一种基于自适应遗传算法优化参数神经网络的位置估计方法与流程

技术特征：
1.一种基于自适应遗传算法优化参数神经网络的位置估计方法，其特征在于：包括以下步骤：s1：在布置有wi
‑
fi设备的区域内，均匀设置若干个位置坐标已知的参考点，随机设置若干个位置坐标未知的测试点，再在各个参考点和测试点处采集信道状态信息并将其处理得到与各位置坐标一一对应的位置向量；s2：在确定好神经网络的拓扑结构之后，将所有参考点的位置向量输入神经网络，通过反向传播神经网络(back propagation neural network，bpnn)得到满足条件的神经网络初始权值和阈值并利用参考点位置坐标构成的理想输出矩阵和bpnn的输出矩阵来计算该组参数的适应度；s3：重复步骤s2，直到得到g组参数及其对应的适应度之后，将各组参数编码为个体，基于自适应遗传算法通过选择、交叉和变异操作之后得到最优个体，将个体解码得到最优参数；s4：将步骤s3得到的最优参数作为神经网络的初始参数，再把所有测试点的位置向量输入神经网络，进行正向传播后得到测试点的估计位置坐标。2.根据权利要求1所述的基于自适应遗传算法优化参数神经网络的位置估计方法，其特征在于：基于自适应遗传算法对所述神经网络的参数进行优化，优化方法如下：步骤一：设遗传算法的群体规模为g，进化次数为e
n
，利用第q次测试神经网络的初始参数和进行实数编码得到第q个个体，记为其中，前32位对应权值矩阵的元素值，后4位对应阈值向量的元素值，q＝1,...,g；步骤二：将第q个个体e
q
所对应的适应度记为fit
q
，且适应度越小个体越优；利用这g个个体及其对应的适应度来构造适应度函数l(e
q
)＝fit
q
，并由这g个个体组成子代群体p(g)(g＝1,...,e
n
)，通过选择、交叉和变异操作寻找适应度最小的最优个体，进而得到全局最优参数；步骤三：选择操作采用轮盘赌法，使每个个体被选中的概率与其适应度大小成反比，即基于适应度比例的选择策略，第q个个体的选择概率se
q
为其中，k0为常数；步骤四：根据个体适应度进行归一化处理后，选择个体来构造父代群体fp(g)；步骤五：对父代群体fp(g)进行交叉和变异操作以产生新的个体，并在迭代优化时根据适应度来动态调整交叉概率和变异概率；对于适应度高于群体平均适应度的个体，匹配较低的p
c
和p
m
，以使该个体得以保护进入子代群体；而低于群体平均适应度的个体，则匹配较高的p
c
和p
m
，以使该个体被淘汰掉；步骤六：父代群体fp(g)经过交叉变异操作后生成了新的子代群体p(g 1)用于下一次的进化，直到达到进化次数e
n
；步骤七：利用适应度函数计算第e
n
次进化得到的新的子代群体p(e
n
)中g个个体的适应
度，并选取其中适应度最小的个体，再将其解码，得到神经网络的最优权值矩阵和阈值向量。3.根据权利要求2所述的基于自适应遗传算法优化参数神经网络的位置估计方法，其特征在于：步骤四具体包括以下步骤：步骤四(一)：由于所有个体选择概率之和为1，所以将这g个个体按比例放入0至1范围的线段里，且线段的长度代表个体的选择概率，即计算第q个个体的累积概率ac
q
为步骤四(二)：在区间[0,1]内产生一个随机数b0，若0≤b0≤ac1，则选择个体e1；否则，选择个体e
q
(q≠1)，且满足条件ac
(q
‑
1)
＜b0≤ac
q
；步骤四(三)：重复上述步骤，共选择g个个体组成父代群体fp(g)。4.根据权利要求2所述的基于自适应遗传算法优化参数神经网络的位置估计方法，其特征在于：步骤五具体包括以下步骤：步骤五(一)：交叉概率p
c
用于判定父代个体是否需要进行交叉操作，交叉概率越大，产生新个体的速度就越快；随机选择群体中两个个体e
c
和e
d
(c,d∈{1,...,g}&c≠d)进入交配池；步骤五(二)：计算此时的交叉概率其中，fit
max
为群体中的最大适应度，fit
avg
为群体的平均适应度，fit
*
表示要交叉的两个个体中较大的适应度，k1和k2为区间[0,1]内的常数且k1＜k2≤0.9；步骤五(三)：生成区间[0,1]内的随机数b1，当b1＜p
c
时，对两个个体的第h(h∈{1,...,36})位执行如下操作：步骤五(四)：当b1≥p
c
时，随机选择群体中另外两个个体执行上述步骤直至完成一次交叉操作后，再对已更新的群体进行变异操作；步骤五(五)：变异概率p
m
用于判定父代个体是否需要进行变异操作，用于保持群体的多样性，以防止群体陷入局部最优的困境；随机选择已更新的群体中的个体e
j
(j∈{1,
…
,g})并计算此时的变异概率其中，fit
max
为群体中的最大适应度，fit
avg
为群体的平均适应度，fit
′
表示要变异个体的适应度，k3和k4为区间[0,1]内的常数且k3＜k4≤0.1；步骤五(六)：生成区间[0,1]内的随机数b2和b3，当b2＜p
m
时，对第k(k∈{1,
…
,36})位
执行如下操作其中，e
max
为基因的上界，e
min
为基因的下界，g为当前进化次数，e
n
为进化次数；步骤五(七)：当b2≥p
m
时，随机选择群体中另一个体执行步骤五(一)至步骤五(六)直至完成一次变异操作为止。

技术总结
本发明涉及一种基于自适应遗传算法优化参数神经网络的位置估计方法，属于室内定位领域，包括S1：在布置有Wi


技术研发人员：周牧 龙玥辛 蒲巧林 聂伟 李耀华 陈有坤
受保护的技术使用者：重庆邮电大学
技术研发日：2021.08.19
技术公布日：2021/11/21