Journal international d'intelligence d'essaim et de calcul évolutif

Abstrait

Apprentissage baldwinien dans les algorithmes évolutionnaires quantiques pour résoudre le problème de localisation fine dans les réseaux de capteurs sans fil

Mahdi Aziz* et Mohammad Meybodi

Une procédure de recherche locale (LS) est un facilitateur de recherche, donnant un coup de main aux algorithmes mémétiques pour améliorer leur capacité d'exploitation, ce qui permet de converger vers des solutions de meilleure qualité. Dans cet article, en utilisant la procédure LS sous la forme d'apprentissage baldwinien (BL), un algorithme d'évolution quantique mémétique (QEA) est proposé pour résoudre le problème de localisation à grain fin dans les réseaux de capteurs sans fil (WSN). Étant donné que le QEA ne peut être utilisé que pour des problèmes de domaine binaire comme le problème du sac à dos, nous utilisons la procédure de mappage binaire-réel pour le rendre adapté à la résolution du problème de localisation dans les WSN. Pour fournir de bonnes positions initiales des nœuds de capteurs, l'algorithme utilise une procédure de multi-trilatération (MT) sur les meilleures solutions observées. Pour tester l'algorithme proposé, il est d'abord comparé à ses deux dérivés (l'algorithme proposé sans la procédure MT et l'algorithme proposé sans les procédures BL et MT), puis comparé à six algorithmes d'optimisation existants sur dix topologies de réseau générées aléatoirement avec quatre plages de connectivité différentes. Les résultats de la simulation suggèrent que l'algorithme proposé surpasse considérablement les autres algorithmes en termes d'estimation des positions des nœuds de capteurs dans les WSN. Ils soulignent également l'efficacité de l'application de la procédure MT et de la méthode BL à l'algorithme proposé pour résoudre le problème.