无线传感网络协作地感知、采集和处理网络覆盖区域中被感知对象的信息,并发送给观察者。由于其成本低、功能多、融合多门技术,被誉为21世界最具有影响力的技术之一,其应用包括视频监控、航空交通控制、机器人学等。节点定位是无线传感网络重要的支撑技术,其精确性是衡量无线传感网络性能优劣的一个重要的标准。RSSI利用无线通信芯片,不需要额外的设备,使用方便且精度高,因而被广泛应用。但由于测距中存在误差,通过将无线传感器的定位问题转换成求测距误差最小值的优化问题来降低误差成为研究热点,本文将改进蝙蝠算法引入到节点位置求解的优化问题上,以此来弥补测距误差对定位结果精度的影响,提高定位的精度。蝙蝠算法是一种随机搜索算法,具有并行性、分布式和收敛速度快等特点,已经广泛应用于工程设计和学科领域。由于其存在后期收敛速度慢、收敛精度不高、易陷入局部极小值等缺陷,本文在其基础上从全局寻优和局部搜索两个方面进行改进,使其能更快地收敛到更优的解。本文主要研究工作如下:(1)提出了一种改进模因-混合蝙蝠算法的无线传感器网络节点定位方法。该改进方法借助模因算法的框架,将蝙蝠算法作为全局搜索算法,并提出选择算子和扰动算子来深入扩展其全局寻优能力,同时将随机调整的局部搜索策略作为局部搜索方法,防止算法陷入局部最优。选择算子是为了弥补算法中丢失的那些适应度值劣于父个体但是优于当前种群中最差个体的优良信息;扰动算子使用自适应t分布对最优解进行扰动,帮助其跳出局部最优值,收敛到更优的解;随机调整的局部搜索策略对可行解周围的邻域进行搜索,并通过比较适应度值的大小来决定是否采纳该解,可以避免陷入局部最优。通过标准测试函数的验证,所提出的算法在收敛速度和收敛精度较BA和CBA而言都有了较大的提高。接下来将该改进方法应用到无线传感器网络节点定位上,从实验仿真的结果可以看出,其精度相比CBA平均提高了 0.5m左右,在定位上具有更大的优势。(2)提出了一种种间双系统协作蝙蝠优化算法的无线传感器网络节点定位方法。针对单一种群由于算法本身和搜索区域的特性,很难在保持对当前最优值进一步探索考察的同时又不忽略区域内未曾开发过的领域的问题,提出了物种种间双系统的概念,分别是探测系统和开发系统,两者之间通过信息交流共同进化协作。并在该算法中设计和运用了动态变化算子实现全局寻优和局部寻优的实时平衡;提出位置更新算子减少开发系统随机性带来的影响,提高局部区域的开发效率;设计伪变异算子保持探测系统的多样性,提高全局搜索的效率。通过标准测试函数的验证,所提出的算法在快速收敛的同时又能避免陷入局部最优,对于解决多局部极值的复杂优化问题十分有效。接下来将该改进方法应用到无线传感器网络节点定位上,从实验仿真的结果可以看出,其精度相比CBA平均提高了 0.7m左右,定位精度更高。(3)提出了基于元胞蝙蝠算法的无线传感器网络节点定位方法。该改进算法从只有邻域个体互相交流的角度出发,将元胞自动机的思想融入蝙蝠算法,使得其只与通过邻居函数确定的邻域个体进行交流,有助于保持种群的多样性和探索能力;并采用了改进的元胞限制竞争选择小生境技术,保证了元胞个体向邻域最优个体学习,互相传递有效信息,提高了种群的多样性,避免了算法陷入局部最优的情况;同时加入了灾变机制,即以某一确定的频率对固定面积的元胞进行扰动,使得算法跳出局部极值,保持持续进化能力。接下来将该改进方法应用到无线传感器网络节点定位上,从实验仿真的结果可以看出,定位精度得以提高;并且在实测实验中,该改进算法在测试环境下平均定位误差在0.4m以内,相比于改进PSO算法,获得更好的定位效果。