《无线传感器网络定位》
无线传感器网络原理及应用第4章定位技术ppt课件
(
x1
(
x1
x)2 x)2
( y1
(y2
y)2 y)2
ρ12 ρ22
(xn x)2 ( yn y)2 ρn2
(4-3)
资金是运动的价值，资金的价值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
X(ATA)1ATb
资金是运动的价值，资金的价值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
第4章 定位技术
4.1.2 定位算法分类 在传感器网络中，根据定位过程中是否测量实际节点间
的距离，把定位算法分为基于距离的(range-based)定位算法 和与距离无关的(range-free)定位算法，前者需要测量相邻节 点间的绝对距离或方位，并利用节点间的实际距离来计算未 知节点的位置；后者无需测量节点间的绝对距离或方位，而 是利用节点间估计的距离计算节点位置。
资金是运动的价值，资金的价值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
第4章 定位技术
4.1 定位技术简介
4.1.1 定位技术的概念、常见算法和分类 1. 无线传感器网络定位技术概念 在传感器网络节点定位技术中，根据节点是否已知自身
标为(x，y)。对于节点A、C和∠ADC，确定圆心为O1(xO1， yO1)、半径为r1的圆，，则
(xO1 x1)2 (yO1 y1)2 r1
(xO1 x2)2 (yO1 y2)2
r1
(x1
x3)2
(y1
无线传感器网络中的节点定位与跟踪技术
无线传感器网络中的节点定位与跟踪技术随着物联网的快速发展，无线传感器网络（Wireless Sensor Network, WSN）得到了广泛的应用和研究。
节点定位与跟踪是无线传感器网络中的关键问题，对于实现对环境的全面感知和多种应用的实现至关重要。
本文将介绍无线传感器网络中的节点定位与跟踪技术，并探讨其在实际应用中的挑战和前景。
一、节点定位技术在无线传感器网络中，节点定位是指确定节点在所监测区域的位置。
准确的节点定位可以提供精确的环境感知和定位服务。
目前常用的节点定位技术包括多基站定位、距离测量定位和推测定位等。
1. 多基站定位：多基站定位是一种基于接收信号强度指示（Received Signal Strength Indication, RSSI）的定位方法。
根据节点与多个基站之间的信号衰减模型，通过测量信号强度来计算节点的位置。
然而，该方法需要多个基站的参与，且受到信号干扰和非视距等因素的影响。
2. 距离测量定位：距离测量定位是通过节点之间的距离测量来确定节点位置的方法。
常见的距离测量技术包括全球定位系统（Global Positioning System, GPS）和无线信号传播时间测量等。
然而，GPS在室内或有阻挡物的环境下工作效果不佳，而无线信号传播时间测量受到信号传播速度不均匀和多径效应的影响。
3. 推测定位：推测定位是一种基于邻居节点之间的拓扑关系和信号传播模型来估计节点位置的方法。
通过建立无线传感器网络的拓扑结构和分析节点之间的信号传播特性，可以推测节点位置。
推测定位方法相对于其他定位技术而言，成本低、能耗低，但精度相对较低。
二、节点跟踪技术节点跟踪是指在无线传感器网络中追踪移动节点的位置和状态。
节点跟踪技术可以应用于物品追踪、人员定位和动态环境监测等领域。
目前常用的节点跟踪技术包括基于时间差测量的三角定位算法、卡尔曼滤波算法和粒子滤波算法等。
1. 基于时间差测量的三角定位算法：基于时间差测量的三角定位算法是通过测量节点到多个基站的信号传播时间差来确定节点位置。
无线传感器网络的布局与定位方法研究
无线传感器网络的布局与定位方法研究无线传感器网络（Wireless Sensor Networks，WSN）是一种广泛应用于各个领域的技术，它通过无线通信将多个感知器节点连接起来，形成一个分布式的网络系统，能够实时采集、处理和传输环境中的各种信息。
无线传感器网络的布局与定位方法是该领域的重要研究方向之一，它对于网络的性能和应用效果具有重要影响。
在无线传感器网络的布局中，主要考虑的是如何合理地部署感知器节点，以达到网络性能优化的目标。
一个好的布局方案可以提高网络的覆盖范围、降低能量消耗、增强网络容量等。
传统的节点布局方法主要根据经验或者人工设定来进行，但是这种方法往往无法满足大规模网络的要求。
因此，近年来研究者们提出了一些自适应、智能化的布局方法，利用机器学习和优化算法来优化网络节点的布置位置。
一种常用的自适应布局方法是基于机器学习的节点分布预测。
通过利用网络拓扑信息和历史数据，可以建立模型来预测节点的分布情况，从而优化节点的位置。
例如，可以使用聚类算法将节点划分为若干个簇，并确定每个簇中心节点的位置，然后在每个簇中按照一定规则进行节点部署。
这种方法可以根据网络的需求和特性，自动调整节点布局，提高网络的性能和效率。
另一种常见的布局方法是基于优化算法的节点部署。
优化算法通过数学模型和目标函数来寻找最优的节点位置，以达到某种特定的优化目标。
例如，可以使用遗传算法、蚁群算法等来优化节点的位置分布，使得网络的平均传输距离最小或能效最大。
这类方法可以充分利用搜索算法的优势，找到较好的解决方案。
除了布局方法，无线传感器网络的定位方法也是一个重要的研究方向。
传感器节点的准确定位对于许多应用场景是必要的，例如环境监测、智能交通系统等。
由于传感器节点的分散部署和移动性，传统的定位方法如GPS定位在无线传感器网络中无法直接应用。
因此，研究者们提出了一些新的定位方法来解决这一问题。
一种常见的无线传感器网络定位方法是基于信号强度的定位。
无线传感器网络中节点定位算法的使用教程
无线传感器网络中节点定位算法的使用教程无线传感器网络（Wireless Sensor Networks，WSNs）是由许多分布在特定区域内的无线传感器节点组成的网络系统。
节点的定位是WSNs中的一个重要问题，准确的节点定位可以帮助我们更好地理解和控制环境。
本文将为您介绍几种常见的无线传感器网络节点定位算法，并提供相应的使用教程。
一、距离测量节点定位算法距离测量是节点定位的一种常见方法，通过测量节点之间的距离来确定节点的位置。
常用的距离测量节点定位算法包括三角定位法和多边形定位法。
1. 三角定位法三角定位法基于三角形的边长和角度来计算节点的位置。
首先，选择三个已知位置的节点作为参考节点，测量参考节点间的距离和角度。
然后，通过计算未知节点相对于参考节点的距离和角度，使用三角学原理计算未知节点的位置。
使用教程：在使用三角定位法时，需要提前部署一些已知位置的节点作为参考节点。
首先，通过测量参考节点间的距离和角度，计算出它们的位置信息。
然后，在需要定位的节点周围布置足够多的参考节点，测量它们与参考节点之间的距离和角度。
最后，通过三角定位算法计算出目标节点的位置。
2. 多边形定位法多边形定位法利用几何多边形的边长和角度来计算节点的位置。
首先，选择若干个已知位置的节点作为多边形的顶点。
然后，测量各个顶点之间的距离和角度，并计算出多边形的边长和角度。
最后，通过多边形定位算法计算出未知节点相对于多边形的位置，从而确定未知节点的位置。
使用教程：使用多边形定位法时，首先选择若干个已知位置的节点作为多边形的顶点。
然后，测量各个顶点之间的距离和角度，计算出多边形的边长和角度。
最后，在需要定位的节点周围布置足够多的参考节点，测量它们与多边形顶点之间的距离和角度。
通过多边形定位算法，计算出目标节点相对于多边形的位置，最终确定目标节点的位置。
二、信号强度测量节点定位算法信号强度测量是利用节点之间的信号强度来进行定位的方法，常用的信号强度测量节点定位算法有收集定位法和概率定位法。
无线传感器网络环境下的定位与导航技术研究
无线传感器网络环境下的定位与导航技术研究引言无线传感器网络是由许多分布在广泛区域内的无线传感器节点组成的自组织网络。
这些传感器节点能够感知并采集环境中的信息，并通过无线通信进行数据传输和共享。
在无线传感器网络中，定位和导航技术发挥着重要的作用。
本文将讨论无线传感器网络环境下的定位与导航技术的研究现状、挑战和解决方案。
一、定位技术定位是无线传感器网络中的基本问题之一。
无线传感器节点的定位精度对于许多应用至关重要，例如环境监测、智能交通和军事领域。
目前常用的无线传感器网络定位技术主要包括信号强度定位、距离测量定位和角度测量定位。
1. 信号强度定位信号强度定位是利用无线信号的强度衰减关系来进行节点定位。
常见的方法包括最大似然估计、卡尔曼滤波和贝叶斯推断。
然而，在实际环境中，信号强度会受到多径效应、阴影衰减和信号干扰等因素的影响，从而导致定位误差增大。
2. 距离测量定位距离测量定位是通过测量节点之间的距离来实现定位。
常用的方法包括到达时间测量、射频信号强度指示和超宽带等。
然而，距离测量定位需要节点之间的同步和通信开销较大，且受到多径效应、随机误差和非视距等因素的影响。
3. 角度测量定位角度测量定位是利用传感器节点之间的方向信息来进行定位。
常见的方法包括方位角测量、引用节点角度测量和协作定位。
然而，角度测量定位在多径效应、信号干扰和随机误差等方面面临着一定的挑战。
二、导航技术导航是无线传感器网络中的另一个重要问题。
在无线传感器网络中，节点通过确定自身位置和目标位置之间的路径来导航数据传输和节点移动。
目前常用的无线传感器网络导航技术主要包括路径规划和数据路由。
1. 路径规划路径规划是确定节点之间最佳路径的过程。
常见的路径规划算法包括最短路径算法、遗传算法和模拟退火算法。
然而，路径规划在无线传感器网络中面临着能耗和拥塞等问题，需要寻求最优的平衡。
2. 数据路由数据路由是将数据从源节点传输到目标节点的过程。
常用的数据路由协议包括SPIN、LEACH和RPL等。
无线传感器网络中定位跟踪技术的研究
无线传感器网络中定位跟踪技术的研究一、概述无线传感器网络（WSN）作为一种分布式、自组织的网络系统，近年来在各个领域得到了广泛的应用，尤其在定位跟踪技术方面展现出了巨大的潜力。
定位跟踪技术是通过无线传感器节点之间的协作，实现对目标对象的位置信息获取和动态跟踪的关键技术。
在环境监测、智能农业、军事侦察、灾难救援等众多场景中，定位跟踪技术都发挥着不可替代的作用。
随着无线传感器网络技术的不断发展，定位跟踪技术的精度和稳定性得到了显著提升。
传统的定位方法如GPS等虽然具有较高的定位精度，但在某些特殊环境下如室内、地下等区域，其定位效果并不理想。
而无线传感器网络中的定位跟踪技术，通过结合多个传感器节点的信息，能够实现对目标对象的精确定位和实时跟踪。
无线传感器网络中的定位跟踪技术已经取得了丰富的研究成果，包括基于测距的定位算法、无需测距的定位算法、移动目标跟踪算法等。
这些算法在不同的应用场景中展现出了各自的优势和特点，为无线传感器网络的定位跟踪提供了有效的解决方案。
无线传感器网络中的定位跟踪技术仍面临一些挑战和问题。
如何进一步提高定位精度和稳定性、如何降低节点能耗以延长网络寿命、如何优化网络通信以提高数据传输效率等。
这些问题需要我们在未来的研究中不断探索和创新，以推动无线传感器网络中定位跟踪技术的进一步发展。
无线传感器网络中的定位跟踪技术是一项具有广阔应用前景和重要意义的研究领域。
通过深入研究和创新，我们可以不断提高定位跟踪技术的性能和应用效果，为各个领域的发展提供有力支持。
1. 无线传感器网络的概念与特点无线传感器网络（Wireless Sensor Networks，WSN）是一种由大量低功耗、低成本、微型化的传感器节点通过无线通信技术相互连接而成的自组织网络系统。
这些传感器节点被部署在监测区域内，能够实时感知并收集环境信息，如温度、湿度、光照、压力等，并通过多跳转发的方式将数据传输至汇聚节点，进而实现信息的集中处理和应用。
无线传感器网络的节点定位与路径规划
无线传感器网络的节点定位与路径规划随着物联网和智能化技术的发展，无线传感器网络得到越来越广泛的应用。
无线传感器网络由大量的节点组成，每个节点可以进行数据采集、处理和转发等功能，因此节点的定位和路径规划是其重要的研究内容。
本文将从无线传感器网络的基本架构、节点定位和路径规划分别进行讨论。
一、无线传感器网络的基本架构无线传感器网络是一种具有分布式、自适应、低功耗等特点的网络，其基本架构包括三个要素：传感器节点、无线通信和能源管理。
（1）传感器节点传感器节点是无线传感器网络的核心，主要由处理器、传感器、存储器等组成。
传感器主要用于采集环境数据，而处理器则可以对采集到的数据进行处理和存储。
传感器节点还可以通过无线通信和其他传感器节点交换数据。
（2）无线通信无线通信是无线传感器网络各节点之间通信的方式，其特点是通信距离短、传输速度慢和带宽小。
在无线通信中，通信协议的选择非常重要，常用的通信协议有ZigBee、Bluetooth和WiFi等。
（3）能源管理由于传感器节点的能量来源主要是蓄电池，为了延长节点寿命，需要进行能源管理。
能源管理包括节能设计、能量回收、能量平衡等方面，可以有效减少节点的耗能，提高其寿命和性能。
二、节点定位节点定位是指在无线传感器网络中确定每个节点的空间位置信息。
节点定位可以为无线传感器网络提供更精确的环境数据和位置信息，进一步提高其性能和应用效果。
节点定位可以分为两类：绝对定位和相对定位。
绝对定位是指根据外部环境或参考点获取节点位置信息，如GPS定位技术。
相对定位则是通过测量节点间距离或信号强度等信息来推算节点位置，如三角定位技术。
常用的节点定位技术有：距离测量、信号强度测量和角度测量等。
其中，距离测量技术包括超声波、红外线和激光等；信号强度测量技术包括RSSI和TOA；而角度测量技术包括AOA和TDOA。
三、路径规划路径规划是无线传感器网络中的一个重要问题，主要是为了实现数据的有效收集和传输。
无线传感器网络的位置定位与跟踪
无线传感器网络的位置定位与跟踪无线传感器网络（Wireless Sensor Networks）是一种由大量分布式传感器节点组成的网络，这些节点能够通过无线通信相互连接并协同工作。
传感器网络的位置定位与跟踪是该领域的一个重要研究方向，它可以广泛应用于环境监测、智能交通、军事侦察等各个领域。
1. 引言无线传感器网络的位置定位与跟踪是指通过已部署的传感器节点获取目标节点的位置信息，并实时地追踪其运动轨迹。
由于传感器节点的资源受限以及网络环境的不确定性，传感器网络的定位与跟踪成为一个具有挑战性的问题。
本文将介绍一些常见的无线传感器网络定位与跟踪技术。
2. 基于距离测量的定位方法基于距离测量的定位方法是一种常见且有效的传感器网络定位技术。
该方法通过测量传感器节点之间的距离来推算目标节点的位置。
常见的距离测量方法包括基于信号强度的距离估计、时间差测量和角度测量等。
这些方法在定位精度和复杂度上存在差异，研究者们不断探索着如何提高定位精度和降低计算复杂度。
3. 基于信号强度的定位方法基于信号强度的定位方法是一种简单且易于实现的传感器网络定位技术。
该方法通过测量目标节点接收到的信号强度来推算其距离。
然而，由于信号在传输过程中会受到阻尼、衰减和多径效应的影响，使得基于信号强度的定位存在较大的误差。
为了克服这一问题，研究者们通常采用校准算法来提高定位精度。
4. 基于时间差测量的定位方法基于时间差测量的定位方法是一种通过测量目标节点接收到信号的到达时间差来推算其距离的传感器网络定位技术。
这种方法通常借助全球定位系统（Global Positioning System, GPS）以及同步算法来精确测量时间差。
然而，GPS在室内环境下信号弱化，导致精度下降；同时，同步算法的复杂度较高，使得该方法的应用受到限制。
5. 基于角度测量的定位方法基于角度测量的定位方法是一种通过测量目标节点和传感器节点之间的角度来推算其位置的传感器网络定位技术。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
无线传感器网络中的自身定位系统和算法
摘要：无线传感器网络由于具有网络设置灵活、位置随时更改、能够与互联网有线或无线连接等特征而被广泛应用在了环境监测、医疗护理、国防军事、目标跟踪等领域，有力地推动了社会进步。
然而，随着互联网技术的快速发展，无线传感器网络中的自身定位系统也得到了长足的进步，原有的定位系统和算法逐渐暴露出了一系列的不足，使得无线传感器网络应用范围受到不同程度影响。
基于此背景，本文就现有技术条件下无线传感器网络中的自身定位系统和算法展开深入研究，旨在探索最前沿的应用技术，以为其推广使用提供帮助。
关键词：无线传感器网络；定位系统；算法
前言：鉴于无线传感器网络在国计民生方面所具有的重要应用价值，对其定位系统与算法进行研究无论是在理论研究还是在实践应用方面均具有重要的研究价值及社会意义。
因此，针对无线传感器网络中的自身定位系统和算法所展开的研究，本文首先从现有的无线传感器网络定位系统和算法着手，对其进行一个横向比较，总结存在的各种问题，之后以此为依据对Hop-Euelidean算法展开重点分析，评价该算法所具有的应用优势，以为其进一步推广应用积累经验。
1 现有无线传感器网络自身定位系统和算法以及存在的不足分析
1.1现有无线传感器网络自身定位系统和算法
（1）Active Badge定位系统及算法
Active Badge定位系统是无线传感器网络（Wireless Sensor Networks，WSN）最早的一种定位系统，也是上个世纪末、本世纪初符号定位、粗粒度定位以及接近度定位三者合一的典型代表[1]。
该定位系统应用的前提在于部署在一个精度明确的房间之内，通过以太网与房间内部预先架设的红外传感器节点来构成系统网络。
当存在定位需求时，只需要在被定位的人或者物体上面放置一个Badge（徽章）的装置，来作为整个Active Badge定位系统未知的节点。
Badge每隔15s会向外界发射一个0.1s持续时间的红外信号[2]。
一旦该信号被系统红外传感器所采集到，则会将收集到的感应信息传递至中央处理器，利用高速率计算机来进行定位分析工作。
用户可以通过外设端口与该系统相连接，从而获得准确的定位数据。
（2）RADAR系统
RADAR（Radio Detection and Ranging）系统是由美国微软公司基于IEEE 802.11无线网络技术自主开发的一种室内空间定位系统，根据用户差异性使用需求，RADAR系统可通过场景分析以及三边测量两种途径实现[3]。
场景分析下通过在多个测量地点架设无线网络设备，对固定建筑物之内的可探测红外装置所发射出来的红外信号进行采集。
利用中央控制系统根据各个测量点位传输的红外信号强度以及信噪比来构建出一个信号强度数据库。
通过数据库内相应数据的比对分析来选择一个可能性最大的点位信息实施定位工作。
此种定位方式下其定位精度在50%概率可达到3m误差[4]。
三边测量之下，通过采用系统自带的三边测量定位方法对收集到的未知节点信号进行计算，同时参照多个测量基站获得的数据给出最终定位位置信息。
此种定位系统测量可以获得50%概率下的4.3m误差精度。
（3）N-hop multilaterationprimitive定位算法
美国加州大学洛杉矶分校的Andreas Savvides等人在前人既有的研究成果基础上结合自身学科知识提出了N-hop multilaterationprimitive定位算法，基于最大最小值法通过折线运算来估计出未知节点的位置。
此外，该学者还采用了卡尔曼滤波技术实施循环定位，以进一步降低估算误差带来的影响。
该算法主要分为三个步骤：首先，自动生成协作子树。
根据定位系统内预设的判断条件，在互联网络中生成多个未知节点以及已知的测量锚节点位置组成条件完整的结构形状。
在该协作子树中每个未知节点的坐标信息均拥有唯一解[5]。
其次，针对未知节点进行初始位置估算。
利用定位系统对每个锚节点位置信息进行计算，确定节点之间的空间距离，并且根据网络节点之间的连通性特征对未知点位空间信息进行初始的估算。
第三，定位位置求精。
使用卡尔曼滤波技术针对协作子树内的未知节点位置唯一解进行循环计算以得出最精确、最接近的计算结果。
1.2现有无线传感器网络自身定位系统和算法存在的不足
就现有的无线传感器网络自身定位系统和算法，本文在详细分析后认为存在着以下几个问题：
首先，限制条件过于严格。
所有未知节点的位置必须与锚节点直接相邻，否则无法做出有效的估算。
而在实际运用中该限制条件显然过于严格，不符合实际
的应用。
其次，定位精度过度依赖实际网络部署条件。
未知节点布置范围并不是无限大，其必须满足空间距离≤网络部署范围，一旦超出，则无法根据锚节点提供的信息对其实施定位与计算。
第三，测量误差缺乏抑制措施。
现有的定位系统与算法在未知点位定位上均存在着不同程度的测量误差，即使N-hop multilaterationprimitive定位算法实施了卡尔曼滤波技术循环测量，但是在无形之间增加了测量成本以及定位工作的不确定性，因而测量误差并没有得到有效的抑制。
2 Hop-Euelidean定位算法
Hop-Euelidean定位算法是将当前较为新颖的距离矢量路由技术与Euelidean 定位算法相结合，从而克服现有定位系统和算法存在的缺点及不足，并利用循环迭代思想提高未知节点定位覆盖率与精度，继而形成的一种定位算法。
该定位算法的应用首先需要设定以下假设条件：
（1）二维无线传感器网络3个锚节点空间位置信息，或者三维无线传感器网络4个锚节点空间位置信息；
（2）未知节点必须具有红外传感器测距能力，并且测量存在的误差能够服从正态分布；
（3）节点之间通信畅通性良好，不存在信号传输障碍；
（4）节点之间存在着对称通信能力，所有的空间定位信息都能够被系统终端接收到；
（5）节点具有维护两个链表，实现分别存储相邻未知节点以及锚节点信息的能力[]。
其具体的算法计算步骤分别如下：
首先，初始化阶段。
无线传感器网络部署完成之后，向整个网络中播放HELLO信息，在该信息中含有与之相对应的空间位置信息，以检测网络中各个节点之间的信号传输是否畅通。
如果未知节点周围缺少3个以上（含3个）的节点链表，则定位系统自动将其标记为真，意味着下一阶段邻居节点的信息无法通过该节点传输[6]。
其次，定位阶段。
当信标信息被无线传感器网络广播后，其TTL阈值将会
变为2（该信标信息自身的初始值为1）。
第三，迭代循环阶段。
当上述两个阶段均各自完成之后，已经获得了准确定位信息的未知节点将自动升级为锚节点，并将其信息向邻接节点传送，以协助其他的未知节点位置定位。
结论：综上所述，Hop-Euelidean定位算法通过融入距离矢量路由技术，有效的解决了未知节点定位所存在的测量误差问题，并且在无线传感器网络部署方面不需要过多的投入，因而具有良好的经济性。
与现有的无线传感器网络自身定位系统和算法相比较应用价值更高，值得在今后各个领域所广泛采用。
参考文献：
[1]王景珲.一种基于DV-Hop的无线传感器网络节点定位算法[J].计算机工程，2015，24（01）:82-86.
[2]姚英彪，姜男澜.无线传感器网络定位的分布式求精算法[J].通信学报，2015，33（01）:183-192.
[3]任子晖，顾靓雨，周萌萌.基于无线传感器网络的改进RSSI井下定位算法的矿井人员定位系统设计[J].煤矿开采，2015，18（03）:136-139.
[4]孟颍辉，陈剑，闻英友，等.基于贪婪思想的二阶段无线传感器网络定位算法[J].电子学报，2014，24（02）:328-334.
[5]马庆功，刘冉冉.基于DV-Distance的无线传感器网络定位算法研究[J].吉林师范大学学报(自然科学版)，2014，10（01）:66-70.
[6]王俊，李树强，刘刚.无线传感器网络三维定位交叉粒子群算法[J].农业机械学报，2014，19（05）:233-238.。