Simulated Annealing - Sensorpositionierung in Sensornetzwerken

Question

Hallo Ich habe ein Problem mit litte Verständnis Problem der Lokalisierungssensoren in drahtlosen Sensornetzwerken. Auf der Grundlage dieses Artikel http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.110.2833&rep=rep1&type=pdf Ich freue mich über ein wenig Simulationsprogramm zu schreiben, die das Problem der Lokalisierung Sensors im Sensornetz lösen würden.

Die Optimalisierung Problem sieht aus wie die

Angenommen wir eine Reihe von m Sensoren (Anker nist), das jeweils mit bekannter Position und n Sensoren (Nicht-Anker-nist) mit unbekanntem Ort. Jeder Knoten hat die Fähigkeit, die Entfernung zwischen sich selbst und Nachbarknoten zu messen (die Messungen sind mit Rauschen verfälscht).

Meine Aufgabe ist:
Mit lauten Abstandsmessungen und Position von Ankerknoten schätzen Sie die Position aller Knoten mit unbekannten Positionen.

In dem Artikel (die ich am Anfang meiner Fragen erwähnt) auch eine Kostenfunktion, die ich nicht verstehe. Ich weiß einfach nicht, wie die Position der Ankerknoten mir bei der Standortbestimmung aller Knoten hilft.

Ich hoffe, jemand wird verstehen, was ich writting :) Sorry für mein Englisch

Answer 1

Sie durch Erraten Positionen für den Nicht-Ankerknoten beginnen. Wenn Sie eine Position für diesen Knoten haben, können Sie den Abstand von ihm zu jedem anderen Knoten mit dem Satz von Pythagoras berechnen, den die Zeitung geschätzte Entfernung nennt. Sie haben auch eine laute gemessene Entfernung, mit Radio-Stärke oder was auch immer.

Sie diese beiden Distanzen subtrahieren, quadratisch es, und diesen Wert Summe für jeden gemessenen Abstand in Ihrem Netzwerk verfügbar. Das ist Ihre Kostenfunktion, die Sie versuchen, so klein wie möglich zu bekommen.

Wo simulierte Glühen kommt offensichtlich sind Sie nicht zuerst die richtige Position für den Nicht-Ankerknoten gehen zu erraten. Sie bewegen eine Ihrer Annahmen leicht in eine zufällige Richtung und sehen, ob die Kostenfunktion besser wird oder nicht. Wenn dies der Fall ist, behalten Sie die neue Vermutung. Andernfalls versuchen Sie es erneut. Tun Sie dies lange genug, und schließlich sind Ihre Vermutungen ziemlich nah an der tatsächlichen Position.