基于PSO算法的Rssi测距定位 - CSDN文库

172 浏览量更新于2023-05-04 1 收藏 250KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源推荐

基于基于PSO算法的算法的Rssi测距定位测距定位

一：由Rssi定位（平面）建立模型

MATLAB作图如下：

附代码：Node_num为锚节点数，Node(i).x,Node(i).y为各个锚节点坐标，Zd(i)为Rssi测量距离

[x,y]=meshgrid(1:0.5:100,1:0.5:100);

z=0;

for i=1:Node_num

z=z+(sqrt((x-Node(i).x).^2+(y-Node(i).y).^2)-Zd(i)).^2;

end

%*****************************************

%PSO算法

%%参数初始化

c1=1.45445;

c2=1.45445;

maxgen=100;%迭代次数

sizeop=100; %种群大小

vmax=1;

vmin=-1; %速度限制

popmax=100;

popmin=0; %边界限定

%%初始化粒子位置和速度

for i=1:sizeop

pop(i,:)=(100*rands(1,2)+100)/2; %初始化位置，由于是二元函数，所以是两组

v(i,:)=rands(1,2);%初始化速度，2组

%计算适应度

fitness(i)=fun(pop(i,:),Node_num,Node,Zd);

end

%%个体极值和群体极值

[bestfitness,bestIndex]=min(fitness);

zbest=pop(bestIndex,:);%群体最佳

gbest=pop();%个体最佳

fitnessgbest=fitness;%个体最佳适应度值

fitnesszbest=bestfitness;%群体最佳适应度值

%%迭代寻优

for i=1:maxgen

for j=1:sizeop

%速度更新

v(j,:)=v(j,:)+c1*rand*(gbest(j,:)-pop(j,:))+c2*rand*(zbest-pop(j,:));

v(j,find(v(j,:)>vmax))=vmax;

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

weixin_38742656

粉丝: 16
资源: 905

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈