙蝠算法,其收敛精度,收敛速度,鲁棒性均较对比算法有较大提高.

2 部分代码

% IWO % CPSO % IIWO %% 清空环境变量 clear clc %% 网络参数 L = 20; % 区域边长 V = 24; % 节点个数 Rs = 2.5; % 感知半径 Rc = 5; % 通信半径 Re = 0.05; % 感知误差 data = 1; % 离散粒度 %% 基本参数 N = 30; % 种群规模 dim = 2*V; % 维数 maxgen = 300; % 最大迭代次数 ub = L; lb = 0; %% 初始化种群位置 X = rand(N, dim).*(ub-lb)+lb; for i = 1:N fitness(i) = fun(X(i, :), L, Rs, Re, data); end %% 传入函数变量 [bestvalue_IWO, gbest_IWO, Curve_IWO] = IWO(N, maxgen, Rs, Re, L, data, X, fitness, lb, ub, dim); [bestvalue_CPSO, gbest_CPSO, Curve_CPSO] = CPSO(N, maxgen, Rs, Re, L, data, X, fitness, lb, ub, dim); [bestvalue_IIWO, gbest_IIWO, Curve_IIWO] = IIWO(N, maxgen, Rs, Re, L, data, X, fitness, lb, ub, dim); %% 绘图比较 figure; t = 1:maxgen; plot(t, Curve_IWO, 'ro-', t, Curve_CPSO, 'kx-', t, Curve_IIWO, 'bp-',... 'linewidth', 2, 'linewidth', 1.5, 'MarkerSize',7, 'MarkerIndices', 1:20:maxgen); legend('IWO', 'CPSO', 'IIWO'); xlabel '迭代次数'; ylabel '覆盖率';