自适应混沌量子粒子群算法及其在WSN覆盖优化中的应用

摘要 针对传统粒子群优化算法容易陷入局部极值和收敛速度慢等不足，通过研究种群多样性与粒子群算法进化的关系，提出一种动态自适应混沌量子粒子群优化（DACQPSO）算法。该算法将种群分布熵引入粒子群的进化控制，以Sigmoid函数模型为基础，给出了量子粒子群算法收缩扩张系数的计算方法；以平均粒距作为混沌搜索的判别条件进行混沌扰动。将DACQPSO算法应用于无线传感器网络（WSN）的覆盖优化中，并作了仿真分析。实验结果表明，DACQPSO算法在覆盖率指标上比标准粒子群、量子粒子群、混沌量子粒子群算法分别提高了3.3501%、2.6502%和1.9000%，有效地提高了WSN的覆盖性能