当前位置:主页 > 科技论文 > 信息工程论文 >

基于蚁群优化算法的ReInForM动态路由

发布时间:2018-11-06 20:06
【摘要】:无线传感器网络中Re In For M多路径协议能保证网络可靠性,但未考虑节点能量动态变化和通信路径工况,随机选取下一跳转发节点的方式使得部分节点因被反复使用而快速失效,缩短了网络生命周期。针对该问题,在蚁群优化算法的基础上,结合蚁群信息素浓度和节点剩余能量等因素,提出一种Re In For M协议多目标优化条件下的动态路由选择算法,将能耗和剩余能量作为多路径选择指标,共同决定下一跳最优节点。仿真结果表明,与原有Re In For M路由算法相比,该算法能够在保证数据传输可靠率的同时,更有效地均衡节点能耗。
[Abstract]:The Re In For M multipath protocol in wireless sensor networks can guarantee the reliability of the network, but it does not take into account the dynamic change of node energy and the communication path conditions. Random selection of the next hop forwarding node causes some nodes to fail quickly because of repeated use, which shortens the network life cycle. In order to solve this problem, a dynamic routing algorithm based on multi-objective optimization of Re In For M protocol is proposed based on ant colony optimization algorithm, combining with the factors of ant colony pheromone concentration and node residual energy. Energy consumption and residual energy are taken as multipath selection indexes to determine the next hop optimal node. Simulation results show that compared with the original Re In For M routing algorithm, the proposed algorithm can balance node energy consumption more effectively while ensuring the reliability of data transmission.
【作者单位】: 华南理工大学自动化科学与工程学院;
【基金】:国家自然科学基金“多路并网光伏发电系统荷-网-源随机网络建模与自主协调监控方法研究”(61573154,60904032) 广东省科技计划项目“多路并网光伏发电系统电能量智能监控技术”(2015A010106003)
【分类号】:TN929.5;TP18;TP212.9

【相似文献】

相关期刊论文 前9条

1 罗云月;孙志峰;;基于自适应蚁群优化算法的认知决策引擎[J];计算机科学;2011年08期

2 王结太;许家栋;徐建城;;基于蚁群优化算法的无线传感器网络路由协议[J];系统仿真学报;2008年18期

3 王成金;李士昌;陈山枝;;一种适用于城市道路LTE-V网络的快收敛蚁群优化算法[J];现代电信科技;2014年03期

4 李琳琳;王纪奎;宋艳芳;;基于蚁群优化算法的SAR图像舰船检测研究[J];齐鲁工业大学学报(自然科学版);2014年02期

5 尚兴宏;钱焕延;高德民;;基于改进蚁群优化算法的无线传感器网络路由研究[J];传感器与微系统;2012年09期

6 王盼盼;梁怀志;郭华;马洪连;;BEACO:WSN中负载均衡的蚁群优化算法[J];计算机研究与发展;2010年S2期

7 陈祥国;武小悦;;基于不同信息素更新策略的卫星数传调度蚁群优化算法[J];运筹与管理;2009年03期

8 孙玉文;沈明霞;陆明洲;熊迎军;刘龙申;;基于元胞蚁群优化算法的农业无线传感器网络路由研究[J];传感器与微系统;2012年06期

9 张向宾;;基于一种蚁群优化算法的农业WSN路由节能研究[J];农业网络信息;2013年09期

相关硕士学位论文 前3条

1 刘乐柱;混沌蚁群优化算法与H-R神经元网络动力学研究[D];安徽师范大学;2015年

2 史大龙;基于蚁群优化算法的视频监控智能检测系统的研究与实现[D];中国海洋大学;2015年

3 杨磊;蚁群算法及其在盲均衡中的应用[D];南京邮电大学;2011年



本文编号:2315331

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2315331.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户bf544***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com