Jornal Internacional de Swarm Intelligence e Computação Evolutiva

Abstrato

Aprendizagem Baldwiniana em Algoritmos Evolutivos Quânticos para Resolver o Problema de Localização Refinado em Redes de Sensores Sem Fios

Mahdi Aziz* e Mohammad Meybodi

Um procedimento de pesquisa local (LS) é um facilitador de pesquisa, dando uma mão aos algoritmos meméticos para melhorar a sua capacidade de exploração, resultando na convergência para soluções de maior qualidade. Neste artigo, utilizando o procedimento LS na forma de Aprendizagem Baldwiniana (BL), é proposto um Algoritmo Evolutivo Quântico Memético (QEA) para resolver o problema de localização granular em redes de sensores sem fios (RSSFs). Uma vez que o QEA apenas pode ser utilizado para problemas de domínio binário, como o problema da mochila, utilizámos o procedimento de mapeamento binário para real para o tornar adequado para resolver o problema de localização em RSSFs. Para fornecer boas posições iniciais dos nós sensores, o algoritmo emprega um procedimento Multi-Trilateration (MT) nas melhores soluções observadas. Para testar o algoritmo proposto, este é primeiro comparado com os seus dois spin-offs (o algoritmo proposto sem o procedimento MT e o algoritmo proposto sem os procedimentos BL e MT) e depois comparado com seis algoritmos de otimização existentes em dez topologias de rede geradas aleatoriamente com quatro gamas de conectividade diferentes. Os resultados da simulação sugerem que o algoritmo proposto supera significativamente os restantes algoritmos em termos de estimação das posições dos nós sensores nas RSSFs. Apontam ainda a eficácia da aplicação do procedimento MT e do método BL ao algoritmo proposto na resolução do problema.