无线网络的节点定位方法、装置、设备及存储介质与流程

1.本发明涉及网络技术领域，尤其涉及一种无线网络的节点定位方法、装置、设备以及存储介质。


背景技术：

2.无线传感器网络定位最简单的方法是为每个节点装载全球卫星定位系统gps接收器用以确定节点位置。但是由于经济因素、节点能量制约和gps对于部署环境有一定要求等条件的限制，导致方案的可行性较差。因此，一般只有少量节点通过装载gps或通过预先部署在特定位置的方式获取自身坐标。另外，随着无线通信技术的发展和数据处理能力的提高，基于位置的服务成为最有前途的互联网业务之一。无论移动在室内还是室外环境下，快速准确地获得节点的位置信息和提供位置服务的需求变得日益迫切。
3.在实际生活中，节点有可能是在时刻移动的，例如移动终端，当移动终端在时刻移动时，网络拓扑也在时刻变化着，这就要求定位要迅速，不能耗费太多的时间。然而，现有的无线网络的节点定位速度较慢。


技术实现要素：

4.本发明多个方面提供了一种无线网络的节点定位方法、装置、设备及存储介质，其能解决现有技术的无线网络节点定位算法中存在的定位速度慢的问题。
5.本发明第一方面提供了一种无线网络的节点定位方法，包括：
6.根据待定位节点接收到的至少4个无线访问接入点的信号强度，计算所述待定位节点到每一无线访问接入点的距离；
7.根据所述待定位节点到每一无线访问接入点的距离，基于改进三边定位算法建立待定位节点的位置目标函数；其中，所述改进三边定位算法是从传统的二维空间定位扩展到三维空间定位；
8.基于改进万有引力算法，对所述位置目标函数的解进行寻优，得到所述待定位节点的位置，其中，所述改进万有引力算法是在万有引力算法的基础上，引入群体反向学习机制、精英策略和全局记忆性对万有引力算法进行改进。
9.作为上述方案的改进，所述待定位节点接入的无线访问接入点为4个，则所述根据所述待定位节点到每一无线访问接入点的距离，基于改进三边定位算法建立待定位节点的位置目标函数，具体为：
10.根据所述待定位节点到每一无线访问接入点的距离，得到观测方程：
[0011][0012]
将所述观测方程转换为mx＝k形式，得到待定位节点的位置目标函数为其中，
[0013][0014][0015]
其中，(x0，y0，z0)为待定位节点在三维空间的坐标，m为第一旋转矩阵，k为第二旋转矩阵，(x1，y1，z1)为第1个无线访问接入点在三维空间的坐标，(x2，y2，z2)为第2个无线访问接入点在三维空间的坐标置，(x3，y3，z3)为第3个无线访问接入点在三维空间的坐标，(x4，y4，z4)为第4个无线访问接入点在三维空间的坐标，为待定位节点到第1个无线访问接入点的距离的平方，为待定位节点到第2个无线访问接入点的距离的平方，为待定位节点到第3个无线访问接入点的距离的平方，为待定位节点到第4个无线访问接入点的距离的平方。
[0016]
作为上述方案的改进，所述基于改进万有引力算法，对所述位置目标函数的解进行寻优，得到所述待定位节点的位置，其中，所述改进万有引力算法是在万有引力算法的基础上，引入群体反向学习机制、精英策略和全局记忆性对万有引力算法进行改进，具体包括：
[0017]
初始化粒子位置和反向学习种群，得到包含原始粒子和反向粒子的第一寻优群体，并计算所述第一寻优群体中每一粒子的适应度值；
[0018]
从所述第一寻优群体中选取适应度值在第一预设范围内的粒子，作为新的粒子，并将所述新的粒子并入所述第一寻优群体中，得到第二寻优群体；
[0019]
将所述第二寻优群体中的适应度值在第二预设范围内的粒子剔除，形成第三寻优群体；
[0020]
计算所述第三寻优群体中每一粒子的适应度值，并将适应度值最小的粒子作为所述第三寻优群体的最优解，同时保存适应度值最小的粒子的位置作为全局最优点，且每一粒子的位置保存为个体最优点；
[0021]
执行对相关参数进行更新的步骤：基于万有引力算法，更新万有引力参数、粒子的惯性质量、粒子的最小适应度值和粒子的最大适应度值，并计算粒子所受合力、加速度和速度；
[0022]
基于引入全局记忆功能的万有引力算法，更新粒子的位置。
[0023]
计算粒子的适应度值，并通过反向学习机制和精英策略产生新种群优化搜索空间，计算并保存全局最优粒子和历史最优粒子。
[0024]
返回对相关参数进行更新的步骤，对粒子进行更新，生成新的全局最优粒子和历史最优粒子，直到达到预设迭代条件，得到最优粒子，并将所述最优粒子作为所述待定位节点的位置。
[0025]
作为上述方案的改进，所述根据待定位节点接收到的至少4个无线访问接入点的信号强度，计算所述待定位节点到每一无线访问接入点的距离，具体包括：
[0026]
通过以下公式计算所述待定位节点到每一无线访问接入点的距离：
[0027][0028]
其中，n代表环境衰减因子；a
i
为第i个无线访问接入点距待定位节点端1m时测得的信号强度的绝对值，d
i
为待定位节点到第i个无线访问接入点的距离。
[0029]
本发明第二方面提供一种无线网络的节点定位装置，包括：
[0030]
接入点测距模块，用于根据待定位节点接收到的至少4个无线访问接入点的信号强度，计算所述待定位节点到每一无线访问接入点的距离；
[0031]
位置目标函数建立模块，用于根据所述待定位节点到每一无线访问接入点的距离，基于改进三边定位算法建立待定位节点的位置目标函数；其中，所述改进三边定位算法是从传统的二维空间定位扩展到三维空间定位；
[0032]
待定位节点位置获取模块，用于基于改进万有引力算法，对所述位置目标函数的解进行寻优，得到所述待定位节点的位置，其中，所述改进万有引力算法是在万有引力算法的基础上，引入群体反向学习机制、精英策略和全局记忆性对万有引力算法进行改进。
[0033]
作为上述方案的改进，所述待定位节点接入的无线访问接入点为4个，则所述位置目标函数建立模块具体用于：
[0034]
根据所述待定位节点到每一无线访问接入点的距离，得到观测方程：
[0035][0036]
将所述观测方程转换为mx＝k形式，得到待定位节点的位置目标函数为其中，
[0037][0038][0039]
其中，(x0，y0，z0)为待定位节点在三维空间的坐标，m为第一旋转矩阵，k为第二旋转矩阵，(x1，y1，z1)为第1个无线访问接入点在三维空间的坐标，(x2，y2，z2)为第2个无线访问接入点在三维空间的坐标置，(x3，y3，z3)为第3个无线访问接入点在三维空间的坐标，(x4，y4，z4)为第4个无线访问接入点在三维空间的坐标，为待定位节点到第1个无线访问接入点的距离的平方，为待定位节点到第2个无线访问接入点的距离的平方，为待定位节点到第3个无线访问接入点的距离的平方，为待定位节点到第4个无线访问接入点的距离的平方。
[0040]
作为上述方案的改进，所述待定位节点位置获取模块具体用于：
[0041]
初始化粒子位置和反向学习种群，得到包含原始粒子和反向粒子的第一寻优群体，并计算所述第一寻优群体中每一粒子的适应度值；
[0042]
从所述第一寻优群体中选取适应度值在第一预设范围内的粒子，作为新的粒子，并将所述新的粒子并入所述第一寻优群体中，得到第二寻优群体；
[0043]
将所述第二寻优群体中的适应度值在第二预设范围内的粒子剔除，形成第三寻优
群体；
[0044]
计算所述第三寻优群体中每一粒子的适应度值，并将适应度值最小的粒子作为所述第三寻优群体的最优解，同时保存适应度值最小的粒子的位置作为全局最优点，且每一粒子的位置保存为个体最优点；
[0045]
执行对相关参数进行更新的步骤：基于万有引力算法，更新万有引力参数、粒子的惯性质量、粒子的最小适应度值和粒子的最大适应度值，并计算粒子所受合力、加速度和速度；
[0046]
基于引入全局记忆功能的万有引力算法，更新粒子的位置。
[0047]
计算粒子的适应度值，并通过反向学习机制和精英策略产生新种群优化搜索空间，计算并保存全局最优粒子和历史最优粒子。
[0048]
返回对相关参数进行更新的步骤，对粒子进行更新，生成新的全局最优粒子和历史最优粒子，直到达到预设迭代条件，得到最优粒子，并将所述最优粒子作为所述待定位节点的位置。
[0049]
作为上述方案的改进，所述接入点测距模块具体用于：
[0050]
通过以下公式计算所述待定位节点到每一无线访问接入点的距离：
[0051][0052]
其中，n代表环境衰减因子；a
i
为第i个无线访问接入点距待定位节点端1m时测得的信号强度的绝对值，d
i
为待定位节点到第i个无线访问接入点的距离。
[0053]
本发明第三方面提供一种无线网络的节点定位设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的无线网络的节点定位方法。
[0054]
本发明第四方面提供一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行如上述的无线网络的节点定位方法。
[0055]
与现有技术相比，本发明提供的无线网络的节点定位方法、装置、设备以及存储介质具有以下有益效果：
[0056]
所述无线网络的节点定位方法包括根据待定位节点接收到的至少4个无线访问接入点的信号强度，计算所述待定位节点到每一无线访问接入点的距离；根据所述待定位节点到每一无线访问接入点的距离，基于改进三边定位算法建立待定位节点的位置目标函数；其中，所述改进三边定位算法是从传统的二维空间定位扩展到三维空间定位；基于改进万有引力算法，对所述位置目标函数的解进行寻优，得到所述待定位节点的位置，其中，所述改进万有引力算法是在万有引力算法的基础上，引入群体反向学习机制、精英策略和全局记忆性对万有引力算法进行改进，其通过改进三边定位技术确定位置目标函数，再利用改进万有引力算法求解位置目标函数的最优解，能够提高定位的精度和速度，为高质量定位提供一种科学高效的方法。
附图说明
[0057]
图1是本发明实施例提供的无线网络的节点定位方法的流程图；
[0058]
图2是本发明实施例提供的无线网络的节点定位装置的结构框图。
具体实施方式
[0059]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0060]
参见图1，其是本发明实施例提供的无线网络的节点定位方法的流程图。
[0061]
本发明实施例提供的无线网络的节点定位方法，包括步骤s11到步骤s1,3：
[0062]
步骤s11，根据待定位节点接收到的至少4个无线访问接入点的信号强度，计算所述待定位节点到每一无线访问接入点的距离；
[0063]
步骤s12，根据所述待定位节点到每一无线访问接入点的距离，基于改进三边定位算法建立待定位节点的位置目标函数；其中，所述改进三边定位算法是从传统的二维空间定位扩展到三维空间定位；
[0064]
步骤s13，基于改进万有引力算法，对所述位置目标函数的解进行寻优，得到所述待定位节点的位置，其中，所述改进万有引力算法是在万有引力算法的基础上，引入群体反向学习机制、精英策略和全局记忆性对万有引力算法进行改进。
[0065]
示例性的，参见图2，假设待定位节点为移动终端，在封闭的室内环境中具备一个无线局域网，这个网至少有4个或4个以上无线访问接入点ap，同时将各个ap信号源的坐标、名称或mac地址存入位置服务器。移动终端通过同时访问4个ap信号源，根据信号强度rss计算出移动端到各个ap间的距离，再通过三边定位算法计算出移动终端的三维空间位置。
[0066]
在一种实施方式中，所述步骤s11“根据待定位节点接收到的至少4个无线访问接入点的信号强度，计算所述待定位节点到每一无线访问接入点的距离”，具体包括：
[0067]
通过以下公式计算所述待定位节点到每一无线访问接入点的距离：
[0068][0069]
其中，n代表环境衰减因子；a
i
为第i个无线访问接入点距待定位节点端1m时测得的信号强度的绝对值，d
i
为待定位节点到第i个无线访问接入点的距离。
[0070]
具体的，三边定位算法是通过测量待定位节点和ap信号之间距离来计算待定位节点在空间位置的一种定位算法。在无线局域网中通过无线信号的传播模型将3个方向上所测得的信号强度rss数据转换成距离，再过这3个距离估算出待定位节点的位置。3个无线接入点ap的坐标已知：ap1(x1，y1)，ap2(x2，y2)，ap3(x3，y3)，假设目标物体到这3个ap的距离为d1，d2，d3，可求得待定位节点的坐标：
[0071][0072]
并转化为ax＝b形式，其中：
[0073]
[0074][0075]
可得：
[0076][0077]
传统的三边定位算法是确定待定位节点在二维平面中的位置。本发明实施例对三边定位算法进行改进，使其实现多边定位，从二维平面中扩展到三维空间，待定位节点同时接收至少4个ap信号，通过多边定位算法确定定位节点在三维空间中的初始位置。
[0078]
进而，在一种实施方式中，当所述待定位节点接入的无线访问接入点为4个时，所述步骤s12“根据所述待定位节点到每一无线访问接入点的距离，基于改进三边定位算法建立待定位节点的位置目标函数”，具体为：
[0079]
根据所述待定位节点到每一无线访问接入点的距离，得到观测方程：
[0080][0081]
将所述观测方程转换为mx＝k形式，得到待定位节点的位置目标函数为其中，
[0082][0083][0084]
其中，(x0，y0，z0)为待定位节点在三维空间的坐标，m为第一旋转矩阵，k为第二旋转矩阵，(x1，y1，z1)为第1个无线访问接入点在三维空间的坐标，(x2，y2，z2)为第2个无线访问接入点在三维空间的坐标置，(x3，y3，z3)为第3个无线访问接入点在三维空间的坐标，(x4，y4，z4)为第4个无线访问接入点在三维空间的坐标，为待定位节点到第1个无线访问接入点的距离的平方，为待定位节点到第2个无线访问接入点的距离的平方，为待定位节点到第3个无线访问接入点的距离的平方，为待定位节点到第4个无线访问接入点的距离的平方。
[0085]
在一种实施方式中，所述步骤s13“基于改进万有引力算法，对所述位置目标函数的解进行寻优，得到所述待定位节点的位置，其中，所述改进万有引力算法是在万有引力算法的基础上，引入群体反向学习机制、精英策略和全局记忆性对万有引力算法进行改进”，具体包括：
[0086]
初始化粒子位置和反向学习种群，得到包含原始粒子和反向粒子的第一寻优群体，并计算所述第一寻优群体中每一粒子的适应度值；
[0087]
从所述第一寻优群体中选取适应度值在第一预设范围内的粒子，作为新的粒子，并将所述新的粒子并入所述第一寻优群体中，得到第二寻优群体；
[0088]
将所述第二寻优群体中的适应度值在第二预设范围内的粒子剔除，形成第三寻优群体；
[0089]
计算所述第三寻优群体中每一粒子的适应度值，并将适应度值最小的粒子作为所述第三寻优群体的最优解，同时保存适应度值最小的粒子的位置作为全局最优点，且每一粒子的位置保存为个体最优点；
[0090]
执行对相关参数进行更新的步骤：基于万有引力算法，更新万有引力参数、粒子的惯性质量、粒子的最小适应度值和粒子的最大适应度值，并计算粒子所受合力、加速度和速度；
[0091]
基于引入全局记忆功能的万有引力算法，更新粒子的位置。
[0092]
计算粒子的适应度值，并通过反向学习机制和精英策略产生新种群优化搜索空间，计算并保存全局最优粒子和历史最优粒子。
[0093]
返回对相关参数进行更新的步骤，对粒子进行更新，生成新的全局最优粒子和历史最优粒子，直到达到预设迭代条件，得到最优粒子，并将所述最优粒子作为所述待定位节点的位置。
[0094]
具体的，万有引力算法是一种基于万有引力定律进行寻优的智能优化方法。在万有引力算法中，将优化问题的解视为一组在空间运行的粒子，粒子之间通过万有引力作用相互吸引，粒子运动遵循动力学规律，万有引力的作用使得粒子朝着质量最大的粒子移动，而质量最大的粒子占据最优位置，从而可求出优化问题的最优解。算法通过个体间的万有引力相互作用实现优化信息的共享，引导群体向最优解区域搜索。算法中每一个粒子在每次迭代过程中都会更新速度和位置：
[0095][0096][0097][0098][0099][0100]
式中：表示在t时刻粒子i在d维的位置、速度、加速度；d＝1，2，
…
，d，d为搜索空间维度；rand
i
为[0，1]之间的随机数，可使搜索带有一定随机性而更加合理；为t时刻粒子i在d维所受力的大小；m
i
(t)为t时刻粒子i的惯性质量，n为粒子总数；为粒子j对粒子i的引力；rand
j
为随机数；g(t)为t时刻引力常数；r
ij
(t)为粒子i与粒子j的欧式距离；ε为一个值很小的常量。
[0101]
在万有引力算法中，粒子i在t时刻的惯性质量可以由下式求得：
[0102]
m
i
(t)＝(f
i
(t)
‑
w
i
(t))/(b
i
(t)
‑
w
i
(t))，
[0103][0104]
式中，f
i
(t)为在t时刻第i个粒子的适应值的大小，m
i
(t)为第i个粒子的惯性质量，m
i
(t)为第i个粒子通过适应度值计算得到的惯性质量的桥梁(额外设的参数)，b
i
(t)为粒子
i在t时刻最小适应值，w
i
(t)为粒子j在t时刻最大适应值。
[0105]
对于微网优化运行问题，w
i
(t)和b
i
(t)可定义如下：
[0106][0107]
万有引力算法的全局搜索能力强，但其局部搜索能力不足，且易出现最优值振荡现象，需进行改进才能得到更好的搜索效果，以便于应用于无线网络节点的定位优化当中。于此，引入群体反向学习机制、精英策略、全局记忆性对万有引力算法进行改进。
[0108]
1、群体反向学习机制
[0109]
万有引力算法搜索的起始值取决于粒子的最初位置，基本的万有引力搜索算法寻优时的初始群体是随机的，这导致基本万有引力搜索算法的寻优效率不够稳定，反向学习机制是优化群体分布性难题的有效方法。若x在[a，b]范围内取值，则x的反向粒子可以表示为x＝a+b
‑
x。在d维的空间中，反向学习的概念依然可以应用。对于d维的搜索空间，设s(x1，x2，
…
，x
d
)，x
i
∈[a
i
，b
i
](i＝1，2，...，d)为问题的正向解，那么相应的反向向量可以表示为s
′
(x
′1，x
′2，
…
，x
′
d
)，x
i
＝a
i
+b
i
‑
x
i
。对寻优空间中所有的解都计算其反向向量，并将原正向解集与反向解集作为一个按照正向粒子和反向粒子整体进行适应度值的排序。通过直接筛选或者采用其他优化策略进行筛选，选择其中适应度值最好的d个粒子作为新的寻优群体，可以使寻优空间中的粒子向最优解位置迅速集中。
[0110]
2、精英策略
[0111]
在反向学习机制产生了原始粒子和反向粒子的第一寻优群体之后，使用精英策略使第一寻优群体中适应度值最好的20％的粒子生成新的20％的粒子，加入原始粒子和反向粒子的第一寻优群体，得到第二寻优群体，对第二寻优群体中粒子的适应度值进行重新排序，去除第二寻优群体中适应度值最差的20％的解，从而得到第三寻优群体。产生新粒子x
inew
的优化过程如下：
[0112][0113]
x
inew
＝x
i
×
q。
[0114]
式中，r
istar
为最优粒子与距离最优粒子最近的粒子之间的欧氏距离；rand(
‑
0.5，0.5)是一个取值在
‑
0.5到0.5之间的随机数；q为产生新粒子的变化因子；d为解空间的维数。
[0115]
3、全局记忆性
[0116]
万有引力算法在更新粒子位置时只考虑到当前位置的影响，而并未将粒子的记忆性纳入考虑范围中。因此，本文引入粒子群算法中的全局记忆功能和群体交流功能来改进算法的速度更新公式：
[0117]
粒子群算法中迭代公式：
[0118][0119][0120]
式中，w为惯性权重；rand
j
、rand
k
为在[0，1]之间的随机变量；c1，c2为[0，1]之间的
常量；为粒子i的经历过的历史最优值；为种群中所有粒子经历过最优值，即群体最优值。
[0121]
引入粒子群算法中的全局记忆功能和群体交流功能后，万有引力算法速度公式更新为：
[0122][0123]
式中：rand1、rand2、rand3为取值在[0,1]之间的随机数；c1,c2为[0,1]之间的常量，通过调节c1,c2的值，可以平衡引力和记忆性以及全局信息对搜索的影响。
[0124]
本发明实施例提供的无线网络的节点定位方法包括根据待定位节点接收到的至少4个无线访问接入点的信号强度，计算所述待定位节点到每一无线访问接入点的距离；根据所述待定位节点到每一无线访问接入点的距离，基于改进三边定位算法建立待定位节点的位置目标函数；其中，所述改进三边定位算法是从传统的二维空间定位扩展到三维空间定位；基于改进万有引力算法，对所述位置目标函数的解进行寻优，得到所述待定位节点的位置，其中，所述改进万有引力算法是在万有引力算法的基础上，引入群体反向学习机制、精英策略和全局记忆性对万有引力算法进行改进，其通过改进三边定位技术确定位置目标函数，再利用改进万有引力算法求解位置目标函数的最优解，能够提高定位的精度和速度，为高质量定位提供一种科学高效的方法。
[0125]
参见图2，图2是本发明实施例提供的无线网络的节点定位装置的结构框图。本发明实施例提供的无线网络的节点定位装置10包括：
[0126]
接入点测距模块11，用于根据待定位节点接收到的至少4个无线访问接入点的信号强度，计算所述待定位节点到每一无线访问接入点的距离；
[0127]
位置目标函数建立模块12，用于根据所述待定位节点到每一无线访问接入点的距离，基于改进三边定位算法建立待定位节点的位置目标函数；其中，所述改进三边定位算法是从传统的二维空间定位扩展到三维空间定位；
[0128]
待定位节点位置获取模块13，用于基于改进万有引力算法，对所述位置目标函数的解进行寻优，得到所述待定位节点的位置，其中，所述改进万有引力算法是在万有引力算法的基础上，引入群体反向学习机制、精英策略和全局记忆性对万有引力算法进行改进。
[0129]
在一种实施方式中，所述待定位节点接入的无线访问接入点为4个，则所述位置目标函数建立模块12具体用于：
[0130]
根据所述待定位节点到每一无线访问接入点的距离，得到观测方程：
[0131][0132]
将所述观测方程转换为mx＝k形式，得到待定位节点的位置目标函数为其中，
[0133][0134]
[0135]
其中，(x0，y0，z0)为待定位节点在三维空间的坐标，m为第一旋转矩阵，k为第二旋转矩阵，(x1，y1，z1)为第1个无线访问接入点在三维空间的坐标，(x2，y2，z2)为第2个无线访问接入点在三维空间的坐标置，(x3，y3，z3)为第3个无线访问接入点在三维空间的坐标，(x4，y4，z4)为第4个无线访问接入点在三维空间的坐标，为待定位节点到第1个无线访问接入点的距离的平方，为待定位节点到第2个无线访问接入点的距离的平方，为待定位节点到第3个无线访问接入点的距离的平方，为待定位节点到第4个无线访问接入点的距离的平方。
[0136]
在一种实施方式中，所述待定位节点位置获取模块13具体用于：
[0137]
初始化粒子位置和反向学习种群，得到包含原始粒子和反向粒子的第一寻优群体，并计算所述第一寻优群体中每一粒子的适应度值；
[0138]
从所述第一寻优群体中选取适应度值在第一预设范围内的粒子，作为新的粒子，并将所述新的粒子并入所述第一寻优群体中，得到第二寻优群体；
[0139]
将所述第二寻优群体中的适应度值在第二预设范围内的粒子剔除，形成第三寻优群体；
[0140]
计算所述第三寻优群体中每一粒子的适应度值，并将适应度值最小的粒子作为所述第三寻优群体的最优解，同时保存适应度值最小的粒子的位置作为全局最优点，且每一粒子的位置保存为个体最优点；
[0141]
执行对相关参数进行更新的步骤：基于万有引力算法，更新万有引力参数、粒子的惯性质量、粒子的最小适应度值和粒子的最大适应度值，并计算粒子所受合力、加速度和速度；
[0142]
基于引入全局记忆功能的万有引力算法，更新粒子的位置。
[0143]
计算粒子的适应度值，并通过反向学习机制和精英策略产生新种群优化搜索空间，计算并保存全局最优粒子和历史最优粒子。
[0144]
返回对相关参数进行更新的步骤，对粒子进行更新，生成新的全局最优粒子和历史最优粒子，直到达到预设迭代条件，得到最优粒子，并将所述最优粒子作为所述待定位节点的位置。
[0145]
在一种实施方式中，所述接入点测距模块11具体用于：
[0146]
通过以下公式计算所述待定位节点到每一无线访问接入点的距离：
[0147][0148]
其中，n代表环境衰减因子；a
i
为第i个无线访问接入点距待定位节点端1m时测得的信号强度的绝对值，d
i
为待定位节点到第i个无线访问接入点的距离。
[0149]
需要说明的是，本发明实施例提供的无线网络的节点定位装置10用于执行上述实施例提供的无线网络的节点定位方法的全部步骤和流程，两者的工作原理和作用效果一一对应，这里不再作过多的赘述。
[0150]
此外，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选
择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。另外，上述实施例提供的无线网络的节点定位装置与本发明实施例提供的无线网络的节点定位方法属于同一构思，其具体实施过程和具体技术方案详见上述方法实施例，这里不再赘述。
[0151]
相应地，本发明实施例还相应提供一种设备，该实施例的设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的无线网络的节点定位方法的步骤s11到步骤s13。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如接入点测距模块、位置目标函数建立模块和待定位节点位置获取模块。
[0152]
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述无线网络的节点定位装置/设备中的执行过程。
[0153]
所述无线网络的节点定位装置10/设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述无线网络的节点定位装置10/设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是无线网络的节点定位装置/设备的示例，并不构成对无线网络的节点定位装置10/设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述无线网络的节点定位装置10/设备还可以包括输入输出设备、网络接入设备、总线等。
[0154]
所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述**装置/设备的控制中心，利用各种接口和线路连接整个无线网络的节点定位装置/设备的各个部分。
[0155]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述无线网络的节点定位装置/设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0156]
其中，所述无线网络的节点定位装置10/设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质
中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。本发明实施例还相应提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行上述无线网络的节点定位方法的步骤s11到步骤s13。
[0157]
所述存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。
[0158]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。