本发明涉及室内定位领域，尤其涉及综合信号源定位误差与信号源成本多因素最优化问题的一种解决方法。
背景技术
目前，定位技术分为室内定位和室外定义。其中，室外定位较为普遍，人们经常接触的全球定位系统(gps)及国产定位系统北斗，这些都属于室外定位技术。室外定位主要通过接收器接收卫星发射的无线电信号进行相关计算来实现精准定位的目的。室外定位技术在导航、测量及航天等领域具有举足轻重的地位，并且已经成为人类日常生活、科技发展中不可或缺的一项前沿技术。由于室外定位技术是通过卫星来进行定位，所以对时间的精度要求极为苛刻，但是在无线电信号传播的过程中，会受到空中电离层、障碍物等因素的影响，从而产生误差。假如需要在某大型建筑物里进行定位操作，这种卫星所发射的无线电会由于障碍物导致测量出现偏差，进而影响定位的效果。
室内定位技术主要有led定位技术、wi-fi定位技术、蓝牙室内定位技术等。对于目前行业的室内定位技术，无论是采用哪种技术，都需要提前部署基站来发射接受信号。传统的基站部署过多的依靠经验，这样会造成没有最大化的降低成本的，而且以这种方式进行基站部署，不一定能够部署规范，如果部署太密集，则造成成本浪费；如果部署稀疏，则会影响定位的效果。可见，如何在成本、定位效果之间实现一个平衡，达到部署成本与信号效果加权最优，这是一个急需解决的问题。
室内定位信号源优化部署方案，其目的是能够在多因素约束下找到定位误差较低的信号源组合。
在现有的室内定位信号源优化部署方案中，较为传统的方案是基于位置坐标来实现的，如均匀覆盖，最大最小覆盖，克拉美-劳等。但是这些方案完全依靠于信号源点的位置坐标，无法实际考虑信号源点的环境不同对信号影响等因素，所以使用这类优化部署方案，很容易会受到信号源环境、质量等因素的制约，加之对信号源优化部署很可能会考虑成本等条件的限制，所有传统基于位置坐标的优化部署方案存在明显短板。
在进行优化部署的时候，如果同时要求信号源成本低(即个数尽量少)、定位误差小，这样就需要用优化算法来解决这类问题。截至目前，遗传算法已使用于室内定位信号源优化部署领域当中，但是其不仅可能陷入局部最优，而且如果因为室内信号源组合过多，则可能会产生大量的无效解，进而影响求解的效率。同时，粒子群搜索广度不足，也容易陷入局部最优。人工免疫虽然在一定程度上能够解决全局搜索的问题，但是由于其搜索深度不够，所有不容易找到最优解。
技术实现要素：
针对目前室内定位信号源优化部署领域存在的技术问题，本发明的目的是提供一种能够综合信号源定位误差与信号源成本问题来寻找最优解的方法。
本发明首次提出了一种更加适合于室内定位信号源优化部署，其部署更加合理、成本更加低廉。该部署方法是一个仿真方法，通过对建筑物及其属性、信号源模型等信息的仿真，使用遗传算法与烟花算法组合实现了一种能够既满足成本不高，又使得定位误差低的信号源部署方案。
在上述场景下，为了达到信号源优化部署的目的，本发明采用如下技术方案：
一种基于遗传与烟花组合算法的室内定位信号源优化部署方法，其特征在于，包括
步骤1、使用洗牌法对信号源组合进行随机生成；
步骤2、对不同信号源组合分别计算其定位误差
步骤3、对满足适应度函数要求的组合进行选择过程，同时利用烟花算法对优良品种设置爆炸因子，供后面步骤使用；
步骤4、依据优良品种的爆炸因子，对种群进行信号源组合的补充；
步骤5、对优良品种进行交叉操作；
步骤6、对优良品种进行变异操作。
在上述的一种基于遗传与烟花组合算法的室内定位信号源优化部署方法，所述步骤1中使用的洗牌算法对信号源组合进行随机初始化，包括以下步骤：
步骤1.1、对于初始化种群中的每个信号源组合，都使用一次洗牌法对信号源进行打乱，然后存赋值给存储信号源组合的数据结构。直到种群中的所有信号源组合都初始化完成。
在上述的一种基于遗传与烟花组合算法的室内定位信号源优化部署方法，所述步骤2中根据信号源组合中不同信号源点与指纹库中数据进行比对来计算定位误差，包括以下步骤：
步骤2.1、设计信号源指纹库，指纹库的内容是每单个信号源接收来自于其它信号源的信号强度值；
步骤2.2、根据需要计算定位误差的信号源组合，计算在该环境下测试点的位置与实际坐标的偏差程度，即定位误差。
在上述的一种基于遗传与烟花组合算法的室内定位信号源优化部署方法，所述步骤3中通过适应度函数值，来选择小于该值得信号源组合，并且对选择出来的优良品种的信号源组合依据优良性，设置爆炸因子，包括以下步骤：
步骤3.1、将信号源组合的适应度函数值与预先设定的适应度函数阈值进行大小比较，对满足要求的信号源组合进行保留，不满足要求的信号源组合则淘汰，其中，满足要求的信号源组合为优良品种。
步骤3.2、对于选择过程中设定适应度函数值，使用动态调整的策略。当满足该适应度函数值的信号源组合大于设定数目时，将预先设置的适应度函数值减小为原值的90％，当满足该适应度函数值的信号源组合数目小于设定数目，则将预先设置的适应度函数值增加15％。
步骤3.3、依据信号源组合的适应度值进行排序，然后对这些优良品种依次设置爆炸因子，适应度值越好的爆炸因子越小。
在上述的一种基于遗传与烟花组合算法的室内定位信号源优化部署方法，所述步骤4中的补充分为两类，一类是依据爆炸因子来生成信号源组合，一类是随机生成信号源组合，包括以下步骤：
步骤4.1、按设定比例，依据爆炸因子，对该爆炸因子所属的信号源组合通过复制这个组合来生成新的信号源组合，并且在新生成组合中产生爆炸因子个与优良品种不同的信号源点(即依据爆炸因子的大小，通过随机生成的方式生成信号源点，并且保证这些信号源点在原组合中还未出现过)，这样便构成了依据爆炸因子生成新信号源组合。
步骤4.2、对种群中还空缺的信号源组合进行随机生成，随机生成步骤为方法为：对于空缺的信号源组合，都使用一次洗牌法对信号源进行打乱，然后存赋值给存储信号源组合的数据结构。直到这些空缺的信号源组合都初始化完成。
在上述的一种基于遗传与烟花组合算法的室内定位信号源优化部署方法，所述步骤5中对不同的优良品种进行交叉互换操作，包括以下步骤：
步骤5.1、按预先设定的交叉比例，在优良品种中随机选择两组信号源组合；
步骤5.2、在选择出来的信号源组合当中，分别选择适当的信号源点，进行交叉互换。
步骤5.3、重复步骤5.1至步骤5.2，直至满足迭代次数达到最大迭代次数(如80次)。
在上述的一种基于遗传与烟花组合算法的室内定位信号源优化部署方法，所述步骤6中对优良品种进行变异操作，包括以下步骤：
步骤6.1、按预先设定的变异比例，在优良品种中随机选择一组信号源组合；
步骤6.2、在选择出来的信号源组合当中，随机将组合中n个信号源点进行改变。
本发明具有以下优点和积极效果：1、本发明以室内定位为背景，使用遗传算法与烟花算法的组合来解决信号源定位误差低与信号源个数成本少的问题。这是一种在新的应用领域中下提供的一种解决最优化问题的思路。2、本发明中对于遗传算法的选择过程中的适应度函数阈值设置了动态调整的策略。当满足该适应度函数阈值的信号源组合数目大于一定值时，便适当减小预先设置的适应度函数阈值，当满足该适应度函数阈值的信号源组合数目较少时，则适当增大预先设置的适应度函数阈值。由于传统的遗传算法对于适应度函数值设置是一个固定的阈值，但是当优良品种过多或者过少时都会带来一定的麻烦。当优良品种过多，信号源组合可能会陷入局部最优的状态，全局搜索能力不足；当优良品种过少，可能对于选择及变异过程的影响力度不够。3、本发明中在传统遗传算法中加入了烟花算法爆炸因子，提出了一种在大型项目中遗传算法容易产生大量无效解的情况。在本项目中，种群补充阶段通过爆炸因子来对新的信号源组合进行有规律的补充，很大程度上去除了无效解。4、本发明提出的是一种模拟仿真技术，摆脱了传统技术中大量依靠经验来部署信号源的方式，提供了一种更加合理、科学的信号源部署方案。
附图说明
图1是本发明提供的基于遗传算法与烟花算法室内定位信号源部署优化方法的流程图。
图2是本实施例中停车场示意图。
具体实施方式
下面以具体实施例结合附图对本发明作进一步说明：
实验场景如下图所示中，按照矩阵规则的形式布设了107个ibeacon信号源，行与列的间距约为4.5米。
1、使用洗牌算法对信号源组合进行随机生成
本发明所属的室内定位项目中，信号源个数为107个，同事对这些信号源进行了编号。种群是指信号源组合的个数，本发明中设置种群大小为50。
在对种群进行初始化时，对于单个信号源组合，首先随机生成其信号源组合中信号源的个数(n)，然后根据信号源个数来生成信号源点。这里使用了洗牌法对107个信号源序号进行了打乱处理，然后再选取前n个，即完成一个信号源组合的随机初始化工作，当循环上述步骤50次，便完成了种群的初始化。
2、对不同信号源组合分别计算定位误差
本发明在进行误差计算之前，对该场景预设定了一些参考点，这些参考点对107个信号源点的信号强度进行收集，并将收集的结果存入指纹库当中。一个参考点收集107个信号源的信号强度被存储在一维向量当中，这个一维向量称为一个指纹，所有参考点生成的向量组成一个指纹库。随后，当信号源组合作为函数参数传入误差计算函数时，参考点接受停车场内107个信号源的信号值(如果某个信号源不在组合当中，则该点的信号值为0)，将接收的1行107列的行向量与指纹库中的各个指纹进行对比，并且计算与每个指纹的欧式距离，找出差距最小的3个指纹，差距分别为w1,w2,w3，然后得出这3个指纹对应的参考点的坐标，分别为：(x1,y1)，(x2,y2)，(x3,y3)，通过如下公式来估算位置坐标：
x＝((x(1)/w(1))+(x(2)/w(2))+(x(3)/w(3)))/((1/w(1))+(1/w(2))+(1/w(3)))；
y＝((y(1)/w(1))+(y(2)/w(2))+(y(3)/w(3)))/((1/w(1))+(1/w(2))+(1/w(3)))；
上述公式能够较好反映准确位置坐标与距离成反比关系，与指纹的距离越大，定位误差也越大。最后再将计算出的参考点坐标与实际坐标进行对比，并计算两者之间的距离，这个距离的大小就是定位误差的大小。这样就完成了一个参考点误差的计算。对于室内的所有参考点依次进行上述的计算过程，计算完成后将得到的定位误差求平均值，即得到信号源组合的平均定位误差。
3、对满足适应度函数要求的组合进行选择过程，同时利用烟花算法对优良品种设置爆炸因子
本发明中信号源组合的选择过程。首先对不同信号源组合进行上述定位误差的计算，
然后再结合信号源成本组成适应度函数值。具体公式如下：
评价值＝信号源组合定位误差+单价*信号源个数
在算出各个信号源组合适应度函数值之后，进行选择过程。选择过程中，筛选出适应度值小于之前设定一个阈值的信号源组合，大于该值得信号源组合则做淘汰处理。
对于选择出来的信号源组合，称之为优良品种。对于优良品种，在这个阶段会对其设置相应的爆炸因子。在设置爆炸因子之前，要将优良品种按评价值由小到大的顺序(评价值越小代表信号源组合越好)排序。
在完成上述操作之后，根据对选择出来并按评价值从小到大排序之后的信号源组合，依次按顺序设置爆炸因子，爆炸因子为i+3(i代表排序之后第i个信号源组合)，这样便完成的爆炸因子的设置工作。
4、依据优良品种的爆炸因子，对种群进行信号源组合的补充
本发明在遗传算法中加入烟花算法的爆炸因子，不同于纯粹的遗传算法。纯粹的遗传算法种群的补充过程是在这一代交叉变异完成之后进行的，而本组合算法的种群补充过程在选择过程中后进行。这样做的原因是因为，如果选择过程完成之后，再进行交叉、变异过程，那么优良品种可能会出现变差的情况，然后再进行种群补充，依照之前设置的遗传因子进行新的信号源组合生成，新信号源组合将不会达到预期的效果。
种群的补充过程分为两种部分，一部分是依据爆炸因子来生成新的信号源组合，另一部分是随机生成信号源组合。依据爆炸因子来生成新的信号源组合是为了能够解决在随机生成过程中出现大量无效解的情况，而一部分仍采用随机生成方式是为了能够在种群补充阶段，不仅可以生成部分优良解而且还不失去全局搜索的能力。
依据爆炸因子来生成新的信号源组合。依据爆炸因子对应的优良信号源组合，对其进行复制，然后再根据爆炸因子，在新的组合中选出i+3个信号源点，将其改变为组合中还未出现的信号源点，这样便构成了一个新的信号源组合。重复上述操作，直到依据爆炸因子生成信号源组合完成。
随机生成新的信号源组合。对于该部分生成信号源组合，同上述随机种群初始化。先随机生成信号源组合中信号源点的个数，然后根据信号源组合的个数，利用洗牌法得到新的信号源组合。
5、对优良品种进行“交叉”操作
本发明中，交叉过程的处理对象是选择过程中选择出来的优良品种，但去掉优良品种中的前10％，称之为“精品”。因为这些精品可能就是最后要求的最优解，所以在进行交叉操作时，不考虑精品。交叉算子，即进行交叉操作的概率。交叉操作具体如下：
当满足交叉算子的概率要求，利用随机数算法，选择出两组不同的信号源组合，标记为组合a，组合b。每组信号源组合中挑选出多个信号源点，如a1，a2.....，b1，b2.....，这些选择出的信号源点必须满足在另一个组合中还未出现过，因为如果在另一个信号源组合中出现过该信号源点完成交叉互换后，则会出现一个组合中存在两个相同的信号源点的情况。当组合ab选择出相应的信号源点后，则进行信号源点交叉交换操作。重复上述步骤10次，便完成信号源组合间的交叉操作。
6、对优良品种进行“变异”操作
本发明中，该过程的对象仍然是选择过程选择出来的优良品种，同样不考虑精品。变异算子，即发生变异操作的概率。变异操作具体如下：
当满足变异算子的概率要求，首先从信号源组合中随机选出一个信号源组合a，随后在信号源组合a选中多个信号源点，将这些信号源点改变为组合中还未出现过的信号源点。重复上述操作10次，便完成信号源组合的变异操作。
实验结果表明，通过本技术方案，可以为室内定位信号源优化部署领域提供一种有效的解决办法，本方案在考虑信号源成本的基础上，能够有效降低信号源的定位误差。相比于现有的室内定位信号源部署优化方案与传统基于位置坐标的信号源部署方案，本方案具有更好的有效性、科学性。
以上实施例仅供说明本发明之用，而非对本发明的限制，有关技术领域的技术人员，在不脱离本发明的精神和范围的情况下，还可以作出各种变换或变型，因此所有等同的技术方案，都落入本发明的保护范围。