一种基于PSO-PGSA的室内定位方法

摘要

本发明实施例公开了一种基于PSO‑PGSA的室内定位方法，包括：S1、初始化粒子群S2、初始化粒子群的开始速度和位移，根据目标函数计算出适应度，确定粒子群的历史最优值和全局最优值；S3、根据公式更新惯性因子，实现惯性权值因子的非线性减小，根据公式进行每个个体粒子的速度和位移的更新；S4、根据适应度函数计算出粒子群的历史最优值和全局最优值；S5、判断最优粒子是否达到条件，若达到则输出结果。实施本发明提高了室内定位的精确度；提高了定位结果的稳定性。

主权项

一种基于PSO‑PGSA的室内定位方法，其特征在于，将模拟植物生长算法的生长机制引入到粒子群算法中，构建PSO‑PGSA算法，改进了粒子群算法的寻优能力，将PSO‑PGSA算法应用到室内定位中，提高室内定位的精确度和稳定性，步骤包括如下：S1、初始化粒子群，包括种群的大小Size，解空间维度D，惯性因子的最大值和最小值，最大速度和最大位移限制，以及最大迭代次数；S2、初始化粒子群的开始速度和位移，根据目标函数计算出适应度，确定粒子群的历史最优值和全局最优值；S3、根据公式更新惯性因子，实现惯性权值因子的非线性减小，根据公式进行每个个体粒子的速度和位移的更新；S4、根据适应度函数计算出粒子群的历史最优值和全局最优值；S5、判断最优粒子是否达到条件，若达到则输出结果，若没有达到则进行下一步的操作；S6、将模拟植物生长机制的概率生长机制引入到粒子群算法中，对非最优粒子进行概率生长，跳转到S4。