1、“.....但缺点是定位精度略低。因此，学者们对算法进行了系列的改进用于提高其定位精度，例如在算法的节点距离计算中使用策略，缩小节点之间的误差，提高定位精度将介质访问机制引进算法中优化距离误差在锚节点间进行距离计算时，为实现平均跳距计算的准确性，采用最佳调整因子不断优化经过系列分析得出的定位结果运用混合粒子群优化算法求解定问题显而易见，模拟退火算法则很好的解决了这问题，它的优势不仅体现在搜索的全面性上，它的搜索效率也比算法显著提高这里提到的混合粒子群优化算法，本质上就是上面两种算法的结合体，将优势相融合，还具有定的学习能力，充分利用了模拟退火算法的特性退火特征。为了避免陷入局部最优解，按照机制对粒子的位置和速度进行合理化的判断分析，及时进行数据更新，对初始种群中的粒子进行最优解的搜索，确定其初始参数，再执基于的无线传感器网络节点定位算法论文原稿研究思路......”。

2、“.....这算法先通过优化混合粒子群对些未知节点精细计算，计算出跳距范围，其次在应用算法计算未知节点的自身位置时摒弃以往常用的最小乘法，对于那些未知节点的坐标的判断要利用好蝙蝠算法，通过这特性不断优化定位方法，确定精度，准确定位节点。基于的无线传感器网络节点定位算法论文原稿。其中，虚拟蝙蝠的实时位进行了系列的改进用于提高其定位精度，例如在算法的节点距离计算中使用策略，缩小节点之间的误差，提高定位精度将介质访问机制引进算法中优化距离误差在锚节点间进行距离计算时，为实现平均跳距计算的准确性，采用最佳调整因子不断优化经过系列分析得出的定位结果运用混合粒子群优化算法求解定位算法中未知节点的平均跳距，减少定位误差提高定位准确性不过这些算法仍然存在较多的问题，不能充分考虑到的跳数之积。最后，计算未知节点的坐标设这个锚节点的坐标为，待定节点的坐标为......”。

3、“.....由此可建立如下方程在测距过程当中难免產生数据，因此线性方程组为，其中，为误差向量，最小乘法距离方程为定位误差分析先假设锚节点和未知节点之间的实际距离为，测距误差为ε，符合约束条件ε，求解，使得由式知，节点所在位置必定不会超出该区域范围，且为定位结果与分析对两种算法的定位误差进行比较算法和算法的未知节点的定位误差如图所示。由图知，算法的定位的平均误差并不大且明显小于算法的误差值，结果表明，算法提高了定位精度。锚节点个数对算法定位性能的影响在比较锚节点个数对算法定位性能的影响时，保持节点个数不变，使锚节点得比例不同，两种算法的定位误差变化曲线如图所示。由图知，当锚节点的比例相同时不断优化无线传感器网络定位，将求解位置坐标问题转化成个全局最优化问题，其次在应用算法计算未知节点的自身位置时摒弃以往常用的最小乘法......”。

4、“.....通过这特性不断优化定位方法，确定精度，从而获取更加理想的定位结果，具体实现流程如图所示。仿真实例仿真环境充分利用仿真平台，在相同网络环境下对比实验定位算法测试验证算法的定位性能，在其，叶蓉，赵灵锴基于蚁群粒子群混合的无线传感器网络定位算法计算机测量与控制，赵仕俊，孙美玲，唐懿芳基于遗传模拟退火算法的无线传感器网络定位算法计算机应用与软件，白进京，严新平基于加权质心和混合算法定位方法研究计算机应用研究，谭爱平，陈浩，吴伯桥基于的傳感器节点定位随机安排个节点，其中节点的通信半径为，锚节点占全部节点的，参数设置如下蝙蝠种群大小，最大声强，声强衰减系数及脉冲频度增加系数均为，搜索脉冲频率范围，最大脉冲频度，所有结果为平均运行次后取平均值。结束语为了尽量避免误差的扩大化，定位更加准确，增强无线传感器网络节点的灵敏程度，混合粒子群在校正的基础上......”。

5、“.....充分利用定位算法，这算法先通过优化混合粒子群对些未知节点精细响在比较锚节点个数对算法定位性能的影响时，保持节点个数不变，使锚节点得比例不同，两种算法的定位误差变化曲线如图所示。由图知，当锚节点的比例相同时，算法的定位误差更小，且其能在较小的锚节点密度下实现更精确的定位。定位算法的工作流程首先，混合粒子群在校正的基础上，不断优化无线传感器网络定位，将求解位置坐标问题转化成个全局最优化问题，其次在应用算法计算未知节点的自身位置时摒基于的无线传感器网络节点定位算法论文原稿他条件相同的前提下，改变锚节点的密度通讯半径以及节点的数量，采用平均定位误差对比两种算法的定位性能，具体如下在的维空间内随机安排个节点，其中节点的通信半径为，锚节点占全部节点的，参数设置如下蝙蝠种群大小，最大声强，声强衰减系数及脉冲频度增加系数均为，搜索脉冲频率范围，最大脉冲频度......”。

6、“.....基于的无线传感器网络节点定位算法论文原稿。，陈志翔，殷树言，卢振洋基于遗传模拟退火算法的弧焊机器人系统协调路径规划机械工程学报，凌琳基于混合粒子群算法的无线传感网络节点定位研究江西师范大学，作者单位东北林业大学机电工程学院黑龙江省哈尔滨市。定位算法的工作流程首先，混合粒子群在校正的基础上小的跳数之积。最后，计算未知节点的坐标设这个锚节点的坐标为，待定节点的坐标为，待定节点与锚节点估计距离分别为，由此可建立如下方程在测距过程当中难免產生数据，因此线性方程组为，其中，为误差向量，最小乘法距离方程为定位误差分析先假设锚节点和未知节点之间的实际距离为，测距误差为ε，符合约束条件ε，求解，使得由式知，节点所在位置必定不会超出该区域范围，且为定方法计算机工程与应用，刘运杰，金明录，崔承毅基于的无线传感器网络修正加权定位算法传感技术学报......”。

7、“.....王福豹，史龙，任丰原无线传感器网络中的自身定位系统和算法软件学报，李辉，熊盛武，刘毅等无线传感器网络定位算法的改进传感技术学报，刘少飞，赵清华基于平均跳距估计和位置修正的定位算法传感器技术学报计算，计算出跳距范围，其次在应用算法计算未知节点的自身位置时摒弃以往常用的最小乘法，对于那些未知节点的坐标的判断要利用好蝙蝠算法，通过这特性不断优化定位方法，确定精度。实验结果表明定位算法远远优越于定位算法，它对未知坐标的判断和定位准确度非常之高，在中具有广泛的应用前景。参考文献，弃以往常用的最小乘法，对于那些未知节点的坐标的判断要利用好蝙蝠算法，通过这特性不断优化定位方法，确定精度，从而获取更加理想的定位结果，具体实现流程如图所示。仿真实例仿真环境充分利用仿真平台，在相同网络环境下对比实验定位算法测试验证算法的定位性能，在其他条件相同的前提下......”。

8、“.....采用平均定位误差对比两种算法的定位性能，具体如下在的维空间总误差，当其获取最小值时，该定位判断得到的误差最小，未知节点的最优值即为坐标，采用数学化模型的方法优化定位问题，利用蝙蝠算法求解未知坐标，防止误差扩大化。结果与分析对两种算法的定位误差进行比较算法和算法的未知节点的定位误差如图所示。由图知，算法的定位的平均误差并不大且明显小于算法的误差值，结果表明，算法提高了定位精度。锚节点个数对算法定位性能的影基于的无线传感器网络节点定位算法论文原稿节点。基于的无线传感器网络节点定位算法论文原稿。定位算法及误差分析定位算法第步，获取锚节点和计算跳距范围第步，获取跳段距离。锚节点的平均每跳距离计算公式为式中，是锚节点和之间的跳数，是节点和的坐标。之后将所有锚节点的跳距的范围平均映射到每部分，未知节点的每次跳距之间的距离范围即映射得到的锚节点的跳距范围相同......”。

9、“.....减少定位误差提高定位准确性不过这些算法仍然存在较多的问题，不能充分考虑到算法的全面性，从而忽视了搜索的空间大小问题，对节点的定位精度产生重要影响。为了避免这种情况，我们要开拓思维另辟蹊径。终于在年，蝙蝠算法正式被杨新社教授提出，他充分利用蝙蝠的回声定位的特性，进行大量实验数据分析提出该算法，蝙蝠算法在实际应用中具有很多优良特性，尤其表现在迭代寻优方面，且不需要对大量的参数进行调整，行其退火过程。假设当前网络中存在个未知节点和个锚节点，节点的坐标集为，其中，锚节点的坐标分别为，则未知节点的坐标为则定位问题就可用下面的公式来描述表示第个锚节点与未知节点之间的实际距离与测量距离的误差，而定位问题相应的转化为定位误差的最小值。目前，国内外专家和学者对其展开了系列的分析探索，定位算法有测距和非测距之分，作用各不相同......”。