The Hybrid Taguchi-Genetic Algorithm for Mobile Location

Abstract

To estimate the mobile location is an important topic in wireless communication. It is well known that non-line-of-sight (NLOS) problem is the most pivotal part that causes the estimated error. When we transmit the signal from mobile station (MS) to base stations (BSs), the direct path between MS and BS is sealed off by some obstacles, and the signal measurements will measure the error due to the signal reflection or diffraction. The hybrid Taguchi-genetic algorithm (HTGA) combines the Taguchi method with the genetic algorithm (GA). In this paper, we bring up a novel HTGA algorithm that utilizes time of arrival (TOA) measurements from three BSs to locate MS. The proposed algorithm utilizes the intersections of three TOA circles based on HTGA to estimate the MS location. Finally, we compare HTGA with GA and find that the Taguchi algorithm can enhance genetic algorithm. We also can find that the average convergence of generation number will not be affected no matter which propagation models we use. Obviously HTGA is more robust, statistically sound, and quickly convergent than the other algorithms. The simulation results show that the HTGA can converge more quickly than GA and furthermore the HTGA can enhance the accuracy of the mobile location.

EATMR: An Energy-Aware Trust Algorithm Based the AODV Protocol and Multi-path Routing Approach in Wireless Sensor Networks

“…In this paper, we also often determine the values of the parameters based on the literature references. However, some parameters are determined from the proposed scheme using the Taguchi technique [37] to achieve the best solution. This method ensures the identification of effective parameters and levels with fewer experiments by providing balance among the orthogonal index, parameters, and levels.…”

Aplicação de um algoritmo evolutivo na solução de problemas de sequenciamento da produção

“…Primeiramente definiu-se pela utilização do GA por apresentar ótimos resultados em vários campos de aplicação, tornando-se um dos métodos evolutivos mais importantes e utilizados atualmente [5] e [21]. Mesmo com o alto índice de desempenho de resolução do GA, verifica-se que a hibridização pode tornar os resultados mais eficientes nos casos de FJSP [5].…”

“…O resultado da combinação do método híbrido Taguchi com GA resultou no método denominado HTGA, proposto por Jyh-Horng Chou em [21], [23] e [24]. A abordagem combina a importante capacidade de exploração geral do algoritmo genético com o método Taguchi, que pode explorar a prole preterida [23] .…”

“…Portanto, é mais provável que o algoritmo proposto identifique uma solução quase ótima e evite soluções ótimas locais [22] . No HTGA, a metodologia Taguchi substitui a operação de cruzamento, sendo assim o HTGA pode convergir rapidamente e ser mais robusto e estatisticamente correto [21] . Verifica-se em [22] e [23] , a inserção do modelo Taguchi entre as operações de crossover e de mutação de um GA, identificado como o fluxo A-B, elegendo ordenadamente os melhores genes para alcançar crossover e, consequentemente, aprimorando o algoritmo genético.…”

NLOS Error Mitigation in Cellular Positioning using PSO Optimization Algorithm

“…A new localization scheme based on the metaheuristic concept of optimization uses the Hybrid Taguchi-Genetic Algorithm (HTGA) [21] and the Particle Swarm Optimization (PSO) algorithm presented in [22][23][24][25]. In this paper we propose an efficient method to reduce the NLOS effect where the TOA measurement error is assumed to be uniformly distributed.…”