高 栋， 胡黄水， 王宏志， 余学帆

(长春工业大学 计算机科学与工程学院， 吉林 长春 130012)

0 引 言

无线传感器网络(Wireless Sensor Network， WSN)是由众多体积小、低成本、功耗低的传感器节点通过无线通信技术相互联系而形成的网络[1],已被运用到众多领域，而能够确定采集数据的准确位置作为传感器网络基本功能之一也显得尤为重要。

基于RSSI的定位算法是无线传感器网络定位算法中应用比较广泛的一种，也是研究的热点之一[2]。而智能优化算法在质心计算的基础上，通过群体寻优思想为未知节点坐标的求解提供了另一种思路。常见的群体智能优化算法有遗传算法、粒子群算法、蚁群算法[3-5]。这些群体智能优化算法可以提高定位精度，相比而言，灰狼智能优化算法(Grey Wolf Optimization, GWO)具有更好的优化稳定性和准确性[6];文献[7]提出用比例差分的方法对RSSI测距进行修正，并且利用卡尔曼滤波法除去信号中的噪声，以获得更加精确的距离值;文献[8]提出一种自适应优化粒子群的WSN定位算法，通过适应度函数得到粒子适应值，然后根据粒子适应值调节惯性权重与学习因子，同时使用异步变化法改进学习因子，但该算法难以解决跳出局部极值点问题;文献[9]提出一种基于RSSI无线传感器网络改进加权质心算法，将距离比例模型引入锚节点圆中，以解决补位带来的误差累积;文献[10]提出一种鲸鱼优化算法改进的加权质心算法，利用鲸鱼优化算法的快速收敛、不易陷入局部最优等优势对加权质心算法定位结果进行优化。……