若Pg一段时间内无显著变化，则进行变异操作；

7) 计算最新几代的最优适应值变化率g，按照(10)式改变权重系数 ，然后按照式(4)和(5)更新粒子的速度和位置，生成新一代种群；

8) 若达到最大迭代次数K则结束循环，否则转至第3)继续，直至达到最大迭代次数结束定位。 4.仿真研究

为了验证自适应变异的粒子群优化算法结合基于TOA的极大似然估计法的定位效果，本文采用Matlab7.0进行仿真。设定仿真区域为100m 100m 100m

的三维空间。粒子群各个参数设定为：学习因子

c1 c2 1.518，最大迭代次数K=200次，

重复计算次数

100，最大步长

V区域边长1010010

10m，惯性权重 0.76

。设定定位空间随机分配20个粒子。

无线传感网络节点定位机制和算法的性能会直接影响到它的实用性，而定位精度就是定位技术最重要的评价指标，一般是用误差值和节点通信半径的比例来表示，其表达为(11)。

n

(xreal xest)2 (yreal yest)2

(zreal zest)2

jj

jj

jj

j n r

(11)

real real , z real

式中，(xj,yjj)为第j个未知节点的真实坐标位置，(xest

j

,yestest

j,zj)是其计算

出的坐标位置，n是未知节点的个数，r是无线传感网络通信半径[9]

。

本实验在仿真环境下设定有100个传感器节点随机分布于仿真区域中，其中锚节点个数20，未知节点个数n=80。 4.1 测距误差对定位的影响

由公式(3)所知，测距误差的大小会影响定位的精度，从而影响定位误差的大小。设定未知节点个数为80个，锚节点个数为20个，节点通信半径为30m。图2为三种算法下平均定位误差随测距误差变化的曲线图。

图2 平均定位误差随测距误差变化曲线图

由图2分析得出，粒子群算法的定位效果优于极大似然估计法，而自适应变异的粒子群优化算法更优于标准粒子群算法。随着测距误差的增大，自适应变异的粒子群算法的平均定位误差上升的幅度比其他两种方法都小。可见，自适应变异的粒子群优化算法抗误差性更优。

4.2 未知节点的个数对定位的影响

由平均定位误差公式(11)知，未知节点数n也会影响平均定位误差。设定节点通信半径为30m，测距误差10%。图3为三种算法下平均定位误差随未知节点个数变化的曲线图。

图3 平均定位误差随未知节点个数变化曲

线图

由图3分析得出，在未知节点个数变化的情况下，APSOwM的平均定位误差略低