一种基于蚁群算法的无线传感器网络能耗研究

发布时间：2017-08-24 21:56

  本文关键词：一种基于蚁群算法的无线传感器网络能耗研究

  更多相关文章： 蚁群算法 无线传感器网络 网络能耗 网路信息质量

【摘要】：在现代世界中,无线传感器网络(Wireless Sensor Networks,简称WSN)应用越来越多,也越来越得到人们的重视。无线传感器网络最突出的特点是传感器节点的能源有限性和节点所处环境常常使得能源的补充很困难。因此无线传感器网络协议中最重要的一点就是合理利用有限的能源,使得网络能够拥有更长的寿命,运行更长的时间。本文针对无线传感器网络的能耗问题和信息质量问题进行了研究和优化,具体包括以下几个方面：1)本文描述了蚁群算法(Ant Colony Optimization Algorithm,简称ACA)的基本原理,在现有的ACA基础上,将ACA算法移植到无线传感器网络中(Ant Colony Optimization Algorithm of Wireless Sensor Networks,简称ACAWSN)将能量均衡因素加入到ACA的节点间概率转移公式、局部信息素更新和全局信息素更新,提出了一种改进的针对网络能耗的适用于无线传感器网络的蚁群路由协议(Ant colony optimization algorithm based on energy balance in network,简称ACAEBN)。仿真结果表明,改进的蚁群算法ACAEBN在最大能耗节点的能耗、总能耗、信息传输成功率、信息覆盖率上都优于基本蚁群算法和引用文献中的算法。2)本文在ACAEBN算法的基础上针对信息质量问题进行了强化,提出了判断网络质量的一个重要标准,即在有限的网络生命周期内传递更多有效信息。并以此为目标对ACAEBN算法进行了改进,提出一种增强改进的针对网络能耗的适用于无线传感器网络的蚁群路由协议(Raised Ant colony optimization algorithm based on energy balance in network,简称RACAEBN),加入了对感知区域重合节点的处理,使区域重合节点实行轮流工作,以达到降低开销、延长网络存活时间的目的；增加了对失败路径的处理,对失败路径上的节点间信息素进行设置；对不同密度区域实行分簇策略,以降低不必要能量损耗；使用预选择模式并进行分时双重选择。仿真结果表明改进的ACAEBN算法在网络的各项指标上相较于改进前有较大提升。3)针对不同的网络类型下的算法效果,本文设置了sink节点在网络边缘、网络节点密度不同、网络节点不均匀的类型,并在这三种网络类型下对ACAWSN算法、文献中算法、ACAEBN算法和RACAEBN算法进行仿真并分析。仿真结果表明sink节点在网络边缘的情况下四种蚁群算法的网络指标都有明显下降；节点密度较大的网络中四种算法的指标都比普通网络优异,密度较大时蚂蚁可选择的下一跳节点更多,蚁群算法的优势可以得到更好的体现；最后本文选取了由中心到边缘节点密度逐渐减小的网络对四种算法进行仿真,结果表明此种网络条件下网络的各项指标为三种网络中最优,此种类型网络特征最适合蚁群算法。在三种网络条件下四种算法中RACAEBN算法均为最优。
【关键词】：蚁群算法 无线传感器网络 网络能耗 网路信息质量
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18;TN929.5;TP212.9
【目录】：

• 摘要5-7
• Abstract7-12
• 第一章 绪论12-16
• 1.1 课题研究背景及意义12
• 1.2 无线传感器网络研究现状12-14
• 1.3 本文研究内容和创新点14-15
• 1.4 论文的章节安排15-16
• 第二章 无线传感器网络介绍16-22
• 2.1 无线传感器网络体系结构16-17
• 2.2 无线传感器网络节点结构17
• 2.3 无线传感器网络特征17-18
• 2.4 无线传感器网络路由协议18-21
• 2.4.1 平面路由协议18-20
• 2.4.2 分层路由协议20-21
• 2.5 本章小结21-22
• 第三章 基于改进蚁群算法ACAEBN的无线传感器能量路由优化22-40
• 3.1 无线传感器网络能量路由问题描述22-23
• 3.2 蚁群算法在无线传感器网络的应用23-27
• 3.2.1 基于TSP问题的蚁群算法23-25
• 3.2.2 蚁群算法在WSN中的应用25-26
• 3.2.3 PNEPMF算法概述26-27
• 3.3 ACAEBN算法27-30
• 3.3.1 概率转移函数28
• 3.3.2 局部信息素更新28-29
• 3.3.3 全局信息素更新29
• 3.3.4 ACAEBN算法伪代码29-30
• 3.4 仿真验证结果及分析30-39
• 3.4.1 能耗最大节点耗能结果及分析31-32
• 3.4.2 总能耗结果及分析32
• 3.4.3 网络能耗方差结果及分析32-33
• 3.4.4 信息传输成功率结果及分析33-35
• 3.4.5 传感器网络覆盖率结果及分析35-36
• 3.4.6 网络剩余总能量结果及分析36-37
• 3.4.7 总成功量结果及分析37-38
• 3.4.8 有效信息量结果及分析38-39
• 3.5 本章小结39-40
• 第四章 基于改进蚁群算法RACAEBN的信息质量路由优化40-52
• 4.1 信息质量问题描述40
• 4.2 RACAEBN算法40-44
• 4.2.1 对感知区域交叉节点的处理41
• 4.2.2 对失败路径的处理41
• 4.2.3 针对不同密度情况的处理41-42
• 4.2.4 预选择模式并进行分时优先选择42
• 4.2.5 算法伪代码42-44
• 4.3 仿真结果及分析44-49
• 4.3.1 成功率结果及分析44-46
• 4.3.2 网络覆盖率结果及分析46
• 4.3.3 网络剩余节点能量方差结果及分析46-48
• 4.3.4 网络总剩余能量结果及分析48
• 4.3.5 总成功量与有效信息量结果及分析48-49
• 4.4 本章小结49-52
• 第五章 不同特征场景下四种算法仿真对比研究52-62
• 5.1 仿真设置52
• 5.2 特征场景一的仿真对比研究52-54
• 5.2.1 覆盖率结果及分析53-54
• 5.2.2 总成功量和有效信息量结果及分析54
• 5.3 特征场景二的仿真对比研究54-57
• 5.3.1 覆盖率结果及分析55
• 5.3.2 剩余节点能量方差结果及分析55-56
• 5.3.3 总剩余能量结果及分析56-57
• 5.3.4 总成功量与有效信息量结果及分析57
• 5.4 特征场景三的仿真对比研究57-61
• 5.4.1 成功率结果及分析58
• 5.4.2 覆盖率结果及分析58-59
• 5.4.3 剩余节点能量方差结果及分析59-60
• 5.4.4 网络剩余总能量结果及分析60
• 5.4.5 总成功量和有效信息量结果及分析60-61
• 5.5 本章小结61-62
• 第六章 总结与展望62-64
• 致谢64-66
• 参考文献66-70
• 附录A 攻读硕士期间发表论文与申请软件著作权70-72
• 附录B 攻读硕士期间参与项目72-74
• 附件74-75

【参考文献】

中国期刊全文数据库 前5条

1 吴镝;温涛;郭权;盛国军;;基于蚁群系统的WSN能量有效路由算法[J];东北大学学报(自然科学版);2012年07期

2 赵丽萍;;基于蚁群优化的无线传感器网络路由算法[J];传感器与微系统;2014年04期

3 唐勇;周明天;张欣;;无线传感器网络路由协议研究进展[J];软件学报;2006年03期

4 于海斌,曾鹏,王忠锋,梁英,尚志军;分布式无线传感器网络通信协议研究[J];通信学报;2004年10期

5 王海泉;朱涛;陈萌;杨颖;;一种基于蚁群的机会网络多目标路由算法[J];系统仿真学报;2013年01期

中国硕士学位论文全文数据库 前2条

1 王静;基于蚁群算法的无线传感器网络路由协议研究[D];太原理工大学;2011年

2 陈宇;基于改进蚁群算法的无线传感器网络路由的研究[D];华南理工大学;2012年

，

本文编号：733357