公开(公告)号：CN106384153B

公开(公告)日：2019-03-15

申请号：CN201610828651.9

申请日：2016-09-18

Applicant: 河海大学常州校区

Inventor： 齐蔚然 ,  苗红霞 ,  刘娟 ,  苗雪娇 ,  胡刚 ,  江冰

IPC: G06N3/00 ,  G06N3/08

Abstract: 本发明公开了一种基于BA‑BPNN数据融合的WSAN执行器任务分配方法,该方法采用BA优化的BP神经网络建立数据融合模型。具体是采用蝙蝠算法优化BP神经网络的权值和阈值，构建数据融合模型，对传感器节点信息进行数据融合，从而得出执行器节点的任务分配信息。蝙蝠算法是一种元启发式群体智能优化算法，它利用微型蝙蝠在不同发射速度和响度情况下的回声定位方法，从而能够实现精准捕猎、避开障碍的随机搜索算法。BP神经网络是一种在训练过程中能够寻找全局最优值的多层前馈神经网络，可以加速网络收敛速率。该方法通过蝙蝠个体的位置更新来寻找BP神经网络的最优参数，数据融合更加精确，执行器任务分配更合理。

公开(公告)号：CN106384153A

公开(公告)日：2017-02-08

申请号：CN201610828651.9

申请日：2016-09-18

Applicant: 河海大学常州校区

Inventor： 齐蔚然 ,  苗红霞 ,  刘娟 ,  苗雪娇 ,  胡刚 ,  江冰

IPC: G06N3/00 ,  G06N3/08

CPC classification number: G06N3/006 ,  G06N3/084

Abstract: 本发明公开了一种基于BA-BPNN数据融合的WSAN执行器任务分配方法,该方法采用BA优化的BP神经网络建立数据融合模型。具体是采用蝙蝠算法优化BP神经网络的权值和阈值，构建数据融合模型，对传感器节点信息进行数据融合，从而得出执行器节点的任务分配信息。蝙蝠算法是一种元启发式群体智能优化算法，它利用微型蝙蝠在不同发射速度和响度情况下的回声定位方法，从而能够实现精准捕猎、避开障碍的随机搜索算法。BP神经网络是一种在训练过程中能够寻找全局最优值的多层前馈神经网络，可以加速网络收敛速率。该方法通过蝙蝠个体的位置更新来寻找BP神经网络的最优参数，数据融合更加精确，执行器任务分配更合理。